MODEL BENCHMARKS
Publicar necesidad de compra ↗Clasificación de modelos de IA
Conozca las diferencias de capacidades para elegir recursos de IA.
Terminal-Bench 4.0 · Agentes en acción
Instantáneas de evaluaciones públicas · clasificación independiente por dimensión
Actualización de fuente 2026-10-23Fecha de obtención 2026-10-27Fecha de publicación del conjunto de datos No divulgado
Terminal-Bench 4.0 · Agent 任务完成率 · 版本 Terminal-Bench 4.0 · Puntuaciones de 0 a 100, cuanto mayor mejor; se excluyen las ausentes y se comparten los puestos empatados. La búsqueda conserva el puesto original.
| Clasificación | Modelo y configuración de agente | Puntuación | Tipo de evidencia |
|---|---|---|---|
| 1 | anthropic/claude-opus-5-5 · [email protected] · maxAgent 实战 · claude-code 2.1.284 · 推理 max · Fecha de publicación del modelo 2026-09-22Acerca del modelo ↗ | 64,8 | Incluido en la clasificación |
| 2 | anthropic/claude-sonnet-5-5 · [email protected] · maxAgent 实战 · claude-code 2.1.284 · 推理 max · Fecha de publicación del modelo 2026-09-28Acerca del modelo ↗ | 61,8 | Incluido en la clasificación |
| 3 | openai/gpt-6.1-sol · [email protected] · maxAgent 实战 · codex 0.159.0 · 推理 max · Fecha de publicación del modelo 2026-09-29Acerca del modelo ↗ | 58,2 | Incluido en la clasificación |
| 4 | anthropic/claude-fable-5-1 · [email protected] · maxAgent 实战 · claude-code 2.1.257 · 推理 max · Fecha de publicación del modelo 2026-09-01Acerca del modelo ↗ | 57,9 | Incluido en la clasificación |
| 5 | anthropic/claude-opus-5 · [email protected] · maxAgent 实战 · claude-code 2.1.231 · 推理 max · Fecha de publicación del modelo 2026-07-24Acerca del modelo ↗ | 51,8 | Incluido en la clasificación |
| 6 | openai/gpt-6-sol · [email protected] · maxAgent 实战 · codex 0.159.0 · 推理 max · Fecha de publicación del modelo 2026-09-22Acerca del modelo ↗ | 49,4 | Incluido en la clasificación |
| 7 | anthropic/claude-fable-5 · [email protected] · maxAgent 实战 · claude-code 2.1.231 · 推理 max · Fecha de publicación del modelo 2026-06-09Acerca del modelo ↗ | 44,6 | Incluido en la clasificación |
| 8 | anthropic/glm-5.3 · [email protected] · maxAgent 实战 · claude-code 2.1.207 · 推理 max · Fecha de publicación del modelo 2026-08-14Acerca del modelo ↗ | 41,8 | Incluido en la clasificación |
| 9 | openai/gpt-5.6-sol · [email protected] · maxAgent 实战 · codex 0.149.1 · 推理 max · Fecha de publicación del modelo 2026-06-26Acerca del modelo ↗ | 37,3 | Incluido en la clasificación |
| 10 | z-ai/glm-5.3-flash · [email protected] · noneAgent 实战 · claude-code 2.1.285 · 推理 none · Fecha de publicación del modelo 2026-08-26Acerca del modelo ↗ | 35,8 | Incluido en la clasificación |
| 11 | qwen/qwen3.8-max-0902 · [email protected] · maxAgent 实战 · claude-code 2.1.285 · 推理 max · Fecha de publicación del modelo 2026-09-02Acerca del modelo ↗ | 27,0 | Incluido en la clasificación |
| 12 | anthropic/claude-opus-4-8 · [email protected] · maxAgent 实战 · claude-code 2.1.231 · 推理 max · Fecha de publicación del modelo 2026-05-28Acerca del modelo ↗ | 23,6 | Incluido en la clasificación |
| 13 | openai/gpt-5.6-terra · [email protected] · maxAgent 实战 · codex 0.149.1 · 推理 max · Fecha de publicación del modelo 2026-06-26Acerca del modelo ↗ | 21,5 | Incluido en la clasificación |
| 14 | xai/grok-4.6 · [email protected] · noneAgent 实战 · grok-build 1.0.5 · 推理 none · Fecha de publicación del modelo 2026-08-12Acerca del modelo ↗ | 20,3 | Incluido en la clasificación |
| 15 | gemini/gemini-3.8-flash · [email protected] · highAgent 实战 · mini-swe-agent 2.4.6 · 推理 high · Fecha de publicación del modelo 2026-09-02Acerca del modelo ↗ | 19,1 | Incluido en la clasificación |
| 16 | openai/gpt-5.6-luna · [email protected] · maxAgent 实战 · codex 0.149.1 · 推理 max · Fecha de publicación del modelo 2026-06-26Acerca del modelo ↗ | 17,3 | Incluido en la clasificación |
| 17 | openai/gpt-6-luna · [email protected] · maxAgent 实战 · codex 0.159.0 · 推理 max · Fecha de publicación del modelo 2026-09-22Acerca del modelo ↗ | 16,4 | Incluido en la clasificación |
| 18 | meta/muse-spark-1.3 · [email protected] · xhighAgent 实战 · muse-code 1.4.1 · 推理 xhigh · Fecha de publicación del modelo 2026-09-02Acerca del modelo ↗ | 14,6 | Incluido en la clasificación |
| 19 | anthropic/claude-sonnet-5 · [email protected] · maxAgent 实战 · claude-code 2.1.231 · 推理 max · Fecha de publicación del modelo 2026-06-30Acerca del modelo ↗ | 12,4 | Incluido en la clasificación |
| 19 | xai/grok-4.5 · [email protected] · noneAgent 实战 · grok-build 1.0.5 · 推理 none · Fecha de publicación del modelo 2026-07-16Acerca del modelo ↗ | 12,4 | Incluido en la clasificación |
| 21 | gemini/gemini-3.7-flash · [email protected] · highAgent 实战 · mini-swe-agent 2.4.6 · 推理 high · Fecha de publicación del modelo 2026-08-13Acerca del modelo ↗ | 11,2 | Incluido en la clasificación |
Evidencias de fuente y método de evaluación
Fuente:Terminal-Bench 4.0 · Agentes en acción · Apache-2.0. Se presentan las puntuaciones originales, sin combinar evaluaciones. La inclusión no constituye una verificación independiente.
Atribución: colaboradores de Harbor Framework / Terminal-Bench. Aportaciones originales bajo Apache License 2.0. Las tasas corresponden a modelo, versión de agente y configuración de inferencia, no a capacidad global del modelo solo. Licencia y atribución de esta versión de fuente
Instantánea de fuente:1000b0941a244800a8ff48d461934c00 · Commit de origen：e67a2cb7db4d9795c212909b3395d8c22ad60aec · SHA-256 del contenido original:29b754b80fdd1bcea650cff92d9d3401a9114fc968affa222c2a91985ef90c2f
Obtenido bajo demanda y publicado tras revisión; sin tiempo real. No se infieren versiones no divulgadas.Las distintas dimensiones y configuraciones de prueba no son directamente comparables.