Terminal-Bench 3.0 是 Terminal-Bench 团队用于评估 Agent 和语言模型在容器化终端环境中完成真实、有价值任务能力的新版本。任务集与验证规则由 Harbor Framework 维护。
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
SpaceXAI 于 2026-08-12 发布 Grok 4.6 时报告 Terminal-Bench v3.0 成绩为 26.0%。
