Terminal Bench Hard

Name: Terminal Bench Hard
Creator: 个人

本文介绍 Terminal-Bench 的设计理念，深入讲解 core、Terminal-Bench Hard 与最新 Terminal-Bench 2.0 的区别，帮助开发者选择合适的 AI 终端评测基准。

更新于 2026年9月14日·2,334 次浏览

问题数量: 47
发布机构: 个人
评测类别: 自主开发与终端任务
评测指标: Accuracy · 越高越好
支持语言: 英文
难度等级: 高难度

简介

Artificial Analysis选择的用于评估大模型在终端环境下使用工具能力的评测基准

Terminal Bench Hard评测最新大模型排名与完整榜单数据

查看 Terminal Bench Hard 的最新得分、模型模式、发布时间与参数规模，快速了解当前完整榜单表现。

数据来源：DataLearnerAI

数据优先来自官方发布（GitHub、Hugging Face、论文），其次为评测基准官方结果，最后为第三方评测机构数据。了解数据收集方法

模型模式说明

许可证:

来源:

模型发布时间截止:

排名	模型				开源情况
	GPT-5.6 Sol 思考水平·Max工具	65.90	2026-06-26	未知	闭源
	Claude Fable 5 思考水平·Max工具	62.90	2026-06-09	未知	闭源
	GPT-5.6 Sol 思考水平·中工具	62.90	2026-06-26	未知	闭源
4	GPT-5.6 Terra 思考水平·极高工具	62.90	2026-06-26	未知	闭源
5	GPT-5.6 Sol 思考水平·高工具	62.10	2026-06-26	未知	闭源
6	GPT-5.6 Sol 思考水平·极高工具	61.40	2026-06-26	未知	闭源
7	GPT-5.5 思考水平·极高工具	60.60	2026-04-23	未知	闭源
8	GPT-5.6 Sol 思考水平·低工具	60.60	2026-06-26	未知	闭源
9	GPT-5.5 思考水平·高工具	59.80	2026-04-23	未知	闭源
10	Claude Opus 4.8 思考水平·Max工具	58.30	2026-05-28	未知	闭源
11	GPT-5.4 思考水平·极高工具	57.60	2026-03-05	未知	闭源
12	GPT-5.5 思考水平·中工具	57.60	2026-04-23	未知	闭源
13	GPT-5.6 Terra 思考水平·高工具	57.60	2026-06-26	未知	闭源
14	GPT-5.6 Terra 思考水平·Max工具	57.60	2026-06-26	未知	闭源
15	Opus 4.7 常规模式工具	54.50	2026-04-16	未知	闭源
16	Gemini 3.1 Pro Preview 开启思考工具	53.80	2026-02-20	未知	闭源
17	GPT-5.3 Codex 思考水平·极高工具	53.00	2026-02-05	未知	闭源
18	Claude Sonnet 4.6 思考水平·Max工具	53.00	2026-02-17	未知	闭源
19	GPT-5.4 mini 思考水平·极高工具	52.30	2026-03-17	未知	闭源
20	GPT-5.5 思考水平·低工具	52.30	2026-04-23	未知	闭源
21	Opus 4.7 思考水平·Max工具	51.50	2026-04-16	未知	闭源
22	Qwen3.7 Max 开启思考工具	50.80	2026-05-20	未知	闭源
23	GLM-5.2 思考水平·Max工具	50.80	2026-06-13	7533.3亿	免费商用
24	GPT-5.5 常规模式工具	49.20	2026-04-23	未知	闭源
25	Claude Opus 4.6 常规模式工具	48.50	2026-02-05	未知	闭源
26	Opus 4.5 开启思考工具	47.00	2025-11-25	未知	闭源
27	GPT-5.2 思考水平·极高工具	47.00	2025-12-11	未知	闭源
28	Qwen3.7-Plus 开启思考工具	47.00	2026-05-31	未知	闭源
29	Claude Opus 4.6 思考水平·Max工具	46.20	2026-02-05	未知	闭源
30	Claude Sonnet 4.6 常规模式工具	46.20	2026-02-17	未知	闭源