Skip to content
简体中文

切换主题

发现▾

不知道从哪开始？本周最热的软件、模型和组合，3 分钟看完 AI 圈的变化。

AI 软件▾

给人用的 AI 软件：从 ChatGPT 这类助手，到写代码、做视频、搭工作流的工具，按用途挑。

Agent 工具▾

给 AI 用的软件：让你的 agent（Claude Code、Codex、Cursor…）能上网、读文档、跑代码、记住事情。

模型▾

选模型、算成本、自己部署：价格、榜单、评测、免费额度和自建算力都在这里。

解决方案▾

有具体目标或报错？按场景给出现成的软件组合、步骤和问题解法。

学 AI▾

一套从零到前沿的系统课程，配算法库、必读论文和精选教程。

前沿▾

每天的 AI 新闻、每周热点、最新论文和 AI 改造各学科的进度。

Agent 编程 · %

Terminal-Bench 2.0

agent 需在沙箱终端里完成的高难度真实任务（斯坦福 × Laude Institute）。

持续更新 数据污染风险: 低 202 条成绩 · 45 个模型 更新于 2026年10月22日 最新成绩：2026-05-14 官方榜单 ↗

测什么

agent 与模型组合的任务正确率。数据由 Epoch AI 从 tbench.ai 汇编。

局限

agent 框架和模型同样重要，同一模型会搭配不同 agent 多次出现。

数据污染风险: 低

任务带有防训练标记。

排行 · 子集 / 设定: compiled

5 个模型

# 模型 厂商 分数 名次 设定 来源类型 日期
1 GPT-5.3 Codex OpenAI 70.3% 1 Terminal-Bench 2.0; agent: CodeBrain-1 第三方汇编 via Epoch AI 2026年2月10日
2 Gemini 3 Pro Google 62.2% 2 Terminal-Bench 2.0; agent: CodeBrain-1 第三方汇编 via Epoch AI 2026年2月5日
3 Claude Sonnet 4.6 Anthropic 53.4% 3 Terminal-Bench 2.0; agent: Simplai Agent; effort: no thinking 第三方汇编 via Epoch AI 2026年5月14日
4 Claude Sonnet 4.5 Anthropic 42.7% 4 Terminal-Bench 2.0; agent: MAYA; effort: unknown thinking 第三方汇编 via Epoch AI 2026年1月4日
5 GPT-5 mini OpenAI 34.8% 5 Terminal-Bench 2.0; agent: spoox-m; effort: unknown thinking 第三方汇编 via Epoch AI 2025年12月24日

