Terminal Bench
AIベンチマーク結果とモデルの性能
種類: percentageCode
記録された結果
23
平均スコア
35.73%
スコアの範囲
8.50% - 47.90%
最上位モデル
47.90% - MiniMax M2.1
スコアの推移
日付ごとの個別ベンチマークスコアです。
モデル結果
| 組織 | モデル | 報告日 | 最高スコア | 情報 | 自己申告 | 出典 |
|---|---|---|---|---|---|---|
| MiniMax M2.1 | 2025年12月23日 | 47.90% | - | はい | 出典 | |
| Kimi K2 Thinking | 2025年11月06日 | 47.10% | inferred alias from kimi-k2-thinking-0905 | はい | 出典 | |
| MiniMax M2 | 2025年10月27日 | 46.30% | - | はい | - | |
| MiniMax M2 Her | 2026年1月24日 | 46.30% | inferred modality/version alias from minimax-m2 | はい | - | |
| Claude Opus 4.1 | 2025年8月05日 | 43.30% | - | はい | 出典 | |
| Nova 2 Pro | 2025年12月02日 | 41.30% | - | はい | 出典 | |
| Claude Haiku 4.5 | 2025年10月15日 | 41% | inferred alias from claude-haiku-4-5-20251001 | はい | 出典 | |
| GLM 4.6 | 2025年9月30日 | 40.50% | - | はい | 出典 | |
| LongCat Flash Chat | - | 39.51% | inferred high-confidence family alias from longcat-flash-chat (score=0.4667; benches=16) | はい | 出典 | |
| DeepSeek OCR 2 | - | 37.70% | inferred family alias from deepseek-v3.2-exp (score=0.3809; benches=14) | はい | 出典 | |
| DeepSeek V3.2 Exp | 2025年9月29日 | 37.70% | - | はい | 出典 | |
| Qwen 3 Coder 480B A35B Instruct | - | 37.50% | - | はい | 出典 | |
| GLM 4.5 | 2025年7月28日 | 37.50% | - | はい | 出典 | |
| GLM 4.7 | 2025年12月22日 | 33.30% | - | はい | 出典 | |
| Nova 2 Lite | 2025年12月02日 | 32.50% | - | はい | 出典 | |
| DeepSeek V3.1 | 2025年8月21日 | 31.30% | - | はい | 出典 | |
| DeepSeek V3.1 Terminus | 2025年9月22日 | 31.30% | inferred alias from deepseek-v3.1 | はい | 出典 | |
| MiMo V2 Flash | 2025年12月16日 | 30.50% | - | はい | 出典 | |
| Kimi K2 (2025-09-05) | 2025年9月05日 | 30% | Inhouse Framework (Acc) | はい | 出典 | |
| GLM 4.5 Air | 2025年7月28日 | 30% | - | はい | 出典 | |
| Nemotron 3 Super | 2026年3月11日 | 25.78% | - | はい | 出典 | |
| Nemotron 3 Nano 30B A3B | 2025年12月15日 | 8.50% | - | はい | 出典 |
