AI 评测与排行榜,分别告诉你什么
分清评测基准、一次评测运行与排行榜,用它们回答各自适合的问题。
LLM Stats
Terminal-Bench 2.1 is an updated release of the Terminal-Bench benchmark that tests AI agents' ability to operate a computer via the terminal. It evaluates how well models handle real-world, end-to-end tasks autonomously, including compiling code, training models, setting up servers, system administration, data science workflows, and security tasks.
本站保留来源报告的结果,不代表独立复测。请先核对任务版本、评测协议、分数单位和报告日期;不同运行条件不能直接合并为统一排名。
按来源中的观察顺序展示,顺序不代表排名。日期保留原始精度。
| 模型 | 数值 | 单位 | 协议 | 报告日期与口径 | 来源 |
|---|---|---|---|---|---|
| GPT-5.6 Sol | 0.888 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| Kimi K3 | 0.883 | 未收录 | 未收录 | 2026-07-16 · model_announcement | LLM Stats |
| GLM-5.3 | 0.882 | 未收录 | 未收录 | 2026-08-14 · model_announcement | LLM Stats |
| DeepSeek-V4-Pro-0813 | 0.879 | 未收录 | 未收录 | 2026-08-13 · model_announcement | LLM Stats |
| GPT-5.6 Terra | 0.874 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| Qwen3.8 Max | 0.866 | 未收录 | 未收录 | 2026-08-02 · model_announcement | LLM Stats |
| Gemini 3.7 Flash | 0.858 | 未收录 | 未收录 | 2026-08-13 · model_announcement | LLM Stats |
| GPT-5.6 Luna | 0.847 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| Claude Fable 5 | 0.843 | 未收录 | 未收录 | 2026-06-09 · model_announcement | LLM Stats |
| Grok 4.5 | 0.833 | 未收录 | 未收录 | 2026-07-16 · model_announcement | LLM Stats |
| Muse Spark 1.2 | 0.829 | 未收录 | 未收录 | 2026-08-05 · model_announcement | LLM Stats |
| DeepSeek-V4-Flash-0731 | 0.827 | 未收录 | 未收录 | 2026-07-31 · model_announcement | LLM Stats |
| GLM-5.2 | 0.827 | 未收录 | 未收录 | 2026-06-16 · model_announcement | LLM Stats |
| Muse Spark 1.1 | 0.8 | 未收录 | 未收录 | 2026-07-09 · model_announcement | LLM Stats |
| Gemini 3.6 Flash | 0.78 | 未收录 | 未收录 | 2026-07-21 · model_announcement | LLM Stats |
| Qwen3.8-27B | 0.73 | 未收录 | 未收录 | 2026-08-14 · model_announcement | LLM Stats |
| Hy3 | 0.717 | 未收录 | 未收录 | 2026-07-06 · model_announcement | LLM Stats |
| Seed 2.1 Pro | 0.71 | 未收录 | 未收录 | 2026-06-24 · model_announcement | LLM Stats |
| Laguna S 2.1 | 0.702 | 未收录 | 未收录 | 2026-07-21 · model_announcement | LLM Stats |
| Seed 2.1 Turbo | 0.676 | 未收录 | 未收录 | 2026-06-24 · model_announcement | LLM Stats |
| MiniMax M3 | 0.66 | 未收录 | 未收录 | 2026-06-01 · model_announcement | LLM Stats |
| Inkling-Small | 0.647 | 未收录 | 未收录 | 2026-07-30 · model_announcement | LLM Stats |
| MAI-Code-1.1-Flash | 0.629 | 未收录 | 未收录 | 2026-08-11 · model_announcement | LLM Stats |
| Solar Pro 4 | 0.57 | 未收录 | 未收录 | 2026-08-06 · model_announcement | LLM Stats |
| Nemotron 3 Ultra (550B A55B) | 0.564 | 未收录 | 未收录 | 2026-06-04 · model_announcement | LLM Stats |
| Gemini 3.5 Flash-Lite | 0.54 | 未收录 | 未收录 | 2026-07-21 · model_announcement | LLM Stats |
| Muse Glimmer-30B | 0.517 | 未收录 | 未收录 | 2026-08-10 · model_announcement | LLM Stats |
| Nemotron 3.5 Lightning (30B A3B) | 0.2458 | 未收录 | 未收录 | 2026-08-11 · model_announcement | LLM Stats |