Terminal-Bench 4.0 (Vals)のリーダーボード
2026年11月16日時点で、Terminal-Bench 4.0 (Vals)の最高スコアは65.2%で、Claude Opus 5.5とClaude Fable 5.2が並んでいます。次点はClaude Sonnet 5.5の64.1%です。公表された結果があるのは62のモデル構成です(Vals AI、結果の日付は2026年11月11日)。現在の最先端のエージェントでも解けないよう作られたTerminal-Bench 4.0のタスクで、Vals AIが実行しています。Terminal-Bench 4.0 (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)
- Claude Opus 5.5とClaude Fable 5.2がTerminal-Bench 4.0 (Vals)の最高スコア65.2%で並んでいます(Vals AI、2026年11月16日)。
- Terminal-Bench 4.0 (Vals):最難関レベルのセットであるTerminal-Bench 4.0を、Vals AIのハーネスで実行。Vals AIが実施(Vals AI)。
- BenchLeaderでは62のモデル構成にTerminal-Bench 4.0 (Vals)の公表結果があります(BenchLeader、2026年11月16日)。
- Terminal-Bench 4.0 (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)。
最難関レベルのセットであるTerminal-Bench 4.0を、Vals AIのハーネスで実行。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
- 62
- データ基準日
- 2026年11月16日
Vals AI (vals.ai).
どんなテストか
現在の最先端のエージェントでも解けないよう作られたTerminal-Bench 4.0のタスクで、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
新しく難易度の高いテストで、セットは小さく、スコアも低くなっています。
- 1Claude Opus 5.5 (max)65.2%
- 2Claude Fable 5.2 (high)65.2%
- 3Claude Sonnet 5.5 (max)64.1%
- 4Kimi K3.1 Pro (max)63.6%
- 5Gemini 4 Carbon (high)63.1%
- 6GPT-6 Astra (max)59.6%
- 7Claude Fable 5.1 (max)58.1%
- 8Muse Wonder Full (max)58.1%
- 9Gemini 4 Argon (high)57.6%
- 10GPT-6.1 Sol (max)55.0%
- 11Gemini 4 Hydrogen (xhigh)54.0%
- 12Claude Opus 5 (max)53.5%
- 13GPT-6.1 Terra (max)49.5%
- 14Muse Wonder (max)49.5%
- 15GPT-6 Sol (max)44.4%
62件中62件
| # | |||||
|---|---|---|---|---|---|
| 1 | 65.2% | 68.4 | $12.04 | 2026-11-11 | |
| 2 | NEW | 65.2% | 68.4 | $14.56 | 2026-11-11 |
| 3 | 64.1% | 64.2 | $10.75 | 2026-11-11 | |
| 4 | 63.6% | 59.9 | $4.57 | 2026-11-11 | |
| 5 | 63.1% | 68.9 | $7.45 | 2026-11-11 | |
| 6 | 59.6% | 67.3 | $9.58 | 2026-11-11 | |
| 7 | 58.1% | 66.7 | $17.18 | 2026-11-11 | |
| 8 | 58.1% | 61.7 | $10.53 | 2026-11-11 | |
| 9 | 57.6% | 65.3 | $17.64 | 2026-11-11 | |
| 10 | 55.0% | 66.6 | $1.72 | 2026-11-11 | |
| 11 | NEW | 54.0% | 61.8 | $7.56 | 2026-11-11 |
| 12 | 53.5% | 65.0 | $18.60 | 2026-11-11 | |
| 13 | 49.5% | 64.1 | $2.16 | 2026-11-11 | |
| 14 | 49.5% | 60.8 | $14.66 | 2026-11-11 | |
| 15 | 44.4% | 62.6 | $5.79 | 2026-11-11 | |
| 16 | 41.4% | 65.1 | $30.34 | 2026-11-11 | |
| 17 | 39.4% | 56.7 | $1.28 | 2026-11-11 | |
| 18 | NEW | 39.4% | 52.1 | $0.218 | 2026-11-11 |
| 19 | 38.9% | 58.8 | $9.37 | 2026-11-11 | |
| 20 | 38.9% | – | $12.15 | 2026-11-11 | |
| 21 | 37.9% | 65.3 | $7.98 | 2026-11-11 | |
| 22 | 37.4% | 52.4 | $1.22 | 2026-11-11 | |
| 23 | 36.4% | 55.3 | $3.12 | 2026-11-11 | |
| 24 | 34.3% | 58.7 | $10.63 | 2026-11-11 | |
| 25 | 31.8% | 57.7 | $0.539 | 2026-11-11 | |
