Terminal Bench Hard
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4月19日·1,305 次浏览
- 问题数量
- 47
- 发布机构
- 个人
- 评测类别
- Agent能力评测
- 评测指标
- Accuracy
- 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:
Terminal Bench Hard 排名
| 排名 | 模型 | 开源情况 | |||
|---|---|---|---|---|---|
 Opus 4.5 扩展思考工具 | 44.00 | 2025-11-25 | 未知 | 闭源 | |
 GPT-5.1 开启思考工具 | 43.00 | 2025-11-12 | 未知 | 闭源 | |
 GLM-5 开启思考工具 | 43.00 | 2026-02-11 | 7440亿 | 免费商用 | |
4 |  Gemini 3.0 Pro (Preview 11-2025) 思考水平 · 高工具 | 42.00 | 2025-11-18 | 未知 | 闭源 |
5 | 39.00 | 2025-11-18 | 未知 | 闭源 | |
6 |  MiniMax-M2.7 开启思考工具 | 39.00 | 2026-03-18 | 2290亿 | 非商用 |
7 | GLM-4.7 开启思考工具 | 33.30 | 2025-12-22 | 3580亿 | 免费商用 |
8 | Claude Sonnet 4.5 开启思考工具 | 33.00 | 2025-09-30 | 未知 | 闭源 |
9 | Opus 4.1 扩展思考工具 | 32.00 | 2025-08-06 | 未知 | 闭源 |
10 | GLM-4.7-Flash 开启思考工具 | 32.00 | 2026-01-19 | 310亿 | 免费商用 |
11 | GLM-4.7-Flash 常规模式工具 | 30.00 | 2026-01-19 | 310亿 | 免费商用 |
12 | Gemini 2.5-Pro 开启思考工具 | 25.00 | 2025-06-05 | 未知 | 闭源 |
13 | Claude Sonnet 3.7 开启思考工具 | 21.00 | 2025-02-25 | 未知 | 闭源 |