Terminal-Bench v3.0编程

官方公开榜单；各模型采用 Terminal Bench 3.0 作者报告的最高分 thinking level。Gemini 成绩由 mini swe agent（LiteLLM 1.96）自测。Terminal-Bench 3.0 是 Terminal-Bench 系列的第三代终端 Agent 基准，任务覆盖通用 Agent 能力，评估模型在真实终端环境中自主完成复杂任务的表现。各模型成绩采用基准作者报告的最高分 thinking level。

排行数据源

#模型得分

1

GPT-5.6 SolOpenAI

34.6%

2

Claude Fable 5Anthropic

34.1%

3

GLM-5.3智谱AI

28.3%

4

Grok 4.6xAI

26.0%

5

Claude Opus 4.8Anthropic

21.1%

6

GPT-5.6 TerraOpenAI

20.8%

7

Kimi K3月之暗面

17.4%

8

Grok 4.5xAI

15.7%

9

Gemini 3.7 FlashGoogle

14.9%

10

Claude Sonnet 5Anthropic

14.6%

共 12 个模型

返回基准目录