Agent 評測

Terminal-Bench 2.1 Agent 評測

OpenGPT 將17筆公開記錄保留在下方所示的 Terminal-Bench 2.1 評測版本與環境內。

工作: 89
公開記錄: 17
來源資料日期: 2026年7月14日
身分核驗日期: 目前

資料範圍

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 如何處理這些資料

OpenGPT 保留發布方的指標、工作範圍、環境、版本、設定欄位與資料日期，不產生跨評測 Agent 總分。

可比範圍

更高結果只適用於所展示的評測版本與條件。
Agent 結果反映完整系統，而不是基礎模型單獨能力。
成本、穩定性、安全性或速度沒有公開時保持未報告，不進行推測。
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筆公開記錄中的17筆；每項結果都保留來源評測與設定。