Terminal-Bench 4.0(Artificial Analysis 复跑)
Artificial Analysis / 编程 · 在终端完成软件、科研等复杂任务,再由各题的测试检查结果。
在 AIHOT 中参与排名
所属领域编程
上游数据时间待核实
最近成功同步11/18 20:05
它测什么,怎么测
取 Artificial Analysis 独立公布的 Terminal-Bench 4.0 的通过率。同一型号按最高推理档位选代表配置,选择不看分数。
AIHOT 怎么用它
计分:编程领域,与官方榜和 Vals 复跑的 Terminal-Bench 4.0 同属一类,三家合起来算一票。
评测成绩
同一模型测了多个档位时,按固定规则只取一套代表成绩;没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示,名次照搬原榜,每项最多列 30 个。
| 原榜名次 | 原榜型号 | 原始成绩 | 代表配置 |
|---|---|---|---|
| 1 | kimi-k3-1-proMoonshot AI | 67.2% | 来源默认配置 |
| 2 | gemini-4-carbonGoogle | 65.2% | High 推理 |
| 3 | gpt-6-2-astraOpenAI | 64.1% | Max 推理 |
| 5 | claude-sonnet-5-5Anthropic | 63.6% | Max 推理 · 含来源回退 |
| 9 | gpt-6-2-solOpenAI | 60.1% | Max 推理 |
| 11 | claude-opus-5-5Anthropic | 59.6% | Max 推理 · 含来源回退 |
| 11 | claude-fable-5-2Anthropic | 59.6% | Max 推理 · 含来源回退 |
| 16 | gpt-6-astraOpenAI | 59.1% | Max 推理 |
| 19 | muse-wonder-fullMeta | 57.1% | Max 推理 |
| 19 | gemini-4-argonGoogle | 57.1% | High 推理 |
| 23 | gpt-6-1-solOpenAI | 56.1% | Max 推理 |
| 26 | gpt-6-1-terraOpenAI | 55.6% | Max 推理 |
| 34 | gemini-4-hydrogenGoogle | 53.5% | xHigh 推理 |
| 36 | claude-fable-5-1Anthropic | 52.0% | Max 推理 · 含来源回退 |
| 36 | muse-wonderMeta | 52.0% | Max 推理 |
| 42 | claude-opus-5Anthropic | 49.0% | Max 推理 |
| 43 | qwen4-maxAlibaba | 48.5% | 来源默认配置 |
| 49 | gpt-6-solOpenAI | 43.9% | Max 推理 |
| 51 | claude-fable-5Anthropic | 42.4% | Max 推理 · 含来源回退 |
| 52 | glm-5-3Z.ai | 41.9% | Max 推理 |
| 55 | muse-emberMeta | 40.9% | Max 推理 |
| 57 | gpt-5-6-solOpenAI | 39.9% | Max 推理 |
| 58 | qwen3-8-maxAlibaba | 38.9% | 来源默认配置 |
| 61 | tencent-hy4Tencent | 37.4% | 来源默认配置 |
| 62 | gpt-5-6-terraOpenAI | 35.4% | Max 推理 |
| 64 | mimo-v2-6-proXiaomi | 34.8% | 来源默认配置 |
| 67 | deepseek-v4-1-flash-1017DeepSeek | 33.8% | Max 推理 |
| 68 | ling-3-1-flash-1001InclusionAI | 33.3% | 来源默认配置 |
| 68 | muse-spark-1-3Meta | 33.3% | Max 推理 |
| 68 | step-5StepFun | 33.3% | 来源默认配置 |
评测局限与数据署名
终端任务对运行环境和时限设置敏感;厂商接口回退的运行照常计入并标注(AA 不公布受影响比例)。
数据许可:Artificial Analysis 公开页面数据;展示须显著署名并链接来源,遵守其 Terms of Use
成绩由 Artificial Analysis 发布。各项评测的原始分数尺度不同,不能直接相加;AIHOT 按公开规则把它们折算成同一种分数。