这份关于Agentic Performance（τ-Voice）的图表，展示了全双工语音模型在客服场景下的当前水平。

虽然 Grok 的表现令人印象深刻，但最高分仅为 52.1% 这一事实表明，“AI Agent”在完全掌握人类级别客服复杂性之前，还有很长的路要走。

PS：基准来源基于τ-Voice（Tau-Voice）基准测试，该测试包含零售、航空、电信等行业的 278 个接地化（grounded）客服任务，模拟真实通话环境（包括噪音、口音、中断、自由对话切换等）。科技AI智能体