查看 Terminal-Bench 3.0 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。
数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。 了解数据收集方法
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
— |  Claude Opus 5 思考水平·Max工具 | 43.30 | 2026-07-24 | 未知 | 闭源 |
— |  GPT-5.6 Sol 思考水平·Max工具 | 34.40 | 2026-06-26 | 未知 | 闭源 |
— | Claude Fable 5 思考水平·Max工具 | 34.10 | 2026-06-09 | 未知 | 闭源 |
— |  DeepSeek-V4.1-Flash 思考水平·Max工具 | 30.00 | 2026-09-10 | 5520亿 | 免费商用 |
— |  Qwen3.8-Max-0902 思考水平·极高工具 | 29.00 | 2026-09-02 | 24000亿 | 闭源 |
— |  GLM-5.3 思考水平·Max工具 | 28.30 | 2026-08-14 | 7440亿 | 有条件商用 |
— |  Grok 4.6 思考水平·高工具 | 26.00 | 2026-08-12 | 未知 | 闭源 |
— |  Kimi K3 思考水平·Max工具 | 17.70 | 2026-07-16 | 28000亿 | 有条件商用 |
— | Grok 4.5 思考水平·高工具 | 15.70 | 2026-07-08 | 未知 | 闭源 |
— |  Gemini 3.7 Flash 思考水平·高工具 | 14.90 | 2026-08-13 | 未知 | 闭源 |
— | DeepSeek-V4-Flash 思考水平·Max工具 | 7.60 | 2026-04-24 | 2840亿 | 免费商用 |
SpaceXAI 于 2026-08-12 发布 Grok 4.6 时报告 Terminal-Bench v3.0 成绩为 26.0%。
