Terminal Bench 2.0 (Terminus-2)编程

Terminus-2 框架, GLM-5.1 报告使用 Terminus-2 评估Terminal-Bench 2.0 Terminus 是 Terminal-Bench 2.0 版本中的 Terminus 子集。2.0 版本包含 89 个高质量终端任务，Terminus 变体侧重系统级编程与底层操作任务，要求模型精通 Shell 脚本与 Linux 系统调用。

排行数据源

#模型得分

1

GPT-5.4OpenAI

75.1%

2

Qwen3.7-Plus阿里巴巴

70.3%

3

Qwen3.7-Max阿里巴巴

69.7%

4

Gemini 3.1 ProGoogle

68.5%

5

DeepSeek-V4-Pro深度求索

67.9%

6

Kimi-K2.6月之暗面

66.7%

7

MiMo-V2.5小米

65.8%

8

Claude Opus 4.6Anthropic

65.4%

9

GLM-5.1智谱AI

63.5%

10

Qwen3.6-Plus阿里巴巴

61.6%

共 29 个模型

返回基准目录