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。
- 1GPT-5.5 (high)73.2%
- 2Claude Opus 4.8 (max)70.0%
- 3Claude Opus 4.7 (high)68.5%
- 4Gemini 3.5 Flash (high)67.4%
- 5Gemini 3.1 Pro (high)67.4%
- 6GPT-5.3-Codex (high)64.0%
- 7Muse Spark59.5%
- 8Claude Sonnet 4.6 (max)59.5%
- 9Qwen3.7 (max)59.2%
- 10Claude Opus 4.5 (high)58.4%
- 11GPT-5.4 (high)58.4%
- 12Claude Opus 4.6 (max)58.4%
- 13Kimi K2.657.3%
- 14DeepSeek V4 Pro56.2%
- 15Gemini 3 Pro (high)55.1%
65 / 65
| # | |||||
|---|---|---|---|---|---|
| 1 | 73.2% | 63.5 | $0.761 | 2026-06-04 | |
| 2 | 70.0% | 61.1 | $0.884 | 2026-06-04 | |
| 3 | 68.5% | 60.0 | $0.976 | 2026-06-04 | |
| 4 | 67.4% | 62.5 | $1.19 | 2026-06-04 | |
| 5 | 67.4% | 60.4 | $0.516 | 2026-06-04 | |
| 6 | 64.0% | – | $0.345 | 2026-06-04 | |
| 7 | 59.5% | 64.2 | $0.070 | 2026-06-04 | |
| 8 | 59.5% | 56.1 | $0.519 | 2026-06-04 | |
| 9 | 59.2% | 60.0 | $0.719 | 2026-06-04 | |
| 10 | 58.4% | 59.7 | $1.18 | 2026-06-04 | |
| 11 | 58.4% | 58.6 | $0.512 | 2026-06-04 | |
| 12 | 58.4% | 57.0 | $1.14 | 2026-06-04 | |
| 13 | 57.3% | 55.1 | $0.193 | 2026-06-04 | |
| 14 | 56.2% | 53.0 | $0.180 | 2026-06-04 | |
| 15 | 55.1% | 60.0 | $0.456 | 2026-06-04 | |
| 16 | 53.9% | 55.4 | $0.158 | 2026-06-04 | |
| 17 | 51.7% | 62.1 | $0.320 | 2026-06-04 | |
| 18 | 51.7% | 57.4 | $0.169 | 2026-06-04 | |
| 19 | 51.7% | 55.8 | $0.470 | 2026-06-04 | |
| 20 | 49.4% | 60.2 | $0.247 | 2026-06-04 | |
| 21 | 47.2% | 56.6 | $0.074 | 2026-06-04 | |
| 22 | 46.1% | 56.1 | $0.216 | 2026-06-04 | |
| 23 | 44.9% | 59.0 | $0.146 | 2026-06-04 | |
| 24 | 44.9% | 57.5 | $0.408 | 2026-06-04 | |
| 25 | 44.9% | 52.0 | $0.305 | 2026-06-04 | |
| 26 | 44.9% | 47.9 | $0.298 | 2026-06-04 | |
| 27 | 43.5% | 54.5 | $0.373 | 2026-06-04 | |
| 28 | 41.6% | 57.4 | $0.322 | 2026-06-04 | |
| 29 | 41.6% | 53.7 | $0.085 | 2026-06-04 | |
| 30 | 41.6% | 52.3 | $0.751 | 2026-06-04 | |
| 31 | 40.5% | 59.4 | $0.140 | 2026-06-04 | |
| 32 | 40.5% | 58.3 | $0.154 | 2026-06-04 | |
| 33 | 39.9% | 48.3 | $0.075 | 2026-06-04 | |
| 34 | 39.3% | – | – | 2026-06-04 | |
| 35 | 38.2% | 51.7 | $0.184 | 2026-06-04 | |
| 36 | 38.2% | 45.7 | $0.328 | 2026-06-04 | |
| 37 | 37.1% | 58.2 | $0.477 | 2026-06-04 | |
| 38 | 37.1% | 53.8 | $0.070 | 2026-06-04 | |
| 39 | 37.1% | 52.3 | $0.116 | 2026-06-04 | |
| 40 | 36.0% | 54.2 | $0.166 | 2026-06-04 | |
| 41 | 34.8% | 52.1 | $0.063 | 2026-06-04 | |
| 42 | 31.5% | 37.3 | – | 2026-06-04 | |
| 43 | 30.3% | 55.2 | $0.472 | 2026-06-04 | |
| 44 | 30.3% | – | $4.71 | 2026-06-04 | |
| 45 | 29.2% | 51.6 | $0.034 | 2026-06-04 | |
| 46 | 28.1% | 58.1 | $0.553 | 2026-06-04 | |
| 47 | 28.1% | 50.2 | $0.144 | 2026-06-04 | |
| 48 | 28.1% | 36.3 | – | 2026-06-04 | |
| 49 | 27.0% | 54.6 | $0.117 | 2026-06-04 | |
| 50 | 25.8% | 51.1 | $1.11 | 2026-06-04 | |
| 51 | 24.7% | 55.3 | $0.056 | 2026-06-04 | |
| 52 | 24.7% | 54.2 | $0.423 | 2026-06-04 | |
| 53 | 24.7% | 51.8 | $0.110 | 2026-06-04 | |
| 54 | 24.7% | 48.4 | $0.065 | 2026-06-04 | |
| 55 | 22.5% | 49.0 | $0.502 | 2026-06-04 | |
| 56 | 21.4% | 52.8 | $0.144 | 2026-06-04 | |
| 57 | 19.1% | 46.1 | $0.132 | 2026-06-04 | |
| 58 | 18.0% | 47.0 | $0.326 | 2026-06-04 | |
| 59 | 18.0% | 43.1 | $0.033 | 2026-06-04 | |
| 60 | 16.9% | – | $0.106 | 2026-06-04 |
相关基准测试
Terminal-Bench 2.0 (Vals) 上的热门模型对比
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。