Terminal Bench 4.0
نتائج معايير الذكاء الاصطناعي وأداء النماذج
النوع: percentageCode
النتائج المسجلة
25
متوسط النقاط
47.28%
نطاق النقاط
20% - 70.60%
النموذج المتصدر
70.60% - Claude Sonnet 5.5
النقاط بمرور الوقت
نقاط المعيار الفردية معروضة حسب التاريخ.
نتائج النماذج
| المؤسسة | النماذج | تاريخ الإبلاغ | أعلى نقطة | معلومات | مُبلَّغ عنها ذاتيًا | المصدر |
|---|---|---|---|---|---|---|
| Claude Sonnet 5.5 | ٢٨ سبتمبر ٢٠٢٦ | ٧٠٫٦٠٪ | Terminal-Bench 4.0; reasoning effort max; estimated cost per task $10.44; Reported by OpenAI (not Anthropic) in the GPT-6.1 Terra launch post | لا | المصدر | |
| Gemini 4 Carbon | ٢٨ أكتوبر ٢٠٢٦ | ٦٥٫٢٠٪ | Google-reported launch evaluation; Artificial Analysis harness (AA); source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/images/gemini_4_carbon__evals-table.original.png; methodology: deepmind.google/models/evals-methodology/gemini-4-carbon | نعم | المصدر | |
| GPT-6 Astra | ٠٣ سبتمبر ٢٠٢٦ | ٥٨٫٢٠٪ | Terminal-Bench 4.0; reasoning effort max; estimated cost per task $10.34; OpenAI-reported in the GPT-6.1 Terra launch post | نعم | المصدر | |
| Gemini 4 Argon | ١٣ أكتوبر ٢٠٢٦ | ٥٧٫٤٠٪ | Google-reported launch evaluation; source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/gemini-4-argon_table_blog.gif | نعم | المصدر | |
| GPT-6.1 Sol | ٢٩ سبتمبر ٢٠٢٦ | ٥٥٫٩٠٪ | Terminal-Bench 4.0; reasoning effort max; estimated cost per task $1.98; OpenAI-reported in the GPT-6.1 Terra launch post | نعم | المصدر | |
| GPT-6.1 Terra | ٢٦ أكتوبر ٢٠٢٦ | ٥٠٫٣٠٪ | Terminal-Bench 4.0; reasoning effort max; estimated cost per task $1.84; OpenAI-reported in the GPT-6.1 Terra launch post | نعم | المصدر | |
| DeepSeek V4.1 Flash 1017 | ١٧ أكتوبر ٢٠٢٦ | ٤٢٫٣٠٪ | Terminal-Bench 4.0; Claude Code harness. Developer-reported percentage score (0–100), higher is better. DeepSeek-V4.1-Flash-1017 model card, release 2026-10-17, accessed 2026-10-17. Reasoning effort and any unlisted evaluation settings are not specified by this card. | نعم | المصدر | |
| DeepSeek V4.1 Flash | ١٠ سبتمبر ٢٠٢٦ | ٣١٫٢٠٪ | Instruct model; reasoning_effort=100; DeepSeek Harness Minimal; 1M context; Pass@1 | نعم | المصدر | |
| GPT 5.6 Terra | ٠٩ يوليو ٢٠٢٦ | ٢١٫٥٠٪ | Terminal-Bench 4.0; reasoning effort max; estimated cost per task $5.25; OpenAI-reported in the GPT-6.1 Terra launch post | نعم | المصدر |
