Terminal-Bench 2.0 (Vals)のリーダーボード
2026年11月16日時点で、Terminal-Bench 2.0 (Vals)の最高スコアは73.2%で、GPT-5.5(OpenAI)が記録しています。次点はClaude Opus 4.8の70.0%です。公表された結果があるのは65のモデル構成です(Vals AI、結果の日付は2026年6月4日)。Terminal-Bench 2.0で、シェル上のエージェントタスクをテストで確認します。Vals AIが実行しています。Terminal-Bench 2.0 (Vals)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)
- GPT-5.5がTerminal-Bench 2.0 (Vals)の最高スコア73.2%を記録しています(Vals AI、2026年6月4日)。
- Terminal-Bench 2.0 (Vals)の2位はClaude Opus 4.8で、70.0%です(Vals AI、2026年6月4日)。
- Terminal-Bench 2.0 (Vals):Vals AIの固定ハーネスで実行するTerminal-Bench 2.0。Vals AIが実施(Vals AI)。
- BenchLeaderでは65のモデル構成にTerminal-Bench 2.0 (Vals)の公表結果があります(BenchLeader、2026年11月16日)。
- Terminal-Bench 2.0 (Vals)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)。
Vals AIの固定ハーネスで実行するTerminal-Bench 2.0。Vals AIが実施。
- 公開元
- Vals AI
- カテゴリ
- エージェント・ツール
- Indexでの重み
- 参考のみ
- モデル
- 65
- データ基準日
- 2026年11月16日
Vals AI (vals.ai).
どんなテストか
Terminal-Bench 2.0で、シェル上のエージェントタスクをテストで確認します。Vals AIが実行しています。
採点方法
合格したタスクの割合で、Vals AIが実行しています。
注意点
2.1に置き換えられましたが、比較のために残しています。
- 1GPT-5.5 (high)73.2%
- 2Claude Opus 4.8 (max)70.0%
- 3Claude Opus 4.7 (high)68.5%
- 4Gemini 3.5 Flash (high)67.4%
- 5Gemini 3.1 Pro (high)67.4%
- 6GPT-5.3-Codex (high)64.0%
- 7Muse Spark59.5%
- 8Claude Sonnet 4.6 (max)59.5%
- 9Qwen3.7 (max)59.2%
- 10Claude Opus 4.5 (high)58.4%
- 11GPT-5.4 (high)58.4%
- 12Claude Opus 4.6 (max)58.4%
- 13Kimi K2.657.3%
- 14DeepSeek V4 Pro56.2%
- 15Gemini 3 Pro (high)55.1%
65件中65件
| # | |||||
|---|---|---|---|---|---|
| 1 | 73.2% | 63.5 | $0.761 | 2026-06-04 | |
| 2 | 70.0% | 61.1 | $0.884 | 2026-06-04 | |
| 3 | 68.5% | 60.0 | $0.976 | 2026-06-04 | |
| 4 | 67.4% | 62.5 | $1.19 | 2026-06-04 | |
| 5 | 67.4% | 60.4 | $0.516 | 2026-06-04 | |
| 6 | 64.0% | – | $0.345 | 2026-06-04 | |
| 7 | 59.5% | 64.2 | $0.070 | 2026-06-04 | |
| 8 | 59.5% | 56.1 | $0.519 | 2026-06-04 | |
| 9 | 59.2% | 60.0 | $0.719 | 2026-06-04 | |
| 10 | 58.4% | 59.7 | $1.18 | 2026-06-04 | |
| 11 | 58.4% | 58.6 | $0.512 | 2026-06-04 | |
| 12 | 58.4% | 57.0 | $1.14 | 2026-06-04 | |
| 13 | 57.3% | 55.1 | $0.193 | 2026-06-04 | |
| 14 | 56.2% | 53.0 | $0.180 | 2026-06-04 | |
| 15 | 55.1% | 60.0 | $0.456 | 2026-06-04 | |
| 16 | 53.9% | 55.4 | $0.158 | 2026-06-04 | |
| 17 | 51.7% | 62.1 | $0.320 | 2026-06-04 | |
| 18 | 51.7% | 57.4 | $0.169 | 2026-06-04 | |
| 19 | 51.7% | 55.8 | $0.470 | 2026-06-04 | |
| 20 | 49.4% | 60.2 | $0.247 | 2026-06-04 | |
| 21 | 47.2% | 56.6 | $0.074 | 2026-06-04 | |
| 22 | 46.1% | 56.1 | $0.216 | 2026-06-04 | |
| 23 | 44.9% | 59.0 | $0.146 | 2026-06-04 | |
| 24 | 44.9% | 57.5 | $0.408 | 2026-06-04 | |
| 25 | 44.9% | 52.0 | $0.305 | 2026-06-04 | |
| 26 | 44.9% | 47.9 | $0.298 | 2026-06-04 | |
