Terminal Bench 2.0
本文介绍 Terminal-Bench 的设计理念，深入讲解 core、Terminal-Bench Hard 与最新 Terminal-Bench 2.0 的区别，帮助开发者选择合适的 AI 终端评测基准。
更新于 2026年5月21日·1,027 次浏览
- 问题数量
- 89
- 发布机构
- 个人
- 评测类别
- AI Agent - 工具使用
- 评测指标
- Accuracy
- 支持语言
- 英文
- 难度等级
- 高难度
简介
用于评估大模型在终端环境下使用工具能力的评测基准的升级版本
Terminal Bench 2.0评测最新大模型排名与完整榜单数据
查看 Terminal Bench 2.0 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。
数据来源：DataLearnerAI
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
模型模式说明
许可证:
来源:
模型发布时间截止:
Terminal Bench 2.0 排名
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 GPT-5.5 思考水平 · 高工具 | 82.70 | 2026-04-23 | 未知 | 闭源 | |
 Claude Mythos Preview 扩展思考工具 | 82.00 | 2026-04-07 | 未知 | 闭源 | |
GPT-5.3 Codex 开启思考工具 | 77.30 | 2026-02-05 | 未知 | 闭源 | |
4 | GPT-5.4 思考水平 · 极高工具 | 75.10 | 2026-03-05 | 未知 | 闭源 |
5 |  Qwen3.7-Max-Preview 开启思考工具 | 69.70 | 2026-05-20 | 10000亿 | 闭源 |
6 | Opus 4.7 扩展思考工具 | 69.40 | 2026-04-16 | 未知 | 闭源 |
7 |  Composer 2.5 开启思考 | 69.30 | 2026-05-18 | 未知 | 闭源 |
8 |  Gemini 3.1 Pro Preview 思考水平 · 高工具 | 68.50 | 2026-02-20 | 未知 | 闭源 |
9 |  DeepSeek-V4-Pro 思考水平 · 极高工具 | 67.90 | 2026-04-24 | 16000亿 | 免费商用 |
10 |  Kimi K2.6 开启思考工具 | 66.70 | 2026-04-20 | 10000亿 | 免费商用 |
11 | Claude Opus 4.6 扩展思考工具 | 65.40 | 2026-02-05 | 未知 | 闭源 |
12 | Qwen3.6-Max-Preview 深度思考模式工具 | 65.40 | 2026-04-20 | 10000亿 | 闭源 |
13 |  GLM 5.1 开启思考工具 | 63.50 | 2026-03-27 | 754亿 | 免费商用 |
14 | DeepSeek-V4-Pro 思考水平 · 高工具 | 63.30 | 2026-04-24 | 16000亿 | 免费商用 |
15 | Composer 2 开启思考 | 61.70 | 2026-03-19 | 未知 | 闭源 |
16 | Qwen 3.6 Plus Preview 开启思考工具 | 61.60 | 2026-03-31 | 未知 | 闭源 |
17 | Qwen3.6-Max-Preview 开启思考工具 | 61.60 | 2026-04-20 | 10000亿 | 闭源 |
18 | GLM-5 开启思考工具 | 61.10 | 2026-02-11 | 7440亿 | 免费商用 |
19 | GPT-5.4 mini 思考水平 · 极高工具 | 60.00 | 2026-03-17 | 未知 | 闭源 |
20 | Opus 4.5 扩展思考工具 | 59.30 | 2025-11-25 | 未知 | 闭源 |
21 | Qwen3.6-27B 开启思考工具 | 59.30 | 2026-04-22 | 270亿 | 免费商用 |
22 | Claude Sonnet 4.6 开启思考工具 | 59.10 | 2026-02-17 | 未知 | 闭源 |
23 | DeepSeek-V4-Pro 常规模式工具 | 59.10 | 2026-04-24 | 16000亿 | 免费商用 |
24 |  Muse Spark 开启思考工具 | 59.00 | 2026-04-08 | 未知 | 闭源 |
25 | Gemini 3.0 Pro (Preview 11-2025) 思考水平 · 高工具 | 56.90 | 2025-11-18 | 未知 | 闭源 |
26 | DeepSeek-V4-Flash 思考水平 · 极高工具 | 56.90 | 2026-04-24 | 2840亿 | 免费商用 |
27 | DeepSeek-V4-Flash 思考水平 · 高工具 | 56.60 | 2026-04-24 | 2840亿 | 免费商用 |
28 | 54.20 | 2025-11-18 | 未知 | 闭源 | |
29 | Qwen3.5-397B-A17B 开启思考工具 | 52.50 | 2026-02-16 | 397亿 | 免费商用 |
30 |  MiniMax M2.5 开启思考工具 | 51.70 | 2026-02-12 | 2290亿 | 免费商用 |
继续滚动可加载剩余 16 条