BenchLeader

Terminal-Bench 2.0 (Vals) 排行榜

截至 2026年11月16日,Terminal-Bench 2.0 (Vals) 的最高分为 73.2%,由 GPT-5.5(OpenAI)取得,领先于 Claude Opus 4.8(70.0%)。共有 65 个模型配置公布了结果(Vals AI,结果日期 2026年6月4日)。Terminal-Bench 2.0:在 shell 中完成的智能体任务,用测试检查,由 Vals AI 运行。Terminal-Bench 2.0 (Vals) 仅作参考展示,不计入 BenchLeader Index。

要点(截至 2026年11月16日)

  • GPT-5.5 以 73.2% 保持 Terminal-Bench 2.0 (Vals) 最高分(Vals AI,2026年6月4日)。
  • Claude Opus 4.8 以 70.0% 位列 Terminal-Bench 2.0 (Vals) 第二(Vals AI,2026年6月4日)。
  • Terminal-Bench 2.0 (Vals):在 Vals AI 固定框架中运行的 Terminal-Bench 2.0。由 Vals AI 运行(Vals AI)。
  • BenchLeader 上有 65 个模型配置公布了 Terminal-Bench 2.0 (Vals) 结果(BenchLeader,2026年11月16日)。
  • Terminal-Bench 2.0 (Vals) 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。

在 Vals AI 固定框架中运行的 Terminal-Bench 2.0。由 Vals AI 运行。

发布方
Vals AI
类别
智能体与工具
Index 权重
仅作参考
模型
65
数据截至
2026年11月16日

Vals AI (vals.ai).

