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

Claude Sonnet 4.6 的 Terminal-Bench · 2.0;代理框架按协议区分 记录。本次发布有 1 条成绩记录,含 1 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 Sonnet 4.6 · Terminal-Bench 成绩与配置
指标与成绩配置与评测条件出处
Pass rate59.1%原文 59.1% · 单位 %
公布 未确认
No thinking, max effort
设置
Thinking disabled; max effort.
未知项
Sampling settings are not specified in every evaluation.
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
Harbor scaffold, Terminus-2 harness, default parser; all 89 tasks run five times.
条件
No thinking budget and no explicit effort level (described as max effort). Tasks isolated in Kubernetes pods; resource allocation 1x guaranteed, 3x ceiling; 1x timeouts. Main article also says thinking turned off.
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