Terminal-Bench Science 排行榜
截至 2026年11月16日,Terminal-Bench Science 的最高分为 62.9%,由 GPT-6 Astra(OpenAI)取得,领先于 Claude Fable 5.2(55.7%)。共有 45 个模型配置公布了结果(Vals AI,结果日期 2026年11月9日)。由科学家编写的多步骤研究工作流,从数据处理到分析,由智能体在 shell 中完成。Terminal-Bench Science 仅作参考展示,不计入 BenchLeader Index。
要点(截至 2026年11月16日)
- GPT-6 Astra 以 62.9% 保持 Terminal-Bench Science 最高分(Vals AI,2026年11月9日)。
- Claude Fable 5.2 以 55.7% 位列 Terminal-Bench Science 第二(Vals AI,2026年11月9日)。
- Terminal-Bench Science:由专家编写、在终端中完成的科学研究工作流。由 Vals AI 运行(Vals AI)。
- BenchLeader 上有 45 个模型配置公布了 Terminal-Bench Science 结果(BenchLeader,2026年11月16日)。
- Terminal-Bench Science 不计入 BenchLeader Index,仅作参考展示(BenchLeader 方法论)。
由专家编写、在终端中完成的科学研究工作流。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
- 45
- 数据截至
- 2026年11月16日
Vals AI (vals.ai).
测试内容
由科学家编写的多步骤研究工作流,从数据处理到分析,由智能体在 shell 中完成。
评分方式
完成的工作流百分比,由 Vals AI 运行。
注意事项
领域知识和工具都很重要;测量过的模型很少。
- 1GPT-6 Astra (max)62.9%
- 2Claude Fable 5.2 (high)55.7%
- 3GPT-6.1 Sol (max)52.9%
- 4Claude Opus 5.5 (max)47.1%
- 5Claude Sonnet 5.5 (max)47.1%
- 6Gemini 4 Argon (high)44.3%
- 7Claude Fable 5.1 (max)40.0%
- 8Muse Wonder Full (max)37.1%
- 9Kimi K3.1 Pro (max)31.4%
- 10GPT-6 Sol (max)30.0%
- 11Claude Opus 5 (max)27.1%
- 12Muse Wonder (max)22.9%
- 13GPT-5.6 Sol (max)20.0%
- 14Claude Fable 5 (max)15.7%
- 15Qwen3.8 Max (max)12.9%
45 / 45
| # | |||||
|---|---|---|---|---|---|
| 1 | 62.9% | 67.3 | $20.80 | 2026-11-09 | |
| 2 | 新 | 55.7% | 68.4 | $23.14 | 2026-11-09 |
| 3 | 52.9% | 66.6 | $3.44 | 2026-11-09 | |
| 4 | 47.1% | 68.4 | $19.12 | 2026-11-09 | |
| 5 | 47.1% | 64.2 | $19.57 | 2026-11-09 | |
| 6 | 44.3% | 65.3 | $44.90 | 2026-11-09 | |
| 7 | 40.0% | 66.7 | $38.01 | 2026-11-09 | |
| 8 | 37.1% | 61.7 | $22.81 | 2026-11-09 | |
| 9 | 31.4% | 59.9 | $8.58 | 2026-11-09 | |
| 10 | 30.0% | 62.6 | $5.82 | 2026-11-09 | |
| 11 | 27.1% | 65.0 | $32.54 | 2026-11-09 | |
| 12 | 22.9% | 60.8 | $19.61 | 2026-11-09 | |
| 13 | 20.0% | 65.3 | $7.32 | 2026-11-09 | |
| 14 | 15.7% | 65.1 | $51.99 | 2026-11-09 | |
| 15 | 12.9% | 58.7 | $16.68 | 2026-11-09 | |
| 16 | 11.4% | 60.6 | $4.82 | 2026-11-09 | |
| 17 | 10.0% | 60.6 | $6.09 | 2026-11-09 | |
