Claude Opus 4.6 · Terminal-Bench · 2.0;代理框架按协议区分 · 成绩与配置

Claude Opus 4.6 的 Terminal-Bench · 2.0;代理框架按协议区分 记录。本次发布有 3 条成绩记录,含 3 条精确值(可含历史记录),附 2 条来源定位。

成绩与评测条件

Claude Opus 4.6 · Terminal-Bench 成绩与配置
指标与成绩配置与评测条件出处
Pass rate65.4%原文 65.4% · 单位 %
公布 未确认
Terminal-Bench 2.0 · Max
设置
Harbor scaffold、Terminus-2 harness、default parser;adaptive thinking;Max effort。
未知项
未另记
工具
工具条件未记录
推理预算
max
框架
Harbor scaffold; Terminus-2 harness; default parser
协议
Terminal-Bench 2.0;Harbor scaffold;Terminus-2 harness;default parser。
条件
89 tasks;15 runs/task;1,335 trials;3 个不同时间批次;adaptive thinking、max effort。节点 n2-standard-32,1×资源配额、3×硬抢占上限、1× timeout;结果不与其他 harness 的 GPT-5.2 Codex CLI 分值混同。
在排名中查看此成绩
Pass rate55.1%原文 55.1% · 单位 %
公布 未确认
Terminal-Bench 2.0 · Low
设置
Harbor scaffold、Terminus-2 harness、default parser;adaptive thinking;Low effort。
未知项
该 effort 点未单列试验次数。
工具
工具条件未记录
推理预算
low
框架
Harbor scaffold; Terminus-2 harness
协议
Terminal-Bench 2.0;Harbor/Terminus-2。
条件
Figure 2.5.A;adaptive thinking、Low effort;卡片未单列该点试验次数。
在排名中查看此成绩
Pass rate61.1%原文 61.1% · 单位 %
公布 未确认
Terminal-Bench 2.0 · Medium
设置
Harbor scaffold、Terminus-2 harness、default parser;adaptive thinking;Medium effort。
未知项
该 effort 点未单列试验次数。
工具
工具条件未记录
推理预算
medium
框架
Harbor scaffold; Terminus-2 harness
协议
Terminal-Bench 2.0;Harbor/Terminus-2。
条件
Figure 2.5.A;adaptive thinking、Medium effort;卡片未单列该点试验次数。
在排名中查看此成绩

出处与披露

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