OpenGPT基于数据的模型选择任务成功率78.9%
每次成功成本未公布
来源公布的结果范围±1.3%
01
配置
Agent系统Claude Code · Opus 4.8 · high
基础模型Opus 4.8
来源模型ID或名称Opus 4.8
Agent框架Claude Code
Agent框架版本未提供
工具Terminal shell
运行环境由Harbor管理的终端环境
预算固定限制 · 每项任务至少运行 5 次
02
结果
任务成功率78.9%
部分完成分未公布
每次成功成本未公布
来源公布的评测总成本US$286.94
完成时间中位数未公布
人工介入率未公布
03
运行情况
重复运行证据未公布
来源公布的结果范围±1.3%
安全提示未公布
可比组terminal-bench-2-1-main
评测日期
数据获取日期
04
可信度
证据状态已列入基准官方榜单
数据来源Terminal-Bench 2.1
数据快照Terminal-Bench 2.1 · 发布方核验榜单 · 2026年7月30日
最近核查2026年7月30日
任务数89 终端任务
证据等级发布方维护
证据说明
审计说明 ↗Terminal-Bench团队说明这些提交由其运行并核验；2.1 版本调整了任务与评测环境。
这项结果不能说明什么
结果只适用于这里显示的完整系统和来源条件。它不能证明存在万能Agent，也不能证明生产可靠性、数据治理或其他评测版本的表现。
数据来自公开来源，缺失项保持未知。
采用前做一次真实验证
公开榜单用于缩小候选范围，是否适合你的工作，需要通过小规模私有测试确认。
- 1
选择 10–20 个代表性任务，并写清通过条件。
- 2
测试前锁定Agent、模型、工具、权限和预算。
- 3
重要任务重复运行，记录成功率、成本、时间和人工接管。
- 4
检查失败案例和数据风险后，再决定是否正式采用。