Benchmarks de Agents

Benchmark de agentes de Terminal-Bench 2.1

O OpenGPT mantém 22 linhas publicadas vinculadas à versão exata Terminal-Bench 2.1 do benchmark e ao ambiente exibido abaixo.

Tarefas: 89
Linhas publicadas: 22
Data dos dados da fonte: 3 de set. de 2026
Identidade revisada: Atual

Escopo das evidências

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

O OpenGPT preserva a métrica, o escopo de tarefas, o ambiente, a versão, os campos de configuração e a data da fonte fornecidos pelo publicador. Ele não cria uma pontuação geral de Agentes que combine benchmarks.

Limites da comparação

Um resultado mais alto se aplica apenas à versão e às condições do benchmark exibidas.
Os resultados de Agents refletem o sistema completo, não apenas o modelo base.
Dados ausentes de custo, confiabilidade, segurança ou latência continuam sem ser informados, em vez de serem inferidos.
A equipe do Terminal-Bench afirma ter executado e verificado os envios do leaderboard. As notas da versão 2.1 documentam um conjunto revisado de tarefas e ambiente de avaliação.

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

Mostrando 22 de 22 linhas publicadas. Cada resultado permanece vinculado ao benchmark e à configuração da fonte.