מבחן הערכה
Terminal-Bench 2.1
בבדיקהזיקה מסחרית מוצהרת
מה הוא מודד
עבודה בשורת פקודה: עבודה בשורת פקודה 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
New and practical. Infrastructure sensitivity means exact environment and trials are mandatory.
תוצאות שנקלטו
| מערכת | ציון | פרוטוקול | מקור |
|---|---|---|---|
| GLM-5.3 | 88.2 | Terminal-Bench 2.1 · דיווח של הספק | קישור |
| DeepSeek V4 Pro 0813 | 87.9 | Terminal-Bench 2.1 · דיווח של הספק | קישור |
| Muse Spark 1.2 | 82.9 | Terminal-Bench 2.1 · דיווח של הספק | קישור |
| Qwen3.8-27B | 73.0 | Terminal-Bench 2.1 · דיווח של הספק | קישור |
| Apodex 1.1 | 70.8 | Terminal-Bench 2.1 · דיווח של הספק | קישור |