Agenten-Benchmarks

Terminal-Bench 2.1 Agenten-Benchmark

OpenGPT hält 22 veröffentlichte Zeilen mit der unten gezeigten exakten Benchmark-Version Terminal-Bench 2.1 und Umgebung verknüpft.

Aufgaben: 89
Veröffentlichte Zeilen: 22
Datum der Quelldaten: 3. Sept. 2026
Identität geprüft: Aktuell

Nachweisumfang

terminal-bench/terminal-bench-2-1 · publisher-verified leaderboard. terminal tasks. Harbor-managed terminal environments with fixed timeouts and resources. Fixed timeouts and resources · at least 5 trials per task.

How OpenGPT handles this evidence

OpenGPT bewahrt Kennzahl, Aufgabenumfang, Umgebung, Version, Konfigurationsfelder und Quelldatum des Herausgebers. Es erstellt keine Benchmark-übergreifende Agent-Gesamtpunktzahl.

Vergleichsgrenzen

Ein höheres Ergebnis gilt nur für die angezeigte Benchmark-Version und die entsprechenden Bedingungen.
Die Ergebnisse der Agenten spiegeln das Gesamtsystem wider, nicht nur das Basismodell.
Fehlende Daten zu Kosten, Zuverlässigkeit, Sicherheit oder Latenz werden weiterhin als nicht gemeldet ausgewiesen und nicht abgeleitet.
Das Terminal-Bench-Team gibt an, die Ranglisteneinreichungen ausgeführt und verifiziert zu haben. Die Versionshinweise zu 2.1 dokumentieren einen überarbeiteten Aufgabensatz und eine überarbeitete Bewertungsumgebung.

terminal-bench/terminal-bench-2-1 · publisher-verified leaderboard

22 von 22 veröffentlichten Zeilen werden angezeigt. Jedes Ergebnis bleibt mit dem Quellbenchmark und der Konfiguration verknüpft.