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。
- 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.
- 1Kimi K3.1 Pro67.2%
- 2Gemini 4 Carbon (high)65.2%
- 3Claude Sonnet 5.5 (max)63.6%
- 4Gemini 4 Carbon (low)62.6%
- 5Claude Fable 5.2 (xhigh)61.6%
- 6Gemini 4 Carbon (medium)60.6%
- 7Claude Fable 5.2 (max)59.6%
- 8Claude Opus 5.5 (max)59.6%
- 9Claude Fable 5.2 (high)59.6%
- 10GPT-6 Astra (xhigh)59.6%
- 11Claude Opus 5.5 (xhigh)59.6%
- 12GPT-6 Astra (max)59.1%
- 13Gemini 4 Argon (high)57.1%
- 14Claude Sonnet 5.5 (xhigh)57.1%
- 15Muse Wonder Full (max)57.1%
257件中257件
| # | ||||
|---|---|---|---|---|
| 1 | 67.2% | 61.8 | 2026-10-23 | |
| 2 | 65.2% | 68.9 | 2026-10-28 | |
| 3 | 63.6% | 64.2 | 2026-09-28 | |
| 4 | 62.6% | 60.1 | 2026-10-28 | |
| 5 | NEW | 61.6% | 69.7 | 2026-11-09 |
| 6 | 60.6% | 65.8 | 2026-10-28 | |
| 7 | NEW | 59.6% | 72.7 | 2026-11-09 |
| 8 | 59.6% | 68.4 | 2026-09-22 | |
| 9 | NEW | 59.6% | 68.4 | 2026-11-09 |
| 10 | 59.6% | 66.0 | 2026-09-03 | |
| 11 | 59.6% | 65.4 | 2026-09-22 | |
| 12 | 59.1% | 67.3 | 2026-09-03 | |
| 13 | 57.1% | 65.3 | 2026-09-30 | |
| 14 | 57.1% | 62.5 | 2026-09-28 | |
| 15 | 57.1% | 61.7 | 2026-10-12 | |
| 16 | 56.6% | 66.0 | 2026-09-22 | |
| 17 | 56.1% | 66.6 | 2026-09-29 | |
| 18 | 55.6% | 64.1 | 2026-10-26 | |
| 19 | NEW | 55.0% | 66.3 | 2026-11-09 |
| 20 | 55.0% | 64.6 | 2026-09-01 | |
| 21 | 55.0% | 61.6 | 2026-09-30 | |
| 22 | NEW | 54.5% | 65.3 | 2026-11-09 |
| 23 | 54.0% | 66.3 | 2026-09-03 | |
| 24 | 54.0% | 63.6 | 2026-09-29 | |
| 25 | NEW | 54.0% | 63.4 | 2026-11-12 |
| 26 | NEW | 53.5% | 61.8 | 2026-11-12 |
| 27 | 52.5% | 61.2 | 2026-09-22 | |
| 28 | 52.0% | 66.7 | 2026-09-01 | |
| 29 | 52.0% | 63.7 | 2026-09-01 | |
| 30 | 52.0% | 60.8 | 2026-10-12 | |
| 31 | 51.5% | 63.4 | 2026-09-29 | |
| 32 | 49.5% | 64.4 | 2026-09-03 | |
| 33 | 49.0% | 65.0 | 2026-07-24 | |
| 34 | 48.0% | 62.7 | 2026-09-29 | |
| 35 | 46.5% | 60.1 | 2026-07-24 | |
| 36 | 46.5% | 60.0 | 2026-10-26 | |
| 37 | 46.0% | 64.4 | 2026-07-24 | |
| 38 | 45.0% | 61.7 | 2026-09-01 | |
| 39 | 43.9% | 62.6 | 2026-09-22 | |
| 40 | 43.9% | 59.5 | 2026-09-28 | |
| 41 | 42.4% | 65.1 | 2026-06-09 | |
| 42 | 41.9% | 62.0 | 2026-09-03 | |
| 43 | 41.9% | 59.6 | 2026-10-26 | |
| 44 | 41.9% | 58.8 | 2026-08-18 | |
| 45 | NEW | 40.9% | 52.1 | 2026-11-09 |
| 46 | 40.4% | 58.8 | 2026-09-01 | |
| 47 | 39.9% | 65.3 | 2026-07-09 | |
| 48 | 38.9% | 58.7 | 2026-09-02 | |
| 49 | 38.4% | 56.2 | 2026-10-12 | |
| 50 | 37.4% | 56.7 | 2026-11-03 | |
| 51 | 35.4% | 59.5 | 2026-07-09 | |
| 52 | NEW | 35.4% | 49.1 | 2026-11-09 |
| 53 | 34.9% | 57.5 | 2026-09-21 | |
| 54 | 34.9% | 47.3 | 2026-08-18 | |
| 55 | 34.3% | 57.5 | 2026-07-24 | |
| 56 | 33.8% | 57.7 | 2026-10-17 | |
| 57 | 33.3% | 60.6 | 2026-09-02 | |
| 58 | 33.3% | 56.0 | 2026-09-18 | |
| 59 | 33.3% | 50.8 | 2026-10-01 | |
| 60 | 32.8% | 57.8 | 2026-08-26 |
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
関連するベンチマーク
Terminal-Bench 4.0 (AA)での注目のモデル比較
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。