Kod & mjukvara · Stanford / Laude Institute (Harbor)
Terminal-Bench 4.0
Hur ofta en AI-agent klarar svåra, verklighetstrogna uppgifter helt på egen hand i datorns kommandorad, från programmering till systemadministration.
Placeringar (26, varav 26 i vår lista)
- 1 64.8% ± 3.1[1]
- 2 61.8% ± 2.9[1]
- 3 58.2% ± 2.8[1]
- 3 58.2% ± 3.1[1]
- 5 57.9% ± 3.8[1]
- 5 57.9% ± 2.7[1]
- 5 57.9% ± 3.0[1]
- 5 57.9% ± 3.4[1]
- 9 54.5% ± 3.4[1]
- 10 54.2% ± 2.7[1]
- 11 53.9% ± 3.4[1]
- 11 53.9% ± 3.2[1]
- 13 51.8% ± 3.4[1]
- 14 50.6% ± 2.8[1]
- 15 50.3% ± 3.7[1]
- 16 49.4% ± 3.2[1]
- 19 43.3% ± 3.6[1]
- 20 41.8% ± 3.2[1]
- 21 37.6% ± 3.5[1]
- 23 35.8% ± 3.5[1]
- 25 27.0% ± 3.8[1]
- 28 20.3% ± 3.1[1]
- 29 19.1% ± 3.4[1]
- 31 16.4% ± 2.7[1]
- 32 14.6% ± 2.9[1]
- 35 11.2% ± 2.5[1]
Källor
- [1] Terminal-Bench 4.0 Leaderboard ↗Terminal-Bench (Stanford / Laude Institute)Topplistatbench.aiPublicerad 23 okt 2026 Läst 25 okt 2026
Historik
- 25 okt 2026Fler placeringar länkade till modeller som lagts till i listan.
- 25 okt 2026Tillagd. Avläst 25 okt 2026 (Terminal-Bench 4.0, listan senast ändrad 23 okt 2026).