| 18 | 10.0% | 59.5 | $5.19 | 2026-11-09 | |
| 19 | 10.0% | 57.4 | $17.04 | 2026-11-09 | |
| 20 | 10.0% | 55.3 | $4.52 | 2026-11-09 | |
| 21 | 8.6% | 59.4 | $5.64 | 2026-11-09 | |
| 22 | 7.1% | 62.1 | $7.19 | 2026-11-09 | |
| 23 | 5.7% | 62.5 | $3.80 | 2026-11-09 | |
| 24 | 5.7% | 58.8 | $15.63 | 2026-11-09 | |
| 25 | 5.7% | 56.1 | $30.30 | 2026-11-09 | |
| 26 | Ember-1 | 5.7% | – | $30.76 | 2026-11-09 |
| 27 | 4.3% | 61.1 | $23.14 | 2026-11-09 | |
| 28 | 4.3% | 61.0 | $4.39 | 2026-11-09 | |
| 29 | 4.3% | 58.1 | $4.41 | 2026-11-09 | |
| 30 | 4.3% | 57.2 | $1.10 | 2026-11-09 | |
| 31 | 4.3% | 55.1 | $0.241 | 2026-11-09 | |
| 32 | 4.3% | 54.8 | $0.244 | 2026-11-09 | |
| 33 | 4.3% | 54.7 | $4.63 | 2026-11-09 | |
| 34 | 2.9% | 57.9 | $5.55 | 2026-11-09 | |
| 35 | 2.9% | 57.5 | $0.621 | 2026-11-09 | |
| 36 | 2.9% | 56.0 | $4.25 | 2026-11-09 | |
| 37 | 2.9% | 52.4 | $0.524 | 2026-11-09 | |
| 38 | 1.4% | 60.4 | $5.91 | 2026-11-09 | |
| 39 | 1.4% | 60.2 | $21.30 | 2026-11-09 | |
| 40 | 1.4% | 56.7 | $2.14 | 2026-11-09 | |
| 41 | 1.4% | 45.9 | – | 2026-11-09 | |
| 42 | 0.0% | 58.5 | $0.473 | 2026-11-09 | |
| 43 | 0.0% | 56.2 | $0.581 | 2026-11-09 | |
| 44 | 0.0% | 52.2 | $11.14 | 2026-11-09 | |
| 45 | 0.0% | – | $0.178 | 2026-11-09 |
相关基准测试
Terminal-Bench Science 上的热门模型对比
引用格式:BenchLeader,《Terminal-Bench Science 排行榜》,数据截至 2026年11月16日,https://www.benchleader.com/zh/benchmarks/vals_terminal_bench_science。
Terminal-Bench Science:常见问题
- Terminal-Bench Science 衡量的是什么?
- 由科学家编写的多步骤研究工作流,从数据处理到分析,由智能体在 shell 中完成。分数以完成任务的百分比表示,越高越好。
- Terminal-Bench Science 的最高分是多少?
- 截至 2026年11月16日,Terminal-Bench Science 的最高分为 62.9%,由 GPT-6 Astra 取得(结果日期 2026年11月9日),领先于 Claude Fable 5.2(55.7%)。分数来自 Vals AI,每天重新读取。
- 哪个 AI 模型在 Terminal-Bench Science 上领先?
- 截至 2026年11月16日,Terminal-Bench Science 排名第一的是 GPT-6 Astra,分数为 62.9%(结果日期 2026年11月9日)。其后为 Claude Fable 5.2(55.7%)。
- 有多少模型有 Terminal-Bench Science 结果?
- BenchLeader 上有 45 个模型配置有 Terminal-Bench Science 结果,全部取自 Vals AI。
- Terminal-Bench Science 由谁运行,多久更新一次?
- Terminal-Bench Science 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 Science 是否计入 BenchLeader Index?
- 不计入。Terminal-Bench Science 仅作参考展示,不计入综合分数。