| 26 | 31.8% | 56.0 | $3.11 | 2026-11-11 | |
| 27 | 31.3% | 57.5 | $0.457 | 2026-11-11 | |
| 28 | 28.8% | 57.4 | $18.01 | 2026-11-11 | |
| 29 | 27.8% | 48.3 | $5.18 | 2026-11-11 | |
| 30 | 26.3% | – | $2.73 | 2026-11-11 | |
| 31 | 25.3% | – | $0.735 | 2026-11-11 | |
| 32 | 24.8% | 60.6 | $6.65 | 2026-11-11 | |
| 33 | 24.2% | 54.8 | $0.212 | 2026-11-11 | |
| 34 | 23.2% | 61.1 | $17.14 | 2026-11-11 | |
| 35 | 22.7% | 59.5 | $5.60 | 2026-11-11 | |
| 36 | Ember-1 | 20.7% | – | $19.48 | 2026-11-11 |
| 37 | 19.7% | 59.4 | $8.65 | 2026-11-11 | |
| 38 | 19.7% | 55.6 | $0.499 | 2026-11-11 | |
| 39 | 18.7% | 57.2 | $0.766 | 2026-11-11 | |
| 40 | 17.2% | 60.6 | $5.06 | 2026-11-11 | |
| 41 | 17.2% | 60.2 | $12.48 | 2026-11-11 | |
| 42 | 14.1% | 54.7 | $3.31 | 2026-11-11 | |
| 43 | 13.6% | 55.1 | $0.355 | 2026-11-11 | |
| 44 | 12.6% | 57.9 | $8.22 | 2026-11-11 | |
| 45 | 12.1% | 62.1 | $8.71 | 2026-11-11 | |
| 46 | 11.6% | 56.2 | $0.732 | 2026-11-11 | |
| 47 | 10.6% | 58.1 | $7.04 | 2026-11-11 | |
| 48 | 10.6% | 56.1 | $26.05 | 2026-11-11 | |
| 49 | 8.6% | 56.8 | $5.52 | 2026-11-11 | |
| 50 | 6.6% | 53.5 | $7.26 | 2026-11-11 | |
| 51 | 6.1% | 62.5 | $5.98 | 2026-11-11 | |
| 52 | 6.1% | 61.5 | $4.14 | 2026-11-11 | |
| 53 | 4.0% | 45.9 | – | 2026-11-11 | |
| 54 | 3.0% | – | $0.422 | 2026-11-11 | |
| 55 | 2.5% | 60.4 | $4.11 | 2026-11-11 | |
| 56 | 2.5% | 55.1 | $1.44 | 2026-11-11 | |
| 57 | 1.0% | 56.1 | $7.23 | 2026-11-11 | |
| 58 | 0.5% | 55.5 | $0.233 | 2026-11-11 | |
| 59 | 0.5% | 50.4 | $2.50 | 2026-11-11 | |
| 60 | 0.0% | 52.0 | $0.322 | 2026-11-11 |
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 4.0 (Vals)での注目のモデル比較
引用表記:BenchLeader「Terminal-Bench 4.0 (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_4
Terminal-Bench 4.0 (Vals):よくある質問
- Terminal-Bench 4.0 (Vals)は何を測るベンチマークですか?
- 現在の最先端のエージェントでも解けないよう作られたTerminal-Bench 4.0のタスクで、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 4.0 (Vals)の最高スコアは?
- 2026年11月16日時点で、Terminal-Bench 4.0 (Vals)の最高スコアは65.2%で、Claude Opus 5.5とClaude Fable 5.2が並んでいます。次点はClaude Sonnet 5.5の64.1%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 4.0 (Vals)でトップのAIモデルは?
- 2026年11月16日時点で、Claude Opus 5.5とClaude Fable 5.2が65.2%でTerminal-Bench 4.0 (Vals)の首位に並んでいます。
- Terminal-Bench 4.0 (Vals)の結果があるモデルはいくつですか?
- BenchLeaderでは62のモデル構成にTerminal-Bench 4.0 (Vals)の結果があり、すべてVals AIから取得しています。
- Terminal-Bench 4.0 (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 4.0 (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 4.0 (Vals)はBenchLeader Indexに含まれますか?
- いいえ。Terminal-Bench 4.0 (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。