Agent评测

Terminal-Bench 2.1 Agent评测

OpenGPT将22条公开记录保留在下方所示的Terminal-Bench 2.1 评测版本与环境内。

任务: 89
公开记录: 22
来源数据日期: 2026年9月3日
身份核验日期: 历史记录

数据范围

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.

OpenGPT如何处理这些数据

OpenGPT保留发布方的指标、任务范围、环境、版本、配置字段与数据日期，不生成跨评测Agent总分。

可比边界

更高结果只适用于所展示的评测版本与条件。
Agent结果反映完整系统，而不是基础模型单独能力。
成本、稳定性、安全性或速度没有公开时保持未报告，不进行推测。
Terminal-Bench 团队表示其运行并验证了排行榜提交。其 2.1 版本说明记录了修订后的任务集和评估环境。

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

展示22条公开记录中的22条；每项结果都保留来源评测与配置。