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
Terminal Bench Hard Model Score Leaderboard
Source: DataLearnerAI
Data sourced primarily from official releases (GitHub, Hugging Face, papers), then benchmark leaderboards, then third-party evaluators. Learn about our data methodology
模式说明:
normal
thinking
low
medium
high
deeper thinking
parallel_thinking
图表加载中...
Latest Terminal Bench Hard model rankings and full benchmark leaderboard
Browse the latest scores, model modes, release dates, and parameter sizes for Terminal Bench Hard.
Model release cutoff:
Terminal Bench Hard详细排名数据表格
| 排名 | 模型 | |||
|---|---|---|---|---|
| 1 | Opus 4.5 Extended ThinkingTools | 44.00 | 2025-11-25 | 未知 |
| 2 | GPT-5.1 Thinking Level · HighTools | 43.00 | 2025-11-12 | 未知 |
| 3 | GLM-5 Thinking EnabledTools | 43.00 | 2026-02-11 | 7440 |
| 4 | Gemini 3.0 Pro (Preview 11-2025) Thinking Level · HighTools | 42.00 | 2025-11-18 | 未知 |
| 5 | Gemini 3.0 Pro (Preview 11-2025) Thinking EnabledTools | 39.00 | 2025-11-18 | 未知 |
| 6 | MiniMax-M2.7 Thinking EnabledTools | 39.00 | 2026-03-18 | 2290 |
| 7 | GLM-4.7 Thinking EnabledTools | 33.30 | 2025-12-22 | 3580 |
| 8 | Claude Sonnet 4.5 Thinking EnabledTools | 33.00 | 2025-09-30 | 未知 |
| 9 | Opus 4.1 Extended ThinkingTools | 32.00 | 2025-08-06 | 未知 |
| 10 | GLM-4.7-Flash Thinking EnabledTools | 32.00 | 2026-01-19 | 310 |
| 11 | GLM-4.7-Flash Standard ModeTools | 30.00 | 2026-01-19 | 310 |
| 12 | Gemini 2.5-Pro Thinking EnabledTools | 25.00 | 2025-06-05 | 未知 |
| 13 | Claude Sonnet 3.7 Thinking EnabledTools | 21.00 | 2025-02-25 | 未知 |