BenchLeader

Terminal-Bench 4.0 (AA)のリーダーボード

2026年11月16日時点で、Terminal-Bench 4.0 (AA)の最高スコアは67.2%で、Kimi K3.1 Pro(Moonshot AI)が記録しています。次点はGemini 4 Carbonの65.2%です。公表された結果があるのは257のモデル構成です(Artificial Analysis、結果の日付は2026年10月23日)。サンドボックス化したターミナルでの実際のコマンドライン作業(バージョン4.0)。Artificial Analysisが実施。Indexに使うのはTerminal-Benchチーム自身の実行結果です。Terminal-Bench 4.0 (AA)は参考として掲載しており、BenchLeader Indexには含まれません。

要点(2026年11月16日時点)

  • Kimi K3.1 ProがTerminal-Bench 4.0 (AA)の最高スコア67.2%を記録しています(Artificial Analysis、2026年10月23日)。
  • Terminal-Bench 4.0 (AA)の2位はGemini 4 Carbonで、65.2%です(Artificial Analysis、2026年10月28日)。
  • Terminal-Bench 4.0 (AA):サンドボックス化したターミナルでの実際のコマンドライン作業(バージョン4.0)。Artificial Analysisが実施。Indexに使うのはTerminal-Benchチーム自身の実行結果です(Artificial Analysis)。
  • BenchLeaderでは257のモデル構成にTerminal-Bench 4.0 (AA)の公表結果があります(BenchLeader、2026年11月16日)。
  • Terminal-Bench 4.0 (AA)はBenchLeader Indexには反映されず、参考として掲載しています(BenchLeaderの評価方法)。

サンドボックス化したターミナルでの実際のコマンドライン作業(バージョン4.0)。Artificial Analysisが実施。Indexに使うのはTerminal-Benchチーム自身の実行結果です。

公開元
Artificial Analysis
カテゴリ
コーディング
Indexでの重み
参考のみ
モデル
257
データ基準日
2026年11月16日

Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.

257件中257件
#
1Kimi K3.1 Pro67.2%61.82026-10-23
2Gemini 4 Carbonhigh65.2%68.92026-10-28
3Claude Sonnet 5.5max63.6%64.22026-09-28
4Gemini 4 Carbonlow62.6%60.12026-10-28
5NEWClaude Fable 5.2xhigh61.6%69.72026-11-09
6Gemini 4 Carbonmedium60.6%65.82026-10-28
7NEWClaude Fable 5.2max59.6%72.72026-11-09
8Claude Opus 5.5max59.6%68.42026-09-22
9NEWClaude Fable 5.2high59.6%68.42026-11-09
10GPT-6 Astraxhigh59.6%66.02026-09-03
11Claude Opus 5.5xhigh59.6%65.42026-09-22
12GPT-6 Astramax59.1%67.32026-09-03
13Gemini 4 Argonhigh57.1%65.32026-09-30
14Claude Sonnet 5.5xhigh57.1%62.52026-09-28
15Muse Wonder Fullmax57.1%61.72026-10-12
16Claude Opus 5.5high56.6%66.02026-09-22
17GPT-6.1 Solmax56.1%66.62026-09-29
18GPT-6.1 Terramax55.6%64.12026-10-26
19NEWClaude Fable 5.2medium55.0%66.32026-11-09
20Claude Fable 5.1xhigh55.0%64.62026-09-01
21Gemini 4 Argonmedium55.0%61.62026-09-30
22NEWClaude Fable 5.2low54.5%65.32026-11-09
23GPT-6 Astrahigh54.0%66.32026-09-03
24GPT-6.1 Solxhigh54.0%63.62026-09-29
25NEWGemini 4 Hydrogenhigh54.0%63.42026-11-12
26NEWGemini 4 Hydrogenxhigh53.5%61.82026-11-12
27Claude Opus 5.5medium52.5%61.22026-09-22
28Claude Fable 5.1max52.0%66.72026-09-01
29Claude Fable 5.1high52.0%63.72026-09-01
30Muse Wondermax52.0%60.82026-10-12
31GPT-6.1 Solhigh51.5%63.42026-09-29
32GPT-6 Astramedium49.5%64.42026-09-03
33Claude Opus 5max49.0%65.02026-07-24
34GPT-6.1 Solmedium48.0%62.72026-09-29
35Claude Opus 5xhigh46.5%60.12026-07-24
36GPT-6.1 Terraxhigh46.5%60.02026-10-26
37Claude Opus 5high46.0%64.42026-07-24
38Claude Fable 5.1medium45.0%61.72026-09-01
39GPT-6 Solmax43.9%62.62026-09-22
40Claude Sonnet 5.5high43.9%59.52026-09-28
41Claude Fable 5max42.4%65.12026-06-09
42GPT-6 Astralow41.9%62.02026-09-03
43GPT-6.1 Terrahigh41.9%59.62026-10-26
44GLM 5.3max41.9%58.82026-08-18
45NEWMuse Embermax40.9%52.12026-11-09
46Claude Fable 5.1low40.4%58.82026-09-01
47GPT-5.6 Solmax39.9%65.32026-07-09
48Qwen3.8 Maxmax38.9%58.72026-09-02
49Muse Wonderhigh38.4%56.22026-10-12
50Hy437.4%56.72026-11-03
51GPT-5.6 Terramax35.4%59.52026-07-09
52NEWMuse Emberxhigh35.4%49.12026-11-09
53MiMo-V2.6-Pro34.9%57.52026-09-21
54GLM 5.3low34.9%47.32026-08-18
55Claude Opus 5medium34.3%57.52026-07-24
56DeepSeek V4.1 Flash 1017max33.8%57.72026-10-17
57Muse Spark 1.3max33.3%60.62026-09-02
58Step 5 Preview33.3%56.02026-09-18
59Ling 3.1 Flash33.3%50.82026-10-01
60GLM 5.3 Flash32.8%57.82026-08-26

コーディングのベンチマークをもっと見る · LLMベンチマーク一覧

引用表記:BenchLeader「Terminal-Bench 4.0 (AA)のリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/aa_terminalbench_40

Terminal-Bench 4.0 (AA):よくある質問

Terminal-Bench 4.0 (AA)は何を測るベンチマークですか?
サンドボックス化したターミナルでの実際のコマンドライン作業(バージョン4.0)。Artificial Analysisが実施。Indexに使うのはTerminal-Benchチーム自身の実行結果です。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
Terminal-Bench 4.0 (AA)の最高スコアは?
2026年11月16日時点で、Terminal-Bench 4.0 (AA)の最高スコアは67.2%で、Kimi K3.1 Proが記録しています(結果の日付は2026年10月23日)。次点はGemini 4 Carbonの65.2%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
Terminal-Bench 4.0 (AA)でトップのAIモデルは?
2026年11月16日時点で、Terminal-Bench 4.0 (AA)の首位はKimi K3.1 Proで、スコアは67.2%です(結果の日付は2026年10月23日)。続いてGemini 4 Carbon(65.2%)です。
Terminal-Bench 4.0 (AA)の結果があるモデルはいくつですか?
BenchLeaderでは257のモデル構成にTerminal-Bench 4.0 (AA)の結果があり、すべてArtificial Analysisから取得しています。
Terminal-Bench 4.0 (AA)を運営しているのは誰で、どのくらいの頻度で更新されますか?
Terminal-Bench 4.0 (AA)はArtificial Analysisが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
Terminal-Bench 4.0 (AA)はBenchLeader Indexに含まれますか?
いいえ。Terminal-Bench 4.0 (AA)は参考として掲載していますが、総合スコアには含めていません。