Terminal Bench 2.1 (Terminus-2)编程

Terminus-2 框架, timeout=4h, max_episodes=500, 256K 上下文Terminal-Bench Terminus 是 Terminal-Bench 系列的子集，聚焦终端环境中的系统管理、安全审计和 DevOps 任务。模型需通过命令行完成 Linux 系统配置、网络调试、服务部署等实际操作任务。

排行数据源

#模型得分

1

Claude Fable 5Anthropic

88.0%

2

GPT-5.6 TerraOpenAI

87.4%

3

Gemini 3.7 FlashGoogle

85.8%

4

Claude Opus 4.8Anthropic

85.0%

5

GPT-5.6 LunaOpenAI

84.7%

6

GPT-5.5OpenAI

84.0%

7

Grok 4.5xAI

83.3%

8

Muse Spark 1.2Meta

82.9%

9

GLM-5.2智谱AI

81.0%

10

Claude Sonnet 5Anthropic

80.4%

共 33 个模型

返回基准目录