01 / CODE活跃
64.85%
TERMINAL-BENCH 4.0
终端与运维
真实终端任务,仍能有效区分前沿 Agent。
免费额度以提供方控制台为准;部分免费 API 可能用于训练,请勿上传敏感数据。数据由平台每日定时刷新。
长上下文、原型验证、多模态
低延迟对话、工具调用
一枚 Key 横评多家模型
边缘应用、轻量推理
快速体验不同开放模型
隐私、离线、无限制实验
免费不等于没有代价。部分免费 API 可能用于训练或有速率限制;请勿上传敏感数据,额度以提供方最新控制台为准。社区里的使用经验也需要标注日期,因为额度规则会变。
真实终端任务,仍能有效区分前沿 Agent。
更难的长程编码任务;旧 Verified 已接近失效。
全对率仍低,部分完成分数为 54.8%。
同时考察知识检索、工具使用与规则遵循。
看任务,不迷信总榜编码、浏览器与电脑操作是不同能力。
分数必须带 Harness脚手架可能显著改变同一模型的表现。
警惕基准饱和接近人类基线后,名次就失去了分辨力。