Terminal-Bench 排行榜
截至 2026年11月16日,Terminal-Bench 的最高分为 84.7%,由 GPT-5.5(OpenAI)取得,领先于 GPT-5.4(81.8%)。共有 109 个模型配置公布了结果(Terminal-Bench,结果日期 2026年4月23日)。Terminal-Bench 给智能体一个容器里的 shell 和一项任务,例如从源码构建项目、修复损坏的文件系统或部署一个服务,然后用测试检查最终状态。Terminal-Bench 计入 BenchLeader Index 的智能体与工具得分。
要点(截至 2026年11月16日)
- GPT-5.5 以 84.7% 保持 Terminal-Bench 最高分(Terminal-Bench,2026年4月23日)。
- GPT-5.4 以 81.8% 位列 Terminal-Bench 第二(Terminal-Bench,2026年3月5日)。
- Terminal-Bench:命令行智能体任务;每个模型取各框架中的最佳结果(Terminal-Bench)。
- BenchLeader 上有 109 个模型配置公布了 Terminal-Bench 结果(BenchLeader,2026年11月16日)。
- Terminal-Bench 计入 BenchLeader Index 的智能体与工具类别(BenchLeader 方法论)。
命令行智能体任务;每个模型取各框架中的最佳结果。
- 发布方
- Terminal-Bench数据经由 Epoch AI Benchmarking Hub
- 类别
- 智能体与工具
- Index 权重
- 1.0
- 模型
- 109
- 数据截至
- 2026年11月16日
- 最新结果
- 2026年11月12日
CC BY 4.0 — Epoch AI, ‘AI Benchmarking Hub’, epoch.ai/benchmarks. Mirrored boards credit their original publishers.
测试内容
Terminal-Bench 给智能体一个容器里的 shell 和一项任务,例如从源码构建项目、修复损坏的文件系统或部署一个服务,然后用测试检查最终状态。
评分方式
检查全部通过的任务百分比。Epoch 的排行榜保留每个模型在各种测试框架下已公布的最佳结果。
注意事项
测试框架和工具影响很大,所以“每个模型取最佳”会混入不同的智能体。任务耗时长,一次不稳定的运行就会改变分数;Artificial Analysis 和 Vals AI 运行的更难子集更适合用来排名。
- 1GPT-5.584.7%
- 2GPT-5.481.8%
- 3Claude Opus 4.780.2%
- 4Gemini 3.1 Pro80.2%
- 5Claude Opus 4.679.8%
- 6GPT-5.3-Codex78.4%
- 7Gemini 3 Pro69.4%
- 8GPT-5.2-Codex66.5%
- 9Claude Fable 5.2 (max)65.8%
- 10Claude Opus 5.5 (max)65.8%
- 11GPT-5.264.9%
- 12GPT-5.2 (medium)64.9%
- 13Gemini 4 Carbon (high)64.5%
- 14Gemini 3 Flash64.3%
- 15Claude Sonnet 5.5 (max)63.9%
109 / 109
| # | ||||||
|---|---|---|---|---|---|---|
| 1 | 84.7% | 61.0 | – | – | 2026-04-23 | |
| 2 | 81.8% | 57.9 | – | – | 2026-03-05 | |
| 3 | 80.2% | 63.1 | – | – | 2026-04-16 | |
| 4 | 80.2% | 59.9 | – | – | 2026-02-19 | |
| 5 | 79.8% | 62.1 | – | – | 2026-02-05 | |
| 6 | 78.4% | – | – | – | 2026-02-05 | |
| 7 | 69.4% | 60.0 | – | – | 2025-11-18 | |
| 8 | 66.5% | 57.6 | – | – | 2025-12-18 | |
| 9 | 新 | 65.8% | 72.7 | Claude Code | $16492.76 | 2026-11-09 |
| 10 | 65.8% | 68.4 | Claude Code | $4718.65 | 2026-09-22 | |
| 11 | 64.9% | 56.7 | – | – | 2025-12-11 | |
| 12 | 64.9% | 56.2 | – | – | 2025-12-11 | |
| 13 | 64.5% | 68.9 | Antigravity CLI | $1358.25 | 2026-10-28 | |
| 14 | 64.3% | 56.5 | – | – | 2025-12-17 | |
| 15 | 63.9% | 64.2 | Claude Code | $7333.64 | 2026-09-28 | |
| 16 | 63.1% | 57.1 | – | – | 2025-11-24 | |
| 17 | 61.6% | – | – | – | 2025-11-12 | |
| 18 | 60.9% | 66.6 | Codex | $634.24 | 2026-09-29 | |
| 19 | 60.5% | – | – | – | 2025-11-19 | |
| 20 | 60.3% | 67.3 | Codex | $3267.18 | 2026-09-03 | |
| 21 | 60.0% | 66.3 | Codex | $2269.42 | 2026-09-03 | |
| 22 | 59.7% | 66.0 | Codex | $2350.51 | 2026-09-03 | |
| 23 | 59.7% | 59.9 | Claude Code | $1086.66 | 2026-10-24 | |
| 24 | 57.8% | – | – | – | 2025-11-12 | |
| 25 | 57.6% | 64.6 | Claude Code | $4872.04 | 2026-09-01 | |
