MODEL BENCHMARKS
发布采购需求 ↗AI 模型排行榜
看清能力差异，再选择适合你的 AI 资源。
Terminal-Bench 4.0 · Agent 实战
公开评测快照 · 按维度独立排序
来源更新 2026-10-23获取日期 2026-10-27数据集发布日期 未披露
Terminal-Bench 4.0 · Agent 任务完成率 · 版本 Terminal-Bench 4.0 · 分数 0–100，越高越好；缺失分数不参与排名，同分并列。搜索后保留原榜名次。
| 排名 | 模型与 Agent 配置 | 得分 | 证据类型 |
|---|---|---|---|
| 1 | anthropic/claude-opus-5-5 · [email protected] · maxAgent 实战 · claude-code 2.1.284 · 推理 max · 模型发布日期 2026-09-22模型说明 ↗ | 64.8 | 榜单收录 |
| 2 | anthropic/claude-sonnet-5-5 · [email protected] · maxAgent 实战 · claude-code 2.1.284 · 推理 max · 模型发布日期 2026-09-28模型说明 ↗ | 61.8 | 榜单收录 |
| 3 | openai/gpt-6.1-sol · [email protected] · maxAgent 实战 · codex 0.159.0 · 推理 max · 模型发布日期 2026-09-29模型说明 ↗ | 58.2 | 榜单收录 |
| 4 | anthropic/claude-fable-5-1 · [email protected] · maxAgent 实战 · claude-code 2.1.257 · 推理 max · 模型发布日期 2026-09-01模型说明 ↗ | 57.9 | 榜单收录 |
| 5 | anthropic/claude-opus-5 · [email protected] · maxAgent 实战 · claude-code 2.1.231 · 推理 max · 模型发布日期 2026-07-24模型说明 ↗ | 51.8 | 榜单收录 |
| 6 | openai/gpt-6-sol · [email protected] · maxAgent 实战 · codex 0.159.0 · 推理 max · 模型发布日期 2026-09-22模型说明 ↗ | 49.4 | 榜单收录 |
| 7 | anthropic/claude-fable-5 · [email protected] · maxAgent 实战 · claude-code 2.1.231 · 推理 max · 模型发布日期 2026-06-09模型说明 ↗ | 44.5 | 榜单收录 |
| 8 | anthropic/glm-5.3 · [email protected] · maxAgent 实战 · claude-code 2.1.207 · 推理 max · 模型发布日期 2026-08-14模型说明 ↗ | 41.8 | 榜单收录 |
| 9 | openai/gpt-5.6-sol · [email protected] · maxAgent 实战 · codex 0.149.1 · 推理 max · 模型发布日期 2026-06-26模型说明 ↗ | 37.3 | 榜单收录 |
| 10 | z-ai/glm-5.3-flash · [email protected] · noneAgent 实战 · claude-code 2.1.285 · 推理 none · 模型发布日期 2026-08-26模型说明 ↗ | 35.8 | 榜单收录 |
| 11 | qwen/qwen3.8-max-0902 · [email protected] · maxAgent 实战 · claude-code 2.1.285 · 推理 max · 模型发布日期 2026-09-02模型说明 ↗ | 27.0 | 榜单收录 |
| 12 | anthropic/claude-opus-4-8 · [email protected] · maxAgent 实战 · claude-code 2.1.231 · 推理 max · 模型发布日期 2026-05-28模型说明 ↗ | 23.6 | 榜单收录 |
| 13 | openai/gpt-5.6-terra · [email protected] · maxAgent 实战 · codex 0.149.1 · 推理 max · 模型发布日期 2026-06-26模型说明 ↗ | 21.5 | 榜单收录 |
| 14 | xai/grok-4.6 · [email protected] · noneAgent 实战 · grok-build 1.0.5 · 推理 none · 模型发布日期 2026-08-12模型说明 ↗ | 20.3 | 榜单收录 |
| 15 | gemini/gemini-3.8-flash · [email protected] · highAgent 实战 · mini-swe-agent 2.4.6 · 推理 high · 模型发布日期 2026-09-02模型说明 ↗ | 19.1 | 榜单收录 |
| 16 | openai/gpt-5.6-luna · [email protected] · maxAgent 实战 · codex 0.149.1 · 推理 max · 模型发布日期 2026-06-26模型说明 ↗ | 17.3 | 榜单收录 |
| 17 | openai/gpt-6-luna · [email protected] · maxAgent 实战 · codex 0.159.0 · 推理 max · 模型发布日期 2026-09-22模型说明 ↗ | 16.4 | 榜单收录 |
| 18 | meta/muse-spark-1.3 · [email protected] · xhighAgent 实战 · muse-code 1.4.1 · 推理 xhigh · 模型发布日期 2026-09-02模型说明 ↗ | 14.6 | 榜单收录 |
| 19 | anthropic/claude-sonnet-5 · [email protected] · maxAgent 实战 · claude-code 2.1.231 · 推理 max · 模型发布日期 2026-06-30模型说明 ↗ | 12.4 | 榜单收录 |
| 19 | xai/grok-4.5 · [email protected] · noneAgent 实战 · grok-build 1.0.5 · 推理 none · 模型发布日期 2026-07-16模型说明 ↗ | 12.4 | 榜单收录 |
| 21 | gemini/gemini-3.7-flash · [email protected] · highAgent 实战 · mini-swe-agent 2.4.6 · 推理 high · 模型发布日期 2026-08-13模型说明 ↗ | 11.2 | 榜单收录 |
来源证据与评测口径
来源：Terminal-Bench 4.0 · Agent 实战 · Apache-2.0。本站按原始分数整理，不生成跨评测综合分，也不将榜单收录视作独立复验。
归属：Harbor Framework / Terminal-Bench contributors。原始提交按 Apache License 2.0 提供；本站展示模型、Agent 版本及推理配置的任务完成率，不代表纯模型综合能力。 此来源版本的许可与归属
来源快照：1000b0941a244800a8ff48d461934c00 · 来源 commit：e67a2cb7db4d9795c212909b3395d8c22ad60aec · 原始内容 SHA-256：29b754b80fdd1bcea650cff92d9d3401a9114fc968affa222c2a91985ef90c2f
管理员按需获取、审核后发布；非实时更新。评测版本未披露的项目不作推断。不同维度和测试设置不能直接比较。