PhaseoPhaseo
ModelleChatVergleichenAnwendungenRanglisten

Hilf mit, öffentliche Daten korrekt zu halten

Fehlt etwas oder ist etwas falsch oder veraltet? Gib uns Rückmeldung zu dieser Seite.

PhaseoPhaseo
Status wird geprüftStatus wird geprüftStatusseite besuchen
Status auf Komponentenebene ist nicht verfügbar.

Entdecken

  • Modelle
  • Chat
  • Anbieter
  • Anwendungen
  • Ranglisten
  • Werkzeuge

Ressourcen

  • Vergleichen
  • Migrationsleitfäden
  • Methodik
  • Blog

Community

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

Entwickeln

  • Dokumentation
  • API-Referenz
  • Schnellstart
  • SDKs

Unternehmen

  • Über uns
  • Vertrauenszentrum
  • Mission
  • Preise
  • Kompatibel mit
  • Danksagungen
  • Hilfe
  • Datenschutz
  • Bedingungen

Entdecken

  • Modelle
  • Chat
  • Anbieter
  • Anwendungen
  • Ranglisten
  • Werkzeuge

Entwickeln

  • Dokumentation
  • API-Referenz
  • Schnellstart
  • SDKs

Ressourcen

  • Vergleichen
  • Migrationsleitfäden
  • Methodik
  • Blog

Unternehmen

  • Über uns
  • Vertrauenszentrum
  • Mission
  • Preise
  • Kompatibel mit
  • Danksagungen
  • Hilfe
  • Datenschutz
  • Bedingungen

Community

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

© 2025 • Phaseo

Sprache ändern: Deutsch (Deutschland)
  • English (UK)
  • 简体中文
  • हिन्दी
  • Español (España)
  • Français (France)
  • Deutsch (Deutschland)
  • Português (Brasil)
  • 日本語
  • العربية

Hilfe:Problem·Hilfe

Brauchst du Hilfe mit Phaseo?Problem meldenoderSupport kontaktieren

Terminal Bench 4.0

Terminal Bench 4.0

Ergebnisse von KI-Benchmarks und Modellleistung

Typ: percentageCode
Benchmark-Quelle ansehen

Erfasste Ergebnisse

25

Durchschnittspunktzahl

47.28%

Punktzahlbereich

20% - 70.60%

Führendes Modell

70.60% - Claude Sonnet 5.5
Punktzahlen im Zeitverlauf

Einzelne Benchmark-Punktzahlen nach Datum.

Modellergebnisse

OrganisationModelleGemeldet amHöchste PunktzahlInfoSelbst gemeldetQuelle
AnthropicAnthropic
Anthropic
Claude Sonnet 5.528. Sept. 202670,60 %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 postNeinQuelle
Google
Google
Gemini 4 Carbon28. Okt. 202665,20 %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-carbonJaQuelle
OpenAIOpenAI
OpenAI
GPT-6 Astra03. Sept. 202658,20 %Terminal-Bench 4.0; reasoning effort max; estimated cost per task $10.34; OpenAI-reported in the GPT-6.1 Terra launch postJaQuelle
Google
Google
Gemini 4 Argon13. Okt. 202657,40 %Google-reported launch evaluation; source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/gemini-4-argon_table_blog.gifJaQuelle
OpenAIOpenAI
OpenAI
GPT-6.1 Sol29. Sept. 202655,90 %Terminal-Bench 4.0; reasoning effort max; estimated cost per task $1.98; OpenAI-reported in the GPT-6.1 Terra launch postJaQuelle
OpenAIOpenAI
OpenAI
GPT-6.1 Terra26. Okt. 202650,30 %Terminal-Bench 4.0; reasoning effort max; estimated cost per task $1.84; OpenAI-reported in the GPT-6.1 Terra launch postJaQuelle
DeepSeek
DeepSeek
DeepSeek V4.1 Flash 101717. Okt. 202642,30 %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.JaQuelle
DeepSeek
DeepSeek
DeepSeek V4.1 Flash10. Sept. 202631,20 %Instruct model; reasoning_effort=100; DeepSeek Harness Minimal; 1M context; Pass@1JaQuelle
OpenAIOpenAI
OpenAI
GPT 5.6 Terra09. Juli 202621,50 %Terminal-Bench 4.0; reasoning effort max; estimated cost per task $5.25; OpenAI-reported in the GPT-6.1 Terra launch postJaQuelle
Problem melden
Registrieren