| 26 | 57.3% | – | – | – | 2026-02-17 | |
| 27 | 57.3% | 66.7 | Claude Code | $6243.50 | 2026-09-01 | |
| 28 | 新 | 56.4% | 63.4 | Antigravity CLI | $784.24 | 2026-11-12 |
| 29 | 55.5% | 65.3 | Antigravity CLI | $1108.98 | 2026-09-30 | |
| 30 | 55.1% | 64.4 | Codex | $1914.80 | 2026-09-03 | |
| 31 | 54.9% | 63.7 | Claude Code | $3985.38 | 2026-09-01 | |
| 32 | 53.9% | 61.7 | Claude Code | $2832.90 | 2026-09-01 | |
| 33 | 53.4% | 57.6 | – | – | 2026-02-17 | |
| 34 | 53.3% | 64.1 | Codex | $874.44 | 2026-10-26 | |
| 35 | 53.3% | 60.1 | Claude Code | $6086.22 | 2026-07-24 | |
| 36 | 52.4% | 54.9 | – | – | 2026-02-11 | |
| 37 | 52.1% | 65.0 | Claude Code | $5969.11 | 2026-07-24 | |
| 38 | 50.9% | 62.0 | Codex | $1557.30 | 2026-09-03 | |
| 39 | 50.3% | 62.6 | Codex | $1451.32 | 2026-09-22 | |
| 40 | 49.7% | 64.4 | Claude Code | $4662.27 | 2026-07-24 | |
| 41 | 49.6% | 56.6 | – | – | 2025-08-07 | |
| 42 | 49.6% | 59.0 | – | – | 2025-08-07 | |
| 43 | 47.6% | 52.4 | – | – | 2025-11-13 | |
| 44 | 47.6% | 56.1 | – | – | 2025-11-13 | |
| 45 | 47.0% | – | Muse Code | $2452.31 | 2026-10-12 | |
| 46 | 46.5% | 53.8 | – | – | 2025-09-29 | |
| 47 | 45.1% | 57.5 | Claude Code | $3191.59 | 2026-07-24 | |
| 48 | 45.1% | 56.6 | – | – | 2026-03-18 | |
| 49 | 44.9% | 65.1 | Claude Code | $7265.01 | 2026-06-09 | |
| 50 | 44.3% | – | – | – | 2025-09-15 | |
| 51 | 43.3% | 58.8 | Claude Code | $2358.72 | 2026-09-01 | |
| 52 | 43.2% | 54.6 | – | – | 2026-01-27 | |
| 53 | 42.7% | 53.7 | – | – | 2026-02-12 | |
| 54 | 41.2% | 58.8 | Claude Code | $2727.63 | 2026-08-14 | |
| 55 | 40.0% | 55.3 | Claude Code | $952.47 | 2026-10-07 | |
| 56 | 39.5% | 50.2 | – | – | 2025-12-01 | |
| 57 | 38.8% | 57.4 | Grok Build | $3683.29 | 2026-09-21 | |
| 58 | 38.5% | 65.3 | Codex | $2541.70 | 2026-06-26 | |
| 59 | 38.5% | 57.7 | Claude Code | $184.89 | 2026-10-17 | |
| 60 | 38.0% | 51.1 | – | – | 2025-08-05 |
相关基准测试
Terminal-Bench 上的热门模型对比
引用格式:BenchLeader,《Terminal-Bench 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/terminal_bench。
Terminal-Bench:常见问题
- Terminal-Bench 衡量的是什么?
- Terminal-Bench 给智能体一个容器里的 shell 和一项任务,例如从源码构建项目、修复损坏的文件系统或部署一个服务,然后用测试检查最终状态。分数以完成任务的百分比表示,越高越好。
- Terminal-Bench 的最高分是多少?
- 截至 2026年11月16日,Terminal-Bench 的最高分为 84.7%,由 GPT-5.5 取得(结果日期 2026年4月23日),领先于 GPT-5.4(81.8%)。分数来自 Terminal-Bench,每天重新读取。
- 哪个 AI 模型在 Terminal-Bench 上领先?
- 截至 2026年11月16日,Terminal-Bench 排名第一的是 GPT-5.5,分数为 84.7%(结果日期 2026年4月23日)。其后为 GPT-5.4(81.8%)。
- 有多少模型有 Terminal-Bench 结果?
- BenchLeader 上有 109 个模型配置有 Terminal-Bench 结果,全部取自 Terminal-Bench(经由 Epoch AI Benchmarking Hub)。
- Terminal-Bench 由谁运行,多久更新一次?
- Terminal-Bench 由 Terminal-Bench 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 是否计入 BenchLeader Index?
- 计入。Terminal-Bench 计入 BenchLeader Index 的智能体与工具类别,并经过归一化,使参评模型的平均值为 50。