DataLearner 标志DataLearnerAI
最新AI资讯
大模型排行榜
大模型评测基准
大模型列表
大模型对比
资源中心
工具
语言中文
DataLearner 标志DataLearner AI

专注大模型评测、数据资源与实践教学的知识平台,持续更新可落地的 AI 能力图谱。

产品

  • 评测榜单
  • 模型对比
  • 数据资源

资源

  • 部署教程
  • 原创内容
  • 工具导航

关于

  • 关于我们
  • 隐私政策
  • 数据收集方法
  • 联系我们

© 2026 DataLearner AI. DataLearner 持续整合行业数据与案例,为科研、企业与开发者提供可靠的大模型情报与实践指南。

隐私政策服务条款
  1. 返回评测基准列表
  2. /
  3. Terminal Bench Hard

Terminal Bench Hard

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 2026-04-19
1,234 次浏览
问题数量
47
发布机构
个人
评测类别
Agent能力评测
评测指标
Accuracy
支持语言
英文
难度等级
高难度

简介

Artificial Analysis选择的用于评估大模型在终端环境下使用工具能力的评测基准

相关资源

查看原始论文
阅读学术论文原文
获取数据集
下载评测数据集
访问官网
浏览项目官方网站
DataLearner 介绍
中文详细解读

Terminal Bench Hard 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 Hard评测最新大模型排名与完整榜单数据

查看 Terminal Bench Hard 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 Hard详细排名数据表格

排名模型
1
Opus 4.5
扩展思考工具
44.002025-11-25未知
2
GPT-5.1
思考水平 · 高工具
43.002025-11-12未知
3
GLM-5
开启思考工具
43.002026-02-117440
4
Gemini 3.0 Pro (Preview 11-2025)
思考水平 · 高工具
42.002025-11-18未知
5
Gemini 3.0 Pro (Preview 11-2025)
开启思考工具
39.002025-11-18未知
6
MiniMax-M2.7
开启思考工具
39.002026-03-182290
7
GLM-4.7
开启思考工具
33.302025-12-223580
8
Claude Sonnet 4.5
开启思考工具
33.002025-09-30未知
9
Opus 4.1
扩展思考工具
32.002025-08-06未知
10
GLM-4.7-Flash
开启思考工具
32.002026-01-19310
11
GLM-4.7-Flash
常规模式工具
30.002026-01-19310
12
Gemini 2.5-Pro
开启思考工具
25.002025-06-05未知
13
Claude Sonnet 3.7
开启思考工具
21.002025-02-25未知