测试内容

Terminal-Bench 2.0:在 shell 中完成的智能体任务,用测试检查,由 Vals AI 运行。

评分方式

通过的任务百分比,由 Vals AI 运行。

注意事项

已被 2.1 取代,保留用于比较。

65 / 65
#
1GPT-5.5high73.2%63.5$0.7612026-06-04
2Claude Opus 4.8max70.0%61.1$0.8842026-06-04
3Claude Opus 4.7high68.5%60.0$0.9762026-06-04
4Gemini 3.5 Flashhigh67.4%62.5$1.192026-06-04
5Gemini 3.1 Prohigh67.4%60.4$0.5162026-06-04
6GPT-5.3-Codexhigh64.0%–$0.3452026-06-04
7Muse Spark59.5%64.2$0.0702026-06-04
8Claude Sonnet 4.6max59.5%56.1$0.5192026-06-04
9Qwen3.7max59.2%60.0$0.7192026-06-04
10Claude Opus 4.5high58.4%59.7$1.182026-06-04
11GPT-5.4high58.4%58.6$0.5122026-06-04
12Claude Opus 4.6max58.4%57.0$1.142026-06-04
13Kimi K2.657.3%55.1$0.1932026-06-04
14DeepSeek V4 Pro56.2%53.0$0.1802026-06-04
15Gemini 3 Prohigh55.1%60.0$0.4562026-06-04
16GLM 5.153.9%55.4$0.1582026-06-04
17Qwen3.6 Maxmax51.7%62.1$0.3202026-06-04
18Gemini 3 Flashhigh51.7%57.4$0.1692026-06-04
19GPT-5.2high51.7%55.8$0.4702026-06-04
20GLM-5thinking49.4%60.2$0.2472026-06-04
21MiniMax M2.747.2%56.6$0.0742026-06-04
22MiniMax M346.1%56.1$0.2162026-06-04
23Qwen3.6 Plus44.9%59.0$0.1462026-06-04
24GPT-5.1high44.9%57.5$0.4082026-06-04
25GPT-5.4 Minihigh44.9%52.0$0.3052026-06-04
26Qwen3.6 27B44.9%47.9$0.2982026-06-04
27Grok 4.343.5%54.5$0.3732026-06-04
28Qwen3.5 Plusthinking41.6%57.4$0.3222026-06-04
29MiniMax M2.541.6%53.7$0.0852026-06-04
30Claude Sonnet 4.5thinking41.6%52.3$0.7512026-06-04
31Kimi K2.5thinking40.5%59.4$0.1402026-06-04
32Grok 4.20thinking40.5%58.3$0.1542026-06-04
33GPT-5.4 Nanohigh39.9%48.3$0.0752026-06-04
34Gemma 4 31Bhigh39.3%––2026-06-04
35GLM 4.738.2%51.7$0.1842026-06-04
36Claude Haiku 4.5thinking38.2%45.7$0.3282026-06-04
37GPT-5high37.1%58.2$0.4772026-06-04
38MiniMax-M2.137.1%53.8$0.0702026-06-04
39Kimi K2 Thinkingthinking37.1%52.3$0.1162026-06-04
40DeepSeek V3.2high36.0%54.2$0.1662026-06-04
41DeepSeek V3.2无推理34.8%52.1$0.0632026-06-04
42Laguna M.131.5%37.3–2026-06-04
43Gemini 2.5 Pro30.3%55.2$0.4722026-06-04
44Mistral Medium 3.5high30.3%–$4.712026-06-04
45Grok 4 Fastthinking29.2%51.6$0.0342026-06-04
46Grok 428.1%58.1$0.5532026-06-04
47GLM-4.628.1%50.2$0.1442026-06-04
48Laguna XS.228.1%36.3–2026-06-04
49GPT-5 minihigh27.0%54.6$0.1172026-06-04
50Kimi K225.8%51.1$1.112026-06-04
51Grok 4.1 Fastthinking24.7%55.3$0.0562026-06-04
52Qwen3 Maxmax24.7%54.2$0.4232026-06-04
53Qwen3.5 Flash24.7%51.8$0.1102026-06-04
54Gemini 3.1 Flash Litehigh24.7%48.4$0.0652026-06-04
55DeepSeek V3.122.5%49.0$0.5022026-06-04
56Gemini 2.5 Flash 09 2025thinking21.4%52.8$0.1442026-06-04
57gpt-oss-120b19.1%46.1$0.1322026-06-04
58Trinity Largethinking18.0%47.0$0.3262026-06-04
59Grok 4.1 Fast无推理18.0%43.1$0.0332026-06-04
60Mistral Small 4high16.9%–$0.1062026-06-04

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 2.0 (Vals) 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_terminal_bench_2。

Terminal-Bench 2.0 (Vals):常见问题

Terminal-Bench 2.0 (Vals) 衡量的是什么?
Terminal-Bench 2.0:在 shell 中完成的智能体任务,用测试检查,由 Vals AI 运行。分数以完成任务的百分比表示,越高越好。
Terminal-Bench 2.0 (Vals) 的最高分是多少?
截至 2026年11月16日,Terminal-Bench 2.0 (Vals) 的最高分为 73.2%,由 GPT-5.5 取得(结果日期 2026年6月4日),领先于 Claude Opus 4.8(70.0%)。分数来自 Vals AI,每天重新读取。
哪个 AI 模型在 Terminal-Bench 2.0 (Vals) 上领先?
截至 2026年11月16日,Terminal-Bench 2.0 (Vals) 排名第一的是 GPT-5.5,分数为 73.2%(结果日期 2026年6月4日)。其后为 Claude Opus 4.8(70.0%)。
有多少模型有 Terminal-Bench 2.0 (Vals) 结果?
BenchLeader 上有 65 个模型配置有 Terminal-Bench 2.0 (Vals) 结果,全部取自 Vals AI。
Terminal-Bench 2.0 (Vals) 由谁运行,多久更新一次?
Terminal-Bench 2.0 (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 2.0 (Vals) 是否计入 BenchLeader Index?
不计入。Terminal-Bench 2.0 (Vals) 仅作参考展示,不计入综合分数。