排行 · 子集 / 设定: leaderboard

45 个模型

# 模型 厂商 分数 名次 设定 来源类型 日期
1 GPT-5.5 OpenAI 84.7% 1 Terminal-Bench 2.0; agent: NexAU-AHE; effort: unknown thinking 官方榜单 via Epoch AI 2026年4月23日
2 GPT-5.4 OpenAI 81.8% 5 Terminal-Bench 2.0; agent: ForgeCode; effort: unknown thinking 官方榜单 via Epoch AI 2026年3月12日
3 Gemini 3.1 Pro Google 80.2% 6 Terminal-Bench 2.0; agent: TongAgents 官方榜单 via Epoch AI 2026年2月19日
4 Claude Opus 4.7 Anthropic 80.2% 6 Terminal-Bench 2.0; agent: WOZCODE; effort: unknown 官方榜单 via Epoch AI 2026年4月16日
5 Claude Opus 4.6 Anthropic 79.8% 8 Terminal-Bench 2.0; agent: ForgeCode; effort: unknown thinking 官方榜单 via Epoch AI 2026年3月12日
6 GPT-5.3 Codex OpenAI 78.4% 9 Terminal-Bench 2.0; agent: SageAgent 官方榜单 via Epoch AI 2026年2月5日
7 Gemini 3 Pro Google 69.4% 26 Terminal-Bench 2.0; agent: Ante 官方榜单 via Epoch AI 2025年11月18日
8 GPT-5.2 Codex OpenAI 66.5% 29 Terminal-Bench 2.0; agent: Deep Agents 官方榜单 via Epoch AI 2026年1月14日
9 GPT-5.2 OpenAI 64.9% 33 Terminal-Bench 2.0; agent: Droid; effort: unknown thinking 官方榜单 via Epoch AI 2025年12月11日
10 Gemini 3 Flash Google 64.3% 36 Terminal-Bench 2.0; agent: Junie CLI 官方榜单 via Epoch AI 2025年12月17日
11 Claude Opus 4.5 Anthropic 63.1% 37 Terminal-Bench 2.0; agent: Droid; effort: unknown thinking 官方榜单 via Epoch AI 2025年11月24日
12 GPT-5.1-Codex-mini OpenAI 61.6% 44 Terminal-Bench 2.0; agent: hookele 官方榜单 via Epoch AI 2025年11月12日
13 GPT-5.1-Codex-Max OpenAI 60.5% 48 Terminal-Bench 2.0; agent: Codex CLI 官方榜单 via Epoch AI 2025年11月19日
14 GPT-5.1-Codex OpenAI 57.8% 53 Terminal-Bench 2.0; agent: Codex CLI 官方榜单 via Epoch AI 2025年11月16日
15 Grok 4.20 xAI 57.3% 56 Terminal-Bench 2.0; agent: Grok CLI 官方榜单 via Epoch AI 2026年3月10日
16 Claude Sonnet 4.6 Anthropic 53.4% 63 Terminal-Bench 2.0; agent: Simplai Agent; effort: unknown thinking 官方榜单 via Epoch AI 2026年2月17日
17 GLM-5OW Zhipu AI (Z.ai) 52.4% 64 Terminal-Bench 2.0; agent: Terminus 2 官方榜单 via Epoch AI 2026年2月11日
18 GPT-5 OpenAI 49.6% 70 Terminal-Bench 2.0; agent: Codex CLI; effort: unknown thinking 官方榜单 via Epoch AI 2025年8月7日
19 GPT-5.1 OpenAI 47.6% 72 Terminal-Bench 2.0; agent: Terminus 2; effort: medium 官方榜单 via Epoch AI 2025年11月16日
20 Claude Sonnet 4.5 Anthropic 46.5% 76 Terminal-Bench 2.0; agent: CAMEL-AI; effort: unknown thinking 官方榜单 via Epoch AI 2025年9月29日
21 MiniMax-M2.7OW MiniMax 45.1% 77 Terminal-Bench 2.0; agent: IndusAGI Coding Agent 官方榜单 via Epoch AI 2026年3月18日
22 GPT-5-Codex OpenAI 44.3% 78 Terminal-Bench 2.0; agent: Codex CLI 官方榜单 via Epoch AI 2025年9月15日
23 Kimi K2.5OW Moonshot AI 43.2% 84 Terminal-Bench 2.0; agent: Terminus 2 官方榜单 via Epoch AI 2026年1月27日
24 MiniMax-M2.5OW MiniMax 42.7% 91 Terminal-Bench 2.0; agent: cchuter 官方榜单 via Epoch AI 2026年2月12日
25 DeepSeek-V3.2OW DeepSeek 39.5% 102 Terminal-Bench 2.0; agent: Terminus 2; effort: Thinking; Novita 官方榜单 via Epoch AI 2025年12月1日
26 Claude Opus 4.1 Anthropic 38.0% 103 Terminal-Bench 2.0; agent: Terminus 2 官方榜单 via Epoch AI 2025年10月31日
27 MiniMax-M2.1OW MiniMax 36.6% 109 Terminal-Bench 2.0; agent: Crux 官方榜单 via Epoch AI 2025年12月23日
28 Kimi K2 ThinkingOW Moonshot AI 35.7% 110 Terminal-Bench 2.0; agent: Terminus 2 官方榜单 via Epoch AI 2025年11月6日
29 Claude Haiku 4.5 Anthropic 35.5% 112 Terminal-Bench 2.0; agent: Goose; effort: unknown thinking 官方榜单 via Epoch AI 2025年10月15日
30 GPT-5 mini OpenAI 34.8% 117 Terminal-Bench 2.0; agent: spoox-o-m; effort: unknown thinking 官方榜单 via Epoch AI 2025年8月7日
31 GLM-4.7OW Zhipu AI (Z.ai) 33.4% 122 Terminal-Bench 2.0; agent: Terminus 2 官方榜单 via Epoch AI 2025年12月22日
32 Gemini 2.5 Pro (Jun 2025) Google 32.6% 124 Terminal-Bench 2.0; agent: Terminus 2 官方榜单 via Epoch AI 2025年6月17日
33 MiniMax-M2OW MiniMax 30.0% 128 Terminal-Bench 2.0; agent: Terminus 2 官方榜单 via Epoch AI 2025年10月27日
34 Kimi K2 (Jul 2025)OW Moonshot AI 27.8% 136 Terminal-Bench 2.0; agent: Terminus 2 官方榜单 via Epoch AI 2025年11月1日
35 Grok 4 xAI 27.2% 140 Terminal-Bench 2.0; agent: OpenHands 官方榜单 via Epoch AI 2025年11月2日
36 Qwen3-Coder-480B-A35BOW Alibaba (Qwen) 27.2% 141 Terminal-Bench 2.0; agent: Dakou Agent 官方榜单 via Epoch AI 2025年7月22日
37 grok-code-fast-1 xAI 25.8% 147 Terminal-Bench 2.0; agent: Mini-SWE-Agent 官方榜单 via Epoch AI 2025年8月28日
38 Qwen 3.6 35B-A3BOW Alibaba (Qwen) 24.6% 153 Terminal-Bench 2.0; agent: little-coder 官方榜单 via Epoch AI 2026年4月16日
39 GLM-4.6OW Zhipu AI (Z.ai) 24.5% 154 Terminal-Bench 2.0; agent: Terminus 2 官方榜单 via Epoch AI 2025年9月30日
40 GPT-5 nano OpenAI 21.8% 164 Terminal-Bench 2.0; agent: spoox-o-m; effort: unknown thinking 官方榜单 via Epoch AI 2025年8月7日
41 gpt-oss-120bOW OpenAI 18.7% 167 Terminal-Bench 2.0; agent: Terminus 2 官方榜单 via Epoch AI 2025年11月1日
42 Gemini 2.5 Flash (Sep 2025) Google 17.1% 169 Terminal-Bench 2.0; agent: Mini-SWE-Agent 官方榜单 via Epoch AI 2025年11月3日
43 Gemini 2.5 Flash (Jun 2025) Google 17.1% 170 Terminal-Bench 2.0; agent: Mini-SWE-Agent 官方榜单 via Epoch AI 2025年6月17日
44 Qwen3.5-9BOW Alibaba (Qwen) 9.2% 189 Terminal-Bench 2.0; agent: little-coder 官方榜单 via Epoch AI 2026年3月2日
45 gpt-oss-20bOW OpenAI 3.4% 194 Terminal-Bench 2.0; agent: Mini-SWE-Agent 官方榜单 via Epoch AI 2025年11月3日

