BenchLeader

Terminal-Bench 4.0 (AA) 排行榜

截至 2026年11月16日,Terminal-Bench 4.0 (AA) 的最高分为 67.2%,由 Kimi K3.1 Pro(Moonshot AI)取得,领先于 Gemini 4 Carbon(65.2%)。共有 257 个模型配置公布了结果(Artificial Analysis,结果日期 2026年10月23日)。在沙盒终端中完成真实的命令行任务(4.0 版)。由 Artificial Analysis 运行;计入 Index 的是 Terminal-Bench 团队自己的结果。Terminal-Bench 4.0 (AA) 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • Kimi K3.1 Pro 以 67.2% 保持 Terminal-Bench 4.0 (AA) 最高分(Artificial Analysis,2026年10月23日)。
  • Gemini 4 Carbon 以 65.2% 位列 Terminal-Bench 4.0 (AA) 第二(Artificial Analysis,2026年10月28日)。
  • Terminal-Bench 4.0 (AA):在沙盒终端中完成真实的命令行任务(4.0 版)。由 Artificial Analysis 运行;计入 Index 的是 Terminal-Bench 团队自己的结果(Artificial Analysis)。
  • BenchLeader 上有 257 个模型配置公布了 Terminal-Bench 4.0 (AA) 结果(BenchLeader,2026年11月16日)。
  • Terminal-Bench 4.0 (AA) 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

在沙盒终端中完成真实的命令行任务(4.0 版)。由 Artificial Analysis 运行;计入 Index 的是 Terminal-Bench 团队自己的结果。

发布方
Artificial Analysis
类别
编程
Index 权重
仅作参考
模型
257
数据截至
2026年11月16日

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

257 / 257
#
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
5新Claude Fable 5.2xhigh61.6%69.72026-11-09
6Gemini 4 Carbonmedium60.6%65.82026-10-28
7新Claude Fable 5.2max59.6%72.72026-11-09
8Claude Opus 5.5max59.6%68.42026-09-22
9新Claude 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
19新Claude 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
22新Claude 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
25新Gemini 4 Hydrogenhigh54.0%63.42026-11-12
26新Gemini 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
45新Muse 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
52新Muse 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

更多编程基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《Terminal-Bench 4.0 (AA) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/aa_terminalbench_40。

Terminal-Bench 4.0 (AA):常见问题

Terminal-Bench 4.0 (AA) 衡量的是什么?
在沙盒终端中完成真实的命令行任务(4.0 版)。由 Artificial Analysis 运行;计入 Index 的是 Terminal-Bench 团队自己的结果。分数以完成任务的百分比表示,越高越好。
Terminal-Bench 4.0 (AA) 的最高分是多少?
截至 2026年11月16日,Terminal-Bench 4.0 (AA) 的最高分为 67.2%,由 Kimi K3.1 Pro 取得(结果日期 2026年10月23日),领先于 Gemini 4 Carbon(65.2%)。分数来自 Artificial Analysis,每天重新读取。
哪个 AI 模型在 Terminal-Bench 4.0 (AA) 上领先?
截至 2026年11月16日,Terminal-Bench 4.0 (AA) 排名第一的是 Kimi K3.1 Pro,分数为 67.2%(结果日期 2026年10月23日)。其后为 Gemini 4 Carbon(65.2%)。
有多少模型有 Terminal-Bench 4.0 (AA) 结果?
BenchLeader 上有 257 个模型配置有 Terminal-Bench 4.0 (AA) 结果,全部取自 Artificial Analysis。
Terminal-Bench 4.0 (AA) 由谁运行,多久更新一次?
Terminal-Bench 4.0 (AA) 由 Artificial Analysis 发布。BenchLeader 每天重新读取一次公布的结果,并记录每个结果的发布日期。
Terminal-Bench 4.0 (AA) 是否计入 BenchLeader Index?
不计入。Terminal-Bench 4.0 (AA) 仅作参考展示,不计入综合分数。