Terminal-Bench · 2.0;代理框架按协议区分 · 测试定义与成绩

Terminal-Bench · 2.0;代理框架按协议区分 收录 14 次模型发布的评测披露或成绩。

测试版本与指标

别名 Terminal-Bench 2.0

  • Pass rate · % · 越高越好
  • Mean reward · % · 越高越好

各系列最新模型 · 公布成绩

常规展示范围。排名按指标与评测协议分组,已记录的工具、预算及框架分别展示。条件未说明的组保留公布值供查证。

Pass rate %

工具条件未记录 / xhigh / 框架未记录 · 条件未说明

Terminal-Bench · 2.0;代理框架按协议区分 · Pass rate · 工具条件未记录 / xhigh / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5Xhigh82.7%

工具条件未记录 / none / 框架未记录 · 条件未说明

Terminal-Bench · 2.0;代理框架按协议区分 · Pass rate · 工具条件未记录 / none / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5None39.1%

工具条件未记录 / low / 框架未记录 · 条件未说明

Terminal-Bench · 2.0;代理框架按协议区分 · Pass rate · 工具条件未记录 / low / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5Low60.7%

工具条件未记录 / medium / 框架未记录 · 条件未说明

Terminal-Bench · 2.0;代理框架按协议区分 · Pass rate · 工具条件未记录 / medium / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5Medium75.3%

工具条件未记录 / high / 框架未记录 · 条件未说明

Terminal-Bench · 2.0;代理框架按协议区分 · Pass rate · 工具条件未记录 / high / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-5.5High79.1%

工具条件未记录 / xhigh / 框架未记录 · Terminal-Bench 2.0.

Terminal-Bench · 2.0;代理框架按协议区分 · Pass rate · 工具条件未记录 / xhigh / 框架未记录 · Terminal-Bench 2.0.
名次模型与配置成绩(%)记录与证据
1GPT-5.3 CodexXhigh77.3%
2GPT-5.4 miniXhigh60%
3GPT-5.4 nanoXhigh46.3%

工具条件未记录 / high / Terminus 2 · Default Terminus 2 harness

Terminal-Bench · 2.0;代理框架按协议区分 · Pass rate · 工具条件未记录 / high / Terminus 2 · Default Terminus 2 harness
模型与配置成绩(%)记录与证据
Gemini 3.1 ProHigh68.5%

历史记录 · 14 次发布

  • GPT-5.5本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • Claude Opus 4.7本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.4 mini本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.4 nano本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.4本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Gemini 3.1 Pro本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Sonnet 4.6本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Opus 4.6本次发布有 3 条成绩记录,含 3 条精确值(可含历史记录)
  • GPT-5.3 Codex本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.2 Codex本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Opus 4.5本次发布有 3 条成绩记录,含 3 条精确值(可含历史记录)
  • GPT-5.1 Codex-Max本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Gemini 3 Pro本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-5.1 Codex本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)