最高分变化

按评测日期，每一步表示本站数据中出现了新的最高分。

  1. 2025-06-1732.6%Gemini 2.5 Pro (Jun 2025)
  2. 2025-08-0538.0%Claude Opus 4.1
  3. 2025-08-0749.6%GPT-5
  4. 2025-11-1261.6%GPT-5.1-Codex-mini
  5. 2025-11-1869.4%Gemini 3 Pro
  6. 2026-02-0578.4%GPT-5.3 Codex
  7. 2026-02-1980.2%Gemini 3.1 Pro
  8. 2026-03-1281.8%GPT-5.4
  9. 2026-04-2384.7%GPT-5.5

数据来源与许可

来源许可 / 条款本站使用方式最近抓取
Epoch AI Benchmarking Hub
Epoch AI, 'Capabilities & benchmarking', https://epoch.ai/benchmarks (CC BY 4.0)
 CC BY 4.0 开放许可：完整收录并署名 2026年10月22日
← 全部基准 · 了解评测基准是怎么回事

常见问题

Terminal-Bench 2.0 测的是什么？

agent 需在沙箱终端里完成的高难度真实任务（斯坦福 × Laude Institute）。 agent 与模型组合的任务正确率。数据由 Epoch AI 从 tbench.ai 汇编。

Terminal-Bench 2.0 的结果可靠吗？

agent 框架和模型同样重要，同一模型会搭配不同 agent 多次出现。 数据污染风险: 低 – 任务带有防训练标记。

数据更新于：模型评测成绩（北京时间）