OpenGPT根拠に基づくモデル選定エージェント構成 · Terminal-Bench 2.1
Claude Code · Opus 4.8 · high
モデル、スキャフォールド、ツール、権限、予算、環境を含むランキング対象です。
タスク正解率78.9%
成功1件あたり費用未公開
公開された結果範囲±1.3%
01
構成
エージェントシステムClaude Code · Opus 4.8 · high
基盤モデルOpus 4.8
公開元のモデルIDまたは表記Opus 4.8
スキャフォールドClaude Code
スキャフォールド版未報告
ツールTerminal shell
環境Harbor管理のターミナル環境
予算固定制限 · 各課題5回以上
02
結果
タスク正解率78.9%
部分スコア未公開
成功1件あたり費用未公開
公開された総費用$286.94
完了時間の中央値未公開
人の介入未公開
03
運用
反復実行の根拠未公開
公開された結果範囲±1.3%
安全上の注意未公開
比較グループterminal-bench-2-1-main
評価日
データ取得日
04
信頼性
根拠ベンチマーク公開元に掲載
情報源Terminal-Bench 2.1
情報源スナップショットTerminal-Bench 2.1 · 公開元検証済みランキング · 2026年7月30日
最終確認2026年7月30日
課題数89 ターミナル課題
根拠レベル公開元が管理
根拠の注意
監査情報 ↗Terminal-Benchチームは提出を実行・検証したと説明しています。2.1では課題と評価環境が改訂されました。
この結果で分からないこと
結果は表示されたシステムと条件にのみ適用されます。万能な最良エージェント、実運用品質、データ管理、別版での性能を証明しません。
公開元のデータです。欠損値は不明のまま表示します。
導入前に実務で確認
公開順位は候補選びの出発点です。小規模な非公開試験で適合性を確認します。
- 1
代表的な仕事を10〜20件選び、合格条件を決める。
- 2
Agent、モデル、ツール、権限、予算を固定する。
- 3
重要な仕事は複数回実行し、成功、費用、時間、介入を記録する。
- 4
失敗とデータ取扱いを確認してから導入を決める。