MODEL BENCHMARKS
購入依頼を公開 ↗AIモデルランキング
能力の違いを確認し、合う AI リソースを選びましょう。
Terminal-Bench 4.0 · Agent実践
公開評価スナップショット · 評価軸別ランキング
ソース更新 2026-10-23取得日 2026-10-27データセット公開日 非開示
Terminal-Bench 4.0 · Agent 任务完成率 · 版本 Terminal-Bench 4.0 · スコアは0～100で、高いほど良好です。欠損スコアは順位対象外、同点は同順位です。検索後も元の順位を維持します。
| 順位 | モデルと Agent の設定 | スコア | 証拠の種類 |
|---|---|---|---|
| 1 | anthropic/claude-opus-5-5 · [email protected] · maxAgent 实战 · claude-code 2.1.284 · 推理 max · モデル公開日 2026-09-22モデル説明 ↗ | 64.8 | ランキング掲載 |
| 2 | anthropic/claude-sonnet-5-5 · [email protected] · maxAgent 实战 · claude-code 2.1.284 · 推理 max · モデル公開日 2026-09-28モデル説明 ↗ | 61.8 | ランキング掲載 |
| 3 | openai/gpt-6.1-sol · [email protected] · maxAgent 实战 · codex 0.159.0 · 推理 max · モデル公開日 2026-09-29モデル説明 ↗ | 58.2 | ランキング掲載 |
| 4 | anthropic/claude-fable-5-1 · [email protected] · maxAgent 实战 · claude-code 2.1.257 · 推理 max · モデル公開日 2026-09-01モデル説明 ↗ | 57.9 | ランキング掲載 |
| 5 | anthropic/claude-opus-5 · [email protected] · maxAgent 实战 · claude-code 2.1.231 · 推理 max · モデル公開日 2026-07-24モデル説明 ↗ | 51.8 | ランキング掲載 |
| 6 | openai/gpt-6-sol · [email protected] · maxAgent 实战 · codex 0.159.0 · 推理 max · モデル公開日 2026-09-22モデル説明 ↗ | 49.4 | ランキング掲載 |
| 7 | anthropic/claude-fable-5 · [email protected] · maxAgent 实战 · claude-code 2.1.231 · 推理 max · モデル公開日 2026-06-09モデル説明 ↗ | 44.6 | ランキング掲載 |
| 8 | anthropic/glm-5.3 · [email protected] · maxAgent 实战 · claude-code 2.1.207 · 推理 max · モデル公開日 2026-08-14モデル説明 ↗ | 41.8 | ランキング掲載 |
| 9 | openai/gpt-5.6-sol · [email protected] · maxAgent 实战 · codex 0.149.1 · 推理 max · モデル公開日 2026-06-26モデル説明 ↗ | 37.3 | ランキング掲載 |
| 10 | z-ai/glm-5.3-flash · [email protected] · noneAgent 实战 · claude-code 2.1.285 · 推理 none · モデル公開日 2026-08-26モデル説明 ↗ | 35.8 | ランキング掲載 |
| 11 | qwen/qwen3.8-max-0902 · [email protected] · maxAgent 实战 · claude-code 2.1.285 · 推理 max · モデル公開日 2026-09-02モデル説明 ↗ | 27.0 | ランキング掲載 |
| 12 | anthropic/claude-opus-4-8 · [email protected] · maxAgent 实战 · claude-code 2.1.231 · 推理 max · モデル公開日 2026-05-28モデル説明 ↗ | 23.6 | ランキング掲載 |
| 13 | openai/gpt-5.6-terra · [email protected] · maxAgent 实战 · codex 0.149.1 · 推理 max · モデル公開日 2026-06-26モデル説明 ↗ | 21.5 | ランキング掲載 |
| 14 | xai/grok-4.6 · [email protected] · noneAgent 实战 · grok-build 1.0.5 · 推理 none · モデル公開日 2026-08-12モデル説明 ↗ | 20.3 | ランキング掲載 |
| 15 | gemini/gemini-3.8-flash · [email protected] · highAgent 实战 · mini-swe-agent 2.4.6 · 推理 high · モデル公開日 2026-09-02モデル説明 ↗ | 19.1 | ランキング掲載 |
| 16 | openai/gpt-5.6-luna · [email protected] · maxAgent 实战 · codex 0.149.1 · 推理 max · モデル公開日 2026-06-26モデル説明 ↗ | 17.3 | ランキング掲載 |
| 17 | openai/gpt-6-luna · [email protected] · maxAgent 实战 · codex 0.159.0 · 推理 max · モデル公開日 2026-09-22モデル説明 ↗ | 16.4 | ランキング掲載 |
| 18 | meta/muse-spark-1.3 · [email protected] · xhighAgent 实战 · muse-code 1.4.1 · 推理 xhigh · モデル公開日 2026-09-02モデル説明 ↗ | 14.6 | ランキング掲載 |
| 19 | anthropic/claude-sonnet-5 · [email protected] · maxAgent 实战 · claude-code 2.1.231 · 推理 max · モデル公開日 2026-06-30モデル説明 ↗ | 12.4 | ランキング掲載 |
| 19 | xai/grok-4.5 · [email protected] · noneAgent 实战 · grok-build 1.0.5 · 推理 none · モデル公開日 2026-07-16モデル説明 ↗ | 12.4 | ランキング掲載 |
| 21 | gemini/gemini-3.7-flash · [email protected] · highAgent 实战 · mini-swe-agent 2.4.6 · 推理 high · モデル公開日 2026-08-13モデル説明 ↗ | 11.2 | ランキング掲載 |
ソース証拠と評価基準
ソース：Terminal-Bench 4.0 · Agent実践 · Apache-2.0。原スコアに基づいて整理しています。評価間の総合スコアは作成せず、掲載を独立した再検証とみなしません。
帰属：Harbor Framework / Terminal-Bench contributors。元の提出物は Apache License 2.0 で提供されます。表示するのはモデル・Agent バージョン・推論設定のタスク完了率で、モデル単体の総合能力ではありません。 このソース版のライセンスと帰属
ソーススナップショット：1000b0941a244800a8ff48d461934c00 · ソース commit：e67a2cb7db4d9795c212909b3395d8c22ad60aec · 原文 SHA-256：29b754b80fdd1bcea650cff92d9d3401a9114fc968affa222c2a91985ef90c2f
管理者が必要に応じ取得・審査・公開します。リアルタイム更新ではなく、非公開の評価バージョンは推測しません。評価軸やテスト設定が異なる結果は直接比較できません。