vibecodingnav
中/EN
基准/terminal-bench-4

Terminal-Bench 4.0

2026-10-06 · 终端 Agent

测什么
终端里的 Agent 任务:安装环境、改配置、跑命令、把自动化做完。
怎么测
公开榜单 Terminal-Bench 4.0 的全部 display 行。列与来源一致:Agent、模型、档位、通过率、发布日期、Agent 机构、模型机构、Tokens、成本。并列名次保留来源名次,不改成连续序号。
分数含义
通过率用榜单上的 display accuracy,例如 64.8% ± 3.1%,不用未展示的原始小数。成本用 display cost。Grok 4.7 的成本格写着 partial: 324/330。
注意
它不衡量界面好不好看。同一通过率下,跑分成本可以差一个数量级。
更新
榜单 updated_at 为 2026-10-06。本页于 2026-10-10 核对全部 35 行。
来源
tbench.ai

完整榜单

35

#Agent模型档位通过率发布日期Agent 机构模型机构Tokens成本
1Claude CodeOpus 5.5max64.8% ± 3.1%Sep 22, 2026AnthropicAnthropic8.0B$4.7k
2Claude CodeSonnet 5.5max61.8% ± 2.9%Sep 28, 2026AnthropicAnthropic19.4B$7.3k
3CodexGPT-6 Astramax58.2% ± 2.8%Sep 3, 2026OpenAIOpenAI1.5B$3.3k
3CodexGPT-6.1 Solmax58.2% ± 3.1%Sep 29, 2026OpenAIOpenAI1.5B$634.24
5Claude CodeFable 5.1max57.9% ± 3.8%Sep 1, 2026AnthropicAnthropic2.7B$6.2k
5CodexGPT-6 Astraxhigh57.9% ± 2.7%Sep 3, 2026OpenAIOpenAI1.2B$2.4k
5CodexGPT-6 Astrahigh57.9% ± 3.0%Sep 3, 2026OpenAIOpenAI1.2B$2.3k
5Claude CodeFable 5.1xhigh57.9% ± 3.4%Sep 1, 2026AnthropicAnthropic2.3B$4.9k
9Claude CodeFable 5.1high54.5% ± 3.4%Sep 1, 2026AnthropicAnthropic2.2B$4.0k
10CodexGPT-6 Astramedium54.2% ± 2.7%Sep 3, 2026OpenAIOpenAI1.1B$1.9k
11Claude CodeFable 5.1medium53.9% ± 3.4%Sep 1, 2026AnthropicAnthropic1.6B$2.8k
11Claude CodeOpus 5xhigh53.9% ± 3.2%Jul 24, 2026AnthropicAnthropic6.9B$6.1k
13Claude CodeOpus 5max51.8% ± 3.4%Jul 24, 2026AnthropicAnthropic6.5B$6.0k
14CodexGPT-6 Astralow50.6% ± 2.8%Sep 3, 2026OpenAIOpenAI889.8M$1.6k
15Claude CodeOpus 5high50.3% ± 3.7%Jul 24, 2026AnthropicAnthropic5.5B$4.7k
16CodexGPT-6 Solmax49.4% ± 3.2%Sep 22, 2026OpenAIOpenAI5.0B$1.5k
17Claude CodeOpus 5medium44.8% ± 3.8%Jul 24, 2026AnthropicAnthropic3.7B$3.2k
18Claude CodeFable 5max44.5% ± 3.8%Jun 9, 2026AnthropicAnthropic3.8B$7.3k
19Claude CodeFable 5.1low43.3% ± 3.6%Sep 1, 2026AnthropicAnthropic1.3B$2.4k
20Claude CodeGLM-5.3max41.8% ± 3.2%Aug 14, 2026AnthropicZ.ai8.7B$2.7k

用在这些场景