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 2026-04-16
154 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
相关资源
Terminal Bench 2.0 大模型得分排行榜
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
模式说明:
normal
thinking
low
medium
high
deeper thinking
parallel_thinking
图表加载中...
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。
模型发布时间截止:
Terminal Bench 2.0详细排名数据表格
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | Claude Mythos Preview 扩展思考工具 | 82.00 | 2026-04-07 | 未知 |
| 2 | GPT-5.3 Codex 思考工具 | 77.30 | 2026-02-05 | 未知 |
| 3 | GPT-5.4 思考水平 · 超高工具 | 75.10 | 2026-03-05 | 未知 |
| 4 | Claude Opus 4.7 扩展思考工具 | 69.40 | 2026-04-16 | 未知 |
| 5 | Gemini 3.1 Pro Preview 思考水平 · 高工具 | 68.50 | 2026-02-20 | 未知 |
| 6 | Claude Opus 4.6 扩展思考工具 | 65.40 | 2026-02-05 | 未知 |
| 7 | GLM 5.1 思考工具 | 63.50 | 2026-03-27 | 754 |
| 8 | 61.70 | 2026-03-19 | 未知 | |
| 9 | 61.60 | 2026-03-31 | 未知 | |
| 10 | GLM-5 思考工具 | 61.10 | 2026-02-11 | 7440 |
| 11 | GPT-5.4 mini 思考水平 · 超高工具 | 60.00 | 2026-03-17 | 未知 |
| 12 | Claude Opus 4.5 思考工具 | 59.30 | 2025-11-25 | 未知 |
| 13 | 59.10 | 2026-02-17 | 未知 | |
| 14 | Muse Spark 思考工具 | 59.00 | 2026-04-08 | 未知 |
| 15 | Gemini 3.0 Pro (Preview 11-2025) 思考水平 · 高工具 | 56.90 | 2025-11-18 | 未知 |
| 16 | 54.20 | 2025-11-18 | 未知 | |
| 17 | 52.50 | 2026-02-16 | 397 | |
| 18 | MiniMax M2.5 思考工具 | 51.70 | 2026-02-12 | 2290 |
| 19 | 51.50 | 2026-04-16 | 350 | |
| 20 | Step 3.5 Flash 思考工具 | 51.00 | 2026-02-02 | 1960 |
| 21 | Kimi K2.5 思考工具 | 50.80 | 2026-01-27 | 10000 |
| 22 | M2.1 思考工具 | 47.90 | 2025-12-23 | 2300 |
| 23 | 47.90 | 2026-02-09 | 未知 | |
| 24 | Gemini 3.0 Flash 思考工具 | 47.60 | 2025-12-17 | 未知 |
| 25 | GPT-5.1 思考水平 · 高工具 | 47.60 | 2025-11-12 | 未知 |
| 26 | DeepSeek V3.2 思考工具 | 46.40 | 2025-12-01 | 6710 |
| 27 | GPT-5.4 nano 思考水平 · 超高工具 | 46.30 | 2026-03-17 | 未知 |
| 28 | 42.80 | 2025-09-30 | 未知 | |
| 29 | Qwen3.5-27B 思考工具 | 41.60 | 2026-02-25 | 270 |
| 30 | GLM-4.7 思考工具 | 41.00 | 2025-12-22 | 3580 |
滚动或悬停加载剩余 3 条