Terminal-Bench 4.0（Artificial Analysis 复跑）
Artificial Analysis / 编程 · 在命令行环境里独立完成一整件工程任务。
在 裕瑞产业情报 中参与排名
证据预算NaN%
上游数据时间待核实
最近成功同步10/23 20:05
它测什么，怎么测
取 Artificial Analysis 智能指数中 Terminal-Bench 4.0 的通过率。同一型号按最高推理档位选代表配置，选择不看分数。
如何使用这份证据
计分：编程领域，与 Vals 复跑的 Terminal-Bench 4.0 同属一类，两家合起来算一票。
评测成绩
同一模型测了多个档位时，按固定规则只取一套代表成绩；没有可用成绩的模型标为“未计入”并写明原因。匿名测试型号不展示，名次照搬原榜，每项最多列 30 个。
| 原榜名次 | 原榜型号 | 原始成绩 | 代表配置 |
|---|---|---|---|
| 1 | claude-sonnet-5-5Anthropic | 63.6% | Max 推理 · 含来源回退 |
| 2 | claude-opus-5-5Anthropic | 59.6% | Max 推理 · 含来源回退 |
| 5 | gpt-6-astraOpenAI | 59.1% | Max 推理 |
| 6 | muse-wonder-fullMeta | 57.1% | Max 推理 |
| 6 | gemini-4-argonGoogle | 57.1% | High 推理 |
| 10 | gpt-6-1-solOpenAI | 56.1% | Max 推理 |
| 15 | claude-fable-5-1Anthropic | 52.0% | Max 推理 · 含来源回退 |
| 15 | muse-wonderMeta | 52.0% | Max 推理 |
| 20 | claude-opus-5Anthropic | 49.0% | Max 推理 |
| 25 | gpt-6-solOpenAI | 43.9% | Max 推理 |
| 27 | claude-fable-5Anthropic | 42.4% | Max 推理 · 含来源回退 |
| 28 | glm-5-3Z.ai | 41.9% | Max 推理 |
| 31 | gpt-5-6-solOpenAI | 39.9% | Max 推理 |
| 32 | qwen3-8-maxAlibaba | 38.9% | 来源默认配置 |
| 33 | gpt-5-6-terraOpenAI | 35.4% | Max 推理 |
| 34 | mimo-v2-6-proXiaomi | 34.8% | 来源默认配置 |
| 37 | deepseek-v4-1-flash-1017DeepSeek | 33.8% | Max 推理 |
| 38 | step-5StepFun | 33.3% | 来源默认配置 |
| 38 | muse-spark-1-3Meta | 33.3% | Max 推理 |
| 38 | ling-3-1-flashInclusionAI | 33.3% | 来源默认配置 |
| 41 | glm-5-3-flashZ.ai | 32.8% | 来源默认配置 |
| 41 | claude-haiku-5-5Anthropic | 32.8% | Max 推理 |
| 41 | ling-3-1-flash-1019InclusionAI | 32.8% | 来源默认配置 |
| 49 | deepseek-v4-1-flashDeepSeek | 26.8% | Max 推理 |
| 49 | mistral-large-4Mistral AI | 26.8% | 来源默认配置 |
| 53 | minimax-m3-1-flashMiniMax | 25.8% | 来源默认配置 |
| 53 | grok-4-7xAI | 25.8% | xHigh 推理 |
| 55 | qwen3-8-flash-nextAlibaba | 25.3% | 来源默认配置 |
| 58 | mimo-v2-6-flashXiaomi | 22.7% | 来源默认配置 |
| 59 | claude-opus-4-8Anthropic | 21.7% | Max 推理 |
评测局限与数据署名
终端任务对运行环境和时限设置敏感；厂商接口回退的运行照常计入并标注（AA 不公布受影响比例）。
数据许可：Artificial Analysis 公开页面数据；展示须显著署名并链接来源，遵守其 Terms of Use
成绩由 Artificial Analysis 发布。各项评测的原始分数尺度不同，不能直接相加；AIHOT 按公开规则把它们折算成同一种分数。