מבחן הערכה
Terminal-Bench 2.0
מדידה עצמאית · מתעדכן
מה הוא מודד
עבודה בשורת פקודה: עבודה בשורת פקודה מקצה לקצה · ביצוע משימות מרובות שלבים: ביצוע משימה רב שלבית מקצה לקצה · כתיבת קוד עצמאית: כתיבת קוד בתוך תהליך רב שלבי עם כלים
מה הוא לא מודד
- אין לגזור ממנו יכולת בתחומים שלא נכללו במשימות שלו.
הערות רישום
משימות קצה לקצה בשורת פקודה עם בדיקה תוכניתית.
תוצאות שנקלטו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| GPT-5.6 Sol | 91.9 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Kimi K3 | 88.3 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| GPT-5.6 Terra | 87.4 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| GPT-5.6 Luna | 84.7 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Claude Fable 5 | 84.3 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Grok 4.5 | 83.3 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| GPT-5.5 | 82.0 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · מדידה בלוח עצמאי | קישור |
| GLM-5.2 | 81.0 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Muse Spark 1.1 | 80.0 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Gemini 3.5 Flash | 76.2 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| GPT-5.4 | 75.1 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Claude Opus 4.8 | 74.6 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Qwen3.7 Plus | 70.3 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Qwen3.7 Max | 69.7 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Claude Opus 4.7 (Adaptive) | 69.4 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| MiMo-V2.5-Pro | 68.4 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| DeepSeek V4 Pro 0813 | 67.9 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Kimi K2.6 | 66.7 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| MiniMax M3 | 66.0 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| 65.4 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור | |
| Claude Opus 4.6 | 65.4 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Inkling-Small | 64.7 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Inkling | 63.8 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| GLM-5.1 | 63.5 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Qwen3.6 Plus | 61.6 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Muse Spark | 59.0 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| MiniMax M2.7 | 57.0 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| GLM-5 | 56.2 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Gemini 3.5 Flash-Lite | 54.0 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Kimi K2.5 (Reasoning) | 50.8 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| Kimi K2.5 | 50.8 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |
| GPT-5.4 nano | 46.3 | Terminal-Bench 2.0, משימות טרמינל מקצה לקצה · דיווח של הספק | קישור |