| 27 | 43.5% | 54.5 | $0.373 | 2026-06-04 | |
| 28 | 41.6% | 57.4 | $0.322 | 2026-06-04 | |
| 29 | 41.6% | 53.7 | $0.085 | 2026-06-04 | |
| 30 | 41.6% | 52.3 | $0.751 | 2026-06-04 | |
| 31 | 40.5% | 59.4 | $0.140 | 2026-06-04 | |
| 32 | 40.5% | 58.3 | $0.154 | 2026-06-04 | |
| 33 | 39.9% | 48.3 | $0.075 | 2026-06-04 | |
| 34 | 39.3% | – | – | 2026-06-04 | |
| 35 | 38.2% | 51.7 | $0.184 | 2026-06-04 | |
| 36 | 38.2% | 45.7 | $0.328 | 2026-06-04 | |
| 37 | 37.1% | 58.2 | $0.477 | 2026-06-04 | |
| 38 | 37.1% | 53.8 | $0.070 | 2026-06-04 | |
| 39 | 37.1% | 52.3 | $0.116 | 2026-06-04 | |
| 40 | 36.0% | 54.2 | $0.166 | 2026-06-04 | |
| 41 | 34.8% | 52.1 | $0.063 | 2026-06-04 | |
| 42 | 31.5% | 37.3 | – | 2026-06-04 | |
| 43 | 30.3% | 55.2 | $0.472 | 2026-06-04 | |
| 44 | 30.3% | – | $4.71 | 2026-06-04 | |
| 45 | 29.2% | 51.6 | $0.034 | 2026-06-04 | |
| 46 | 28.1% | 58.1 | $0.553 | 2026-06-04 | |
| 47 | 28.1% | 50.2 | $0.144 | 2026-06-04 | |
| 48 | 28.1% | 36.3 | – | 2026-06-04 | |
| 49 | 27.0% | 54.6 | $0.117 | 2026-06-04 | |
| 50 | 25.8% | 51.1 | $1.11 | 2026-06-04 | |
| 51 | 24.7% | 55.3 | $0.056 | 2026-06-04 | |
| 52 | 24.7% | 54.2 | $0.423 | 2026-06-04 | |
| 53 | 24.7% | 51.8 | $0.110 | 2026-06-04 | |
| 54 | 24.7% | 48.4 | $0.065 | 2026-06-04 | |
| 55 | 22.5% | 49.0 | $0.502 | 2026-06-04 | |
| 56 | 21.4% | 52.8 | $0.144 | 2026-06-04 | |
| 57 | 19.1% | 46.1 | $0.132 | 2026-06-04 | |
| 58 | 18.0% | 47.0 | $0.326 | 2026-06-04 | |
| 59 | 18.0% | 43.1 | $0.033 | 2026-06-04 | |
| 60 | 16.9% | – | $0.106 | 2026-06-04 |
エージェント・ツール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 2.0 (Vals)での注目のモデル比較
引用表記:BenchLeader「Terminal-Bench 2.0 (Vals)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/vals_terminal_bench_2
Terminal-Bench 2.0 (Vals):よくある質問
- Terminal-Bench 2.0 (Vals)は何を測るベンチマークですか?
- Terminal-Bench 2.0で、シェル上のエージェントタスクをテストで確認します。Vals AIが実行しています。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 2.0 (Vals)の最高スコアは?
- 2026年11月16日時点で、Terminal-Bench 2.0 (Vals)の最高スコアは73.2%で、GPT-5.5が記録しています(結果の日付は2026年6月4日)。次点はClaude Opus 4.8の70.0%です。スコアはVals AIの公表値で、毎日読み直しています。
- Terminal-Bench 2.0 (Vals)でトップのAIモデルは?
- 2026年11月16日時点で、Terminal-Bench 2.0 (Vals)の首位はGPT-5.5で、スコアは73.2%です(結果の日付は2026年6月4日)。続いてClaude Opus 4.8(70.0%)です。
- Terminal-Bench 2.0 (Vals)の結果があるモデルはいくつですか?
- BenchLeaderでは65のモデル構成にTerminal-Bench 2.0 (Vals)の結果があり、すべてVals AIから取得しています。
- Terminal-Bench 2.0 (Vals)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 2.0 (Vals)はVals AI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 2.0 (Vals)はBenchLeader Indexに含まれますか?
- いいえ。Terminal-Bench 2.0 (Vals)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。