Terminal-Bench · 2.1; evaluated with Claude Code at avg@10, 5-hour timeout, max_tokens=131,072; metric scale unspecified · 测试定义与成绩

Terminal-Bench · 2.1; evaluated with Claude Code at avg@10, 5-hour timeout, max_tokens=131,072; metric scale unspecified 收录 1 次模型发布的评测披露或成绩。

测试版本与指标

别名 Terminal-Bench

  • Reported score · 单位未标注 · 排序方向未确认

各系列最新模型 · 公布成绩

各命名系列的最新型号在此范围内暂无可展示成绩,已收录的历史资料列在下方。

历史记录 · 1 次发布

  • Qwen3.8-Max本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)