BenchLeader

Terminal-Bench 2.1 (Vals) 排行榜

截至 2026年11月16日,Terminal-Bench 2.1 (Vals) 的最高分为 87.6%,由 Claude Opus 5.5(Anthropic)取得,领先于 GPT-6 Astra(87.3%)。共有 75 个模型配置公布了结果(Vals AI,结果日期 2026年10月1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 2.1 (Vals) 计入 BenchLeader Index 的智能体与工具得分。

要点(截至 2026年11月16日)

  • Claude Opus 5.5 以 87.6% 保持 Terminal-Bench 2.1 (Vals) 最高分(Vals AI,2026年10月1日)。
  • GPT-6 Astra 以 87.3% 位列 Terminal-Bench 2.1 (Vals) 第二(Vals AI,2026年10月1日)。
  • Terminal-Bench 2.1 (Vals):在 Vals AI 固定框架中运行的 Terminal-Bench 2.1(Vals AI)。
  • BenchLeader 上有 75 个模型配置公布了 Terminal-Bench 2.1 (Vals) 结果(BenchLeader,2026年11月16日)。
  • Terminal-Bench 2.1 (Vals) 计入 BenchLeader Index 的智能体与工具类别(BenchLeader 方法论)。

在 Vals AI 固定框架中运行的 Terminal-Bench 2.1。

发布方
Vals AI
类别
智能体与工具
Index 权重
0.5
模型
75
数据截至
2026年11月16日

Vals AI (vals.ai).

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

通过检查的任务百分比。

注意事项

这是 Vals AI 在其固定测试框架中运行的 Terminal-Bench 2.1。固定测试框架的结果在模型之间可以比较,但可能与已公布的最佳运行结果不同。另请参阅 Terminal-Bench 排行榜。

75 / 75
#
1Claude Opus 5.5high87.6%66.0$0.4962026-10-01
2GPT-6 Astramax87.3%67.3$1.342026-10-01
3GPT-5.6 Solmax85.8%65.3$1.022026-10-01
4Claude Fable 5.1high85.0%63.7$3.072026-10-01
5Claude Opus 5high84.6%64.4$0.8872026-10-01
6GPT-6 Solmax83.2%62.6$0.3732026-10-01
7Claude Sonnet 5.5high83.2%59.5$0.6252026-10-01
8Gemini 3.8 Flashhigh81.3%59.4$1.542026-10-01
9Kimi K380.9%60.7$0.3412026-10-01
10Claude Fable 5max80.5%65.1$1.432026-10-01
11Muse Spark 1.3max79.0%60.6$0.5972026-10-01
12GPT-5.6 Lunamax79.0%56.2$0.0542026-10-01
13Grok 4.6high78.3%60.6$0.4542026-10-01
14Gemini 3.7 Flashhigh77.5%62.1$1.022026-10-01
15GPT-5.6 Terramax77.5%59.5$0.4732026-10-01
16GPT-5.5high76.4%63.5$0.7422026-10-01
17MiMo-V2.6-Flash76.4%54.8$0.0232026-10-01
18Claude Sonnet 5max74.5%56.1$0.5352026-10-01
19DeepSeek V4.1 Flashhigh74.5%55.6$0.0992026-10-01
20Gemini 3.5 Flashhigh74.2%62.5$0.8682026-10-01
21Gemini 3.6 Flashhigh73.8%61.0$1.172026-10-01
22Grok 4.7xhigh73.4%57.4$1.082026-10-01
23GPT-6 Lunamax73.0%55.1$0.0292026-10-01
24Muse Spark 1.3xhigh72.3%58.1$0.6632026-10-01
25Claude Opus 4.8max71.9%61.1$2.412026-10-01
26GLM 5.3max71.5%58.8$0.3072026-10-01
27Gemini 3.1 Prohigh70.8%60.4$0.5832026-10-01
28Muse Spark 1.2xhigh69.7%61.5$0.4992026-10-01
29Claude Opus 4.869.7%58.7$0.9682026-10-01
30Muse Spark 1.1xhigh69.3%59.5$0.4172026-10-01
31Claude Opus 4.7high68.5%60.0$1.982026-10-01
32GLM 5.2max67.8%58.9$0.4252026-10-01
33MiMo-V2.6-Pro67.8%57.5$0.0732026-10-01
34Grok 4.5high67.8%56.8$0.2842026-10-01
35Qwen3.8 Maxmax67.4%58.7$0.4482026-10-01
36Kimi K2.7 Code67.0%53.9$0.2572026-10-01
37DeepSeek V4 Flash67.0%53.8$0.0212026-10-01
38GLM 5.3 Flashmax62.9%52.4$0.0282026-10-01
39Qwen3.7max61.0%60.0$0.3322026-10-01
40MiMo-V2.560.7%56.3$0.0222026-10-01
41Qwen3.8 27Bxhigh58.4%52.2$0.6782026-10-01
42Composer 2.558.4%––2026-10-01
43Gemini 4 Argonhigh57.7%65.3–2026-10-01
44GPT-5.557.3%61.0$0.6452026-10-01
45Claude Sonnet 4.6max57.3%56.1$0.5722026-10-01
46MiMo-V2.5-Pro57.3%55.5$0.0442026-10-01
47GLM 5.156.9%55.4$0.2322026-10-01
48Hy455.1%56.7$0.1402026-10-01
49Inkling Small55.1%52.0$0.1282026-10-01
50DeepSeek V4 Promax54.7%54.7$0.2002026-10-01
51GPT-5.4 Minihigh54.7%52.0$0.2872026-10-01
52Gemini 3 Flashhigh53.9%57.4$0.1542026-10-01
53MiniMax M353.6%56.1$0.2062026-10-01
54Kimi K2.653.6%55.1$0.1382026-10-01
55Qwen3.6 Plus53.2%59.0$0.2022026-10-01
56Qwen3.7 Plus52.8%57.6$0.0962026-10-01
57Nemotron 3 Ultra 550B A55B50.9%55.4–2026-10-01
58DeepSeek V4 Pro50.2%53.0$0.2392026-10-01
59Ling 3.0 Flash50.2%51.7$0.0672026-10-01
60Gemini 3.5 Flash Litehigh50.2%47.8$0.3372026-10-01

更多智能体与工具基准测试 · 全部大模型基准测试

引用格式:BenchLeader,《Terminal-Bench 2.1 (Vals) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_terminal_bench。

Terminal-Bench 2.1 (Vals):常见问题

Terminal-Bench 2.1 (Vals) 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 2.1 (Vals) 的最高分是多少?
截至 2026年11月16日,Terminal-Bench 2.1 (Vals) 的最高分为 87.6%,由 Claude Opus 5.5 取得(结果日期 2026年10月1日),领先于 GPT-6 Astra(87.3%)。分数来自 Vals AI,每天重新读取。
哪个 AI 模型在 Terminal-Bench 2.1 (Vals) 上领先?
截至 2026年11月16日,Terminal-Bench 2.1 (Vals) 排名第一的是 Claude Opus 5.5,分数为 87.6%(结果日期 2026年10月1日)。其后为 GPT-6 Astra(87.3%)。
有多少模型有 Terminal-Bench 2.1 (Vals) 结果?
BenchLeader 上有 75 个模型配置有 Terminal-Bench 2.1 (Vals) 结果,全部取自 Vals AI。
Terminal-Bench 2.1 (Vals) 由谁运行,多久更新一次?
Terminal-Bench 2.1 (Vals) 由 Vals AI 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 2.1 (Vals) 是否计入 BenchLeader Index?
计入。Terminal-Bench 2.1 (Vals) 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。