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。
- 1Claude Opus 5.5 (high)87.6%
- 2GPT-6 Astra (max)87.3%
- 3GPT-5.6 Sol (max)85.8%
- 4Claude Fable 5.1 (high)85.0%
- 5Claude Opus 5 (high)84.6%
- 6GPT-6 Sol (max)83.2%
- 7Claude Sonnet 5.5 (high)83.2%
- 8Gemini 3.8 Flash (high)81.3%
- 9Kimi K380.9%
- 10Claude Fable 5 (max)80.5%
- 11Muse Spark 1.3 (max)79.0%
- 12GPT-5.6 Luna (max)79.0%
- 13Grok 4.6 (high)78.3%
- 14Gemini 3.7 Flash (high)77.5%
- 15GPT-5.6 Terra (max)77.5%
75 / 75
| # | |||||
|---|---|---|---|---|---|
| 1 | 87.6% | 66.0 | $0.496 | 2026-10-01 | |
| 2 | 87.3% | 67.3 | $1.34 | 2026-10-01 | |
| 3 | 85.8% | 65.3 | $1.02 | 2026-10-01 | |
| 4 | 85.0% | 63.7 | $3.07 | 2026-10-01 | |
| 5 | 84.6% | 64.4 | $0.887 | 2026-10-01 | |
| 6 | 83.2% | 62.6 | $0.373 | 2026-10-01 | |
| 7 | 83.2% | 59.5 | $0.625 | 2026-10-01 | |
| 8 | 81.3% | 59.4 | $1.54 | 2026-10-01 | |
| 9 | 80.9% | 60.7 | $0.341 | 2026-10-01 | |
| 10 | 80.5% | 65.1 | $1.43 | 2026-10-01 | |
| 11 | 79.0% | 60.6 | $0.597 | 2026-10-01 | |
| 12 | 79.0% | 56.2 | $0.054 | 2026-10-01 | |
| 13 | 78.3% | 60.6 | $0.454 | 2026-10-01 | |
| 14 | 77.5% | 62.1 | $1.02 | 2026-10-01 | |
| 15 | 77.5% | 59.5 | $0.473 | 2026-10-01 | |
| 16 | 76.4% | 63.5 | $0.742 | 2026-10-01 | |
| 17 | 76.4% | 54.8 | $0.023 | 2026-10-01 | |
| 18 | 74.5% | 56.1 | $0.535 | 2026-10-01 | |
| 19 | 74.5% | 55.6 | $0.099 | 2026-10-01 | |
| 20 | 74.2% | 62.5 | $0.868 | 2026-10-01 | |
| 21 | 73.8% | 61.0 | $1.17 | 2026-10-01 | |
| 22 | 73.4% | 57.4 | $1.08 | 2026-10-01 | |
| 23 | 73.0% | 55.1 | $0.029 | 2026-10-01 | |
| 24 | 72.3% | 58.1 | $0.663 | 2026-10-01 | |
| 25 | 71.9% | 61.1 | $2.41 | 2026-10-01 | |
| 26 | 71.5% | 58.8 | $0.307 | 2026-10-01 | |
| 27 | 70.8% | 60.4 | $0.583 | 2026-10-01 | |
| 28 | 69.7% | 61.5 | $0.499 | 2026-10-01 | |
| 29 | 69.7% | 58.7 | $0.968 | 2026-10-01 | |
| 30 | 69.3% | 59.5 | $0.417 | 2026-10-01 | |
| 31 | 68.5% | 60.0 | $1.98 | 2026-10-01 | |
| 32 | 67.8% | 58.9 | $0.425 | 2026-10-01 | |
| 33 | 67.8% | 57.5 | $0.073 | 2026-10-01 | |
| 34 | 67.8% | 56.8 | $0.284 | 2026-10-01 | |
| 35 | 67.4% | 58.7 | $0.448 | 2026-10-01 | |
| 36 | 67.0% | 53.9 | $0.257 | 2026-10-01 | |
| 37 | 67.0% | 53.8 | $0.021 | 2026-10-01 | |
| 38 | 62.9% | 52.4 | $0.028 | 2026-10-01 | |
| 39 | 61.0% | 60.0 | $0.332 | 2026-10-01 | |
| 40 | 60.7% | 56.3 | $0.022 | 2026-10-01 | |
| 41 | 58.4% | 52.2 | $0.678 | 2026-10-01 | |
| 42 | 58.4% | – | – | 2026-10-01 | |
| 43 | 57.7% | 65.3 | – | 2026-10-01 | |
| 44 | 57.3% | 61.0 | $0.645 | 2026-10-01 | |
| 45 | 57.3% | 56.1 | $0.572 | 2026-10-01 | |
| 46 | 57.3% | 55.5 | $0.044 | 2026-10-01 | |
| 47 | 56.9% | 55.4 | $0.232 | 2026-10-01 | |
| 48 | 55.1% | 56.7 | $0.140 | 2026-10-01 | |
| 49 | 55.1% | 52.0 | $0.128 | 2026-10-01 | |
| 50 | 54.7% | 54.7 | $0.200 | 2026-10-01 | |
| 51 | 54.7% | 52.0 | $0.287 | 2026-10-01 | |
| 52 | 53.9% | 57.4 | $0.154 | 2026-10-01 | |
| 53 | 53.6% | 56.1 | $0.206 | 2026-10-01 | |
| 54 | 53.6% | 55.1 | $0.138 | 2026-10-01 | |
| 55 | 53.2% | 59.0 | $0.202 | 2026-10-01 | |
| 56 | 52.8% | 57.6 | $0.096 | 2026-10-01 | |
| 57 | 50.9% | 55.4 | – | 2026-10-01 | |
| 58 | 50.2% | 53.0 | $0.239 | 2026-10-01 | |
| 59 | 50.2% | 51.7 | $0.067 | 2026-10-01 | |
| 60 | 50.2% | 47.8 | $0.337 | 2026-10-01 |
相关基准测试
Terminal-Bench 2.1 (Vals) 上的热门模型对比
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。