Terminal-Bench 2.1

该榜单已停用。 发布方已推出新版本，下方成绩来自旧版本，仅供参考，与新版本不可直接比较。最新成绩请看 Terminal-Bench 3.0

Terminal-Bench是一个针对AI代理在真实终端环境中的能力评测基准，由Stanford University与Laude Institute合作开发。Terminal-Bench 2.1是2.0的改进版本，基于Z.ai的Terminal-Bench 2.0 Verified进行优化，目前处于活跃状态，但任务尚未完全上传。