Terminal Bench 2.0 (Best Harness)编程

各模型使用最佳自定义 harness (Claude Code/Codex) 自报分数Terminal-Bench 2.0 Best 是 Terminal-Bench 2.0 评测中按最优结果聚合的指标。2.0 版本包含 89 个任务，覆盖软件工程、机器学习、安全、数据科学等领域，评估 AI 在真实终端环境中的任务完成率。

官方网站

#	模型	得分 (%)	厂商	来源
1	GPT-5.4	75.1	OpenAI	GLM-5.1 技术报告
2	GLM-5.1	69	智谱AI	GLM-5.1 技术报告
3	GLM-5	61.1	智谱AI	GLM-5 技术报告
4	Claude Opus 4.5	57.9	Anthropic	GLM-5 技术报告
5	MiniMax M2.7	57	MiniMax	GLM-5.1 技术报告
6	DeepSeek-V3.2	46.4	深度求索	GLM-5.1 技术报告
7	GLM-4.7	32.8	智谱AI	GLM-5 技术报告

返回

Terminal Bench 2.0 (Best Harness)编程

各模型使用最佳自定义 harness (Claude Code/Codex) 自报分数Terminal-Bench 2.0 Best 是 Terminal-Bench 2.0 评测中按最优结果聚合的指标。2.0 版本包含 89 个任务，覆盖软件工程、机器学习、安全、数据科学等领域，评估 AI 在真实终端环境中的任务完成率。

官方网站

#	模型	得分 (%)	厂商	来源
1	GPT-5.4	75.1	OpenAI	GLM-5.1 技术报告
2	GLM-5.1	69	智谱AI	GLM-5.1 技术报告
3	GLM-5	61.1	智谱AI	GLM-5 技术报告
4	Claude Opus 4.5	57.9	Anthropic	GLM-5 技术报告
5	MiniMax M2.7	57	MiniMax	GLM-5.1 技术报告
6	DeepSeek-V3.2	46.4	深度求索	GLM-5.1 技术报告
7	GLM-4.7	32.8	智谱AI	GLM-5 技术报告