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 2.0 is an updated benchmark for testing AI agents' tool use ability to operate a computer via terminal. It evaluates how well models can handle real-world, end-to-end tasks autonomously, including compiling code, training models, setting up servers, system administration, security tasks, data science workflows, and cybersecurity vulnerabilities.
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-5.5 | 0.827 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| Claude Mythos Preview | 0.82 | 未收录 | 未收录 | 2026-04-07 · model_announcement | LLM Stats |
| Claude Sonnet 5 | 0.804 | 未收录 | 未收录 | 2026-06-30 · model_announcement | LLM Stats |
| GPT-5.3 Codex | 0.773 | 未收录 | 未收录 | 2026-02-05 · model_announcement | LLM Stats |
| Gemini 3.5 Flash | 0.762 | 未收录 | 未收录 | 2026-05-19 · model_announcement | LLM Stats |
| GPT-5.4 | 0.751 | 未收录 | 未收录 | 2026-03-05 · model_announcement | LLM Stats |
| Claude Opus 4.8 | 0.746 | 未收录 | 未收录 | 2026-05-28 · model_announcement | LLM Stats |
| Qwen3.7-Plus | 0.703 | 未收录 | 未收录 | 2026-05-31 · model_announcement | LLM Stats |
| Qwen3.7 Max | 0.697 | 未收录 | 未收录 | 2026-05-19 · model_announcement | LLM Stats |
| Claude Opus 4.7 | 0.694 | 未收录 | 未收录 | 2026-04-16 · model_announcement | LLM Stats |
| GLM-5.1 | 0.69 | 未收录 | 未收录 | 2026-04-07 · model_announcement | LLM Stats |
| Gemini 3.1 Pro | 0.685 | 未收录 | 未收录 | 2026-02-19 · model_announcement | LLM Stats |
| MiMo-V2.5-Pro | 0.684 | 未收录 | 未收录 | 2026-04-27 · model_announcement | LLM Stats |
| DeepSeek-V4-Pro-Max | 0.679 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| Kimi K2.6 | 0.667 | 未收录 | 未收录 | 2026-04-20 · model_announcement | LLM Stats |
| MiMo-V2.5 | 0.658 | 未收录 | 未收录 | 2026-04-22 · model_announcement | LLM Stats |
| Claude Opus 4.6 | 0.654 | 未收录 | 未收录 | 2026-02-05 · model_announcement | LLM Stats |
| GPT-5.2 Codex | 0.64 | 未收录 | 未收录 | 2026-01-14 · model_announcement | LLM Stats |
| Qwen3.6 Plus | 0.616 | 未收录 | 未收录 | 2026-04-02 · model_announcement | LLM Stats |
| GPT-5.4 mini | 0.6 | 未收录 | 未收录 | 2026-03-17 · model_announcement | LLM Stats |
| Qwen3.6-27B | 0.593 | 未收录 | 未收录 | 2026-04-21 · model_announcement | LLM Stats |
| Claude Opus 4.5 | 0.593 | 未收录 | 未收录 | 2025-11-24 · model_announcement | LLM Stats |
| Claude Sonnet 4.6 | 0.591 | 未收录 | 未收录 | 2026-02-17 · model_announcement | LLM Stats |
| Muse Spark | 0.59 | 未收录 | 未收录 | 2026-04-08 · model_announcement | LLM Stats |
| MiMo-V2-Pro | 0.571 | 未收录 | 未收录 | 2026-03-18 · model_announcement | LLM Stats |
| MiniMax M2.7 | 0.57 | 未收录 | 未收录 | 2026-03-18 · model_announcement | LLM Stats |
| DeepSeek-V4-Flash-Max | 0.569 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| DeepSeek-V4-Flash-0423 | 0.566 | 未收录 | 未收录 | 2026-04-23 · model_announcement | LLM Stats |
| GLM-5 | 0.562 | 未收录 | 未收录 | 2026-02-11 · model_announcement | LLM Stats |
| MAI-Code-1-Flash | 0.548 | 未收录 | 未收录 | 2026-06-02 · model_announcement | LLM Stats |
| Gemini 3 Pro | 0.542 | 未收录 | 未收录 | 2025-11-18 · model_announcement | LLM Stats |
| GPT-5.1 Codex | 0.528 | 未收录 | 未收录 | 2025-11-19 · model_announcement | LLM Stats |
| Qwen3.5-397B-A17B | 0.525 | 未收录 | 未收录 | 2026-02-16 · model_announcement | LLM Stats |
| Qwen3.6-35B-A3B | 0.515 | 未收录 | 未收录 | 2026-04-16 · model_announcement | LLM Stats |
| Step-3.5-Flash | 0.51 | 未收录 | 未收录 | 2026-02-02 · model_announcement | LLM Stats |
| Kimi K2.5 | 0.508 | 未收录 | 未收录 | 2026-01-27 · model_announcement | LLM Stats |
| Qwen3.5-122B-A10B | 0.494 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| Gemini 3 Flash | 0.476 | 未收录 | 未收录 | 2025-12-17 · model_announcement | LLM Stats |
| DeepSeek-V3.2 | 0.464 | 未收录 | 未收录 | 2025-12-01 · model_announcement | LLM Stats |
| DeepSeek-V3.2 (Thinking) | 0.464 | 未收录 | 未收录 | 2025-12-01 · model_announcement | LLM Stats |
| DeepSeek-V3.2-Speciale | 0.464 | 未收录 | 未收录 | 2025-12-01 · model_announcement | LLM Stats |
| GPT-5.4 nano | 0.463 | 未收录 | 未收录 | 2026-03-17 · model_announcement | LLM Stats |
| MAI-Thinking-1 | 0.46 | 未收录 | 未收录 | 2026-06-02 · model_announcement | LLM Stats |
| Qwen3.5-27B | 0.416 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| GLM-4.7 | 0.41 | 未收录 | 未收录 | 2025-12-22 · model_announcement | LLM Stats |
| Qwen3.5-35B-A3B | 0.405 | 未收录 | 未收录 | 2026-02-24 · model_announcement | LLM Stats |
| MiMo-V2-Flash | 0.385 | 未收录 | 未收录 | 2025-12-16 · model_announcement | LLM Stats |
| Laguna XS 2.1 | 0.375 | 未收录 | 未收录 | 2026-07-02 · model_announcement | LLM Stats |
| Qwen3-Coder 480B A35B Instruct | 0.375 | 未收录 | 未收录 | 2025-01-31 · model_announcement | LLM Stats |
| North Mini Code 1.0 | 0.36 | 未收录 | 未收录 | 2026-06-09 · model_announcement | LLM Stats |
| Nemotron 3 Super (120B A12B) | 0.31 | 未收录 | 未收录 | 2026-03-11 · model_announcement | LLM Stats |