Benchmarks de Agents

Benchmark de agentes de Terminal-Bench 2.1

OpenGPT mantiene 22 filas publicadas asociadas a la versión Terminal-Bench 2.1 exacta de la prueba de referencia y al entorno que se muestran a continuación.

Tareas: 89
Filas publicadas: 22
Fecha de los datos de la fuente: 3 sept 2026
Identidad revisada: Actual

Alcance de la evidencia

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 conserva la métrica, el alcance de tareas, el entorno, la versión, los campos de configuración y la fecha de la fuente del editor. No crea una puntuación general de agentes entre pruebas de referencia distintas.

Límites de la comparación

Un resultado superior solo se aplica a la versión y las condiciones del benchmark mostradas.
Los resultados de Agents reflejan el sistema completo, no solo el modelo base.
Los datos ausentes sobre coste, fiabilidad, seguridad o latencia se mantienen sin informar, en lugar de inferirse.
El equipo de Terminal-Bench declara que ejecutó y verificó los envíos de la clasificación. Las notas de la versión 2.1 documentan un conjunto de tareas y un entorno de evaluación revisados.

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

Mostrando 22 de 22 filas publicadas. Cada resultado permanece vinculado al benchmark y a la configuración de origen.