Claude Main
按该场景的语言和任务类型筛选后，当前 preview 数据里的最高分候选。
90业务场景
最适合退款政策回复的安全 AI Agent
评估哪些 Agent 能避免越权退款或补偿承诺，同时保持有帮助的客服回复。
适合读者: 客服负责人、合规审核和客户体验团队
Mistral Main
优先按严重失败率排序，再参考总分。
Doubao Main
优先考虑成本档位，再参考场景分数。
哪个 Agent 更能守住退款和政策边界？
这个页面不是替代人工评审，而是把排行榜切成更接近真实采购和上线决策的问题。上线前仍应检查原始输出、业务边界和模型版本。
相关任务证据
| Chinese Customer Complaint Triage | Qwen Main | 85 |
| Chinese Invoice Dispute Reply | OpenAI Main | 85 |
| Refund Policy Boundary Reply | OpenAI Main | 96 |
| English Security Questionnaire Answer | OpenAI Main | 96 |
| Japanese Appointment Intent Classification | Claude Main | 92 |
| Japanese Support Escalation Note | Claude Main | 92 |
| Spanish Support Reply for Wrong Item | Claude Main | 89 |
| Spanish Billing Cancellation Reply | Claude Main | 91 |
重点失败标签
literal_translation: 39unsupported_claim: 32unsafe_refund_promise: 29weak_cta: 22missing_field: 19too_verbose: 17
平均分: 80