正在加载页面内容
Terminal Bench 2.1 (Best Harness)编程
Claude Code 2.1.167, max_new_tokens=128k, 5 次取平均Terminal-Bench Best 是 Terminal-Bench 评测中按最佳性能指标聚合的分数，反映模型在终端任务上的最优表现。涵盖软件工程、机器学习、安全和数据科学等多个领域的终端操作能力全面评估。
| # | 模型 | 得分 (%) | 厂商 | 来源 | |
|---|---|---|---|---|---|
| 1 | 83.4 | OpenAI | GLM-5.2 技术报告 | ||
| 2 | 82.7 | 智谱AI | GLM-5.2 技术报告 | ||
| 3 | 78.9 | Anthropic | GLM-5.2 技术报告 | ||
| 4 | 70.7 | GLM-5.2 技术报告 | |||
| 5 | 69 | 智谱AI | GLM-5.2 技术报告 |
