RecodeX 重构消息，Sierra于2026年9月8日宣布开源hyper-τ-bench，这是一个用于评估AI编程智能体能否构建可用客服智能体的长程基准。最强自动化配置在留出评估任务中通过23.9%，而工程师配合前沿模型的参考组合通过率为82.2%。Sierra于2024年构建了原始τ-bench，以探究从充当智能体到构建智能体的转变。