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。
- 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.
- 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 / 257
| # | ||||
|---|---|---|---|---|
| 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 | 新 | 61.6% | 69.7 | 2026-11-09 |
| 6 | 60.6% | 65.8 | 2026-10-28 | |
| 7 | 新 | 59.6% | 72.7 | 2026-11-09 |
| 8 | 59.6% | 68.4 | 2026-09-22 | |
| 9 | 新 | 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 | 新 | 55.0% | 66.3 | 2026-11-09 |
| 20 | 55.0% | 64.6 | 2026-09-01 | |
| 21 | 55.0% | 61.6 | 2026-09-30 | |
| 22 | 新 | 54.5% | 65.3 | 2026-11-09 |
| 23 | 54.0% | 66.3 | 2026-09-03 | |
| 24 | 54.0% | 63.6 | 2026-09-29 | |
| 25 | 新 | 54.0% | 63.4 | 2026-11-12 |
| 26 | 新 | 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 | 新 | 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 | 新 | 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 |
相关基准测试
Terminal-Bench 4.0 (AA) 上的热门模型对比
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。