Agent評測

Terminal-Bench 2.1 Agent評測

OpenGPT將22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: 22
來源資料日期: 2026年9月3日
身分核驗日期: 歷史記錄

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。
Terminal-Bench 團隊表示其執行並驗證了排行榜提交。其 2.1 版本說明記錄了修訂後的任務集和評估環境。

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

展示22筆公開記錄中的22筆；每項結果都保留來源評測與設定。