Agent 评测

Terminal-Bench 2.1 Agent 评测

OpenGPT 将17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: 17
来源数据日期: 2026年7月14日
身份核验日期: 当前

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。
The Terminal-Bench team states that it ran and verified leaderboard submissions. Its 2.1 release notes document a revised task set and evaluation environment.

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

展示17条公开记录中的17条；每项结果都保留来源评测与配置。