跳到正文

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。

官方评测
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
1kimi-k3-1-proMoonshot AI67.2%来源默认配置
2gemini-4-carbonGoogle65.2%High 推理
3gpt-6-2-astraOpenAI64.1%Max 推理
5claude-sonnet-5-5Anthropic63.6%Max 推理 · 含来源回退
9gpt-6-2-solOpenAI60.1%Max 推理
11claude-opus-5-5Anthropic59.6%Max 推理 · 含来源回退
11claude-fable-5-2Anthropic59.6%Max 推理 · 含来源回退
16gpt-6-astraOpenAI59.1%Max 推理
19muse-wonder-fullMeta57.1%Max 推理
19gemini-4-argonGoogle57.1%High 推理
23gpt-6-1-solOpenAI56.1%Max 推理
26gpt-6-1-terraOpenAI55.6%Max 推理
34gemini-4-hydrogenGoogle53.5%xHigh 推理
36claude-fable-5-1Anthropic52.0%Max 推理 · 含来源回退
36muse-wonderMeta52.0%Max 推理
42claude-opus-5Anthropic49.0%Max 推理
43qwen4-maxAlibaba48.5%来源默认配置
49gpt-6-solOpenAI43.9%Max 推理
51claude-fable-5Anthropic42.4%Max 推理 · 含来源回退
52glm-5-3Z.ai41.9%Max 推理
55muse-emberMeta40.9%Max 推理
57gpt-5-6-solOpenAI39.9%Max 推理
58qwen3-8-maxAlibaba38.9%来源默认配置
61tencent-hy4Tencent37.4%来源默认配置
62gpt-5-6-terraOpenAI35.4%Max 推理
64mimo-v2-6-proXiaomi34.8%来源默认配置
67deepseek-v4-1-flash-1017DeepSeek33.8%Max 推理
68ling-3-1-flash-1001InclusionAI33.3%来源默认配置
68muse-spark-1-3Meta33.3%Max 推理
68step-5StepFun33.3%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。