PhaseoPhaseo
ModelosChatCompararAplicacionesClasificaciones

Ayuda a mantener correctos los datos públicos

¿Ves algo que falta, es incorrecto o está desactualizado? Cuéntanoslo sobre esta página.

PhaseoPhaseo
Comprobando el estadoComprobando el estadoVisitar la página de estado
El estado por componente no está disponible.

Explorar

  • Modelos
  • Chat
  • Proveedores
  • Aplicaciones
  • Clasificaciones
  • Herramientas

Recursos

  • Comparar
  • Guías de migración
  • Metodología
  • Blog

Comunidad

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

Desarrollar

  • Documentación
  • Referencia de la API
  • Inicio rápido
  • SDK

Empresa

  • Acerca de
  • Centro de confianza
  • Misión
  • Precios
  • Compatible con
  • Agradecimientos
  • Soporte
  • Privacidad
  • Términos

Explorar

  • Modelos
  • Chat
  • Proveedores
  • Aplicaciones
  • Clasificaciones
  • Herramientas

Desarrollar

  • Documentación
  • Referencia de la API
  • Inicio rápido
  • SDK

Recursos

  • Comparar
  • Guías de migración
  • Metodología
  • Blog

Empresa

  • Acerca de
  • Centro de confianza
  • Misión
  • Precios
  • Compatible con
  • Agradecimientos
  • Soporte
  • Privacidad
  • Términos

Comunidad

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

© 2025 • Phaseo

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

Ayuda:Problema·Soporte

¿Necesitas ayuda con Phaseo?Abrir un problemaocontactar con soporte

Terminal Bench 2.0

Terminal Bench 2.0

Resultados de evaluaciones comparativas de IA y rendimiento de modelos

Tipo: percentage

Resultados registrados

50

Puntuación media

57.62%

Rango de puntuaciones

31% - 92.10%

Modelo líder

92.10% - Claude Mythos Preview
Puntuaciones a lo largo del tiempo

Puntuaciones individuales de la evaluación a lo largo del tiempo.

Resultados de modelos

OrganizaciónModelosFecha del resultadoMejor puntuaciónInformaciónAutodeclaradoFuente
AnthropicAnthropic
Anthropic
Claude Mythos Preview07 abr 202692,10 %Terminal-Bench 2.1 updates; 4h timeoutSíFuente
OpenAIOpenAI
OpenAI
GPT 5.523 abr 202682,70 %-SíFuente
OpenAIOpenAI
OpenAI
GPT 5.3 Codex05 feb 202677,30 %xhigh reasoningSíFuente
OpenAIOpenAI
OpenAI
GPT 5 Pro07 ago 202575,10 %inferred family alias from gpt-5.4 (score=0.4083; benches=19)SíFuente
OpenAIOpenAI
OpenAI
GPT 5 Search API14 oct 202575,10 %inferred family alias from gpt-5.4 (score=0.3050; benches=19)SíFuente
OpenAIOpenAI
OpenAI
GPT 5.405 mar 202675,10 %-SíFuente
Qwen
Qwen
Qwen 3.7 Max21 may 202669,70 %Harbor/Terminus-2 harness; avg of 5 runsSíFuente
AnthropicAnthropic
Anthropic
Claude Opus 4.716 abr 202669,40 %-SíFuente
z.AIz.AI
z.AI
GLM 5.107 abr 202669 %Best self-reported (Claude Code)SíFuente
Google
Google
Gemini 3.1 Pro Preview19 feb 202668,50 %Terminus-2 HarnessSí-
DeepSeek
DeepSeek
DeepSeek V4 Pro24 abr 202667,90 %Acc; DeepSeek-V4-Pro MaxSíFuente
Xiaomi
Xiaomi
MiMo V2.523 abr 202665,80 %Hugging Face evaluation resultSíFuente
AnthropicAnthropic
Anthropic
Claude Opus 4.605 feb 202665,40 %-SíFuente
OpenAIOpenAI
OpenAI
GPT 5.2 Codex18 dic 202564 %-SíFuente
Qwen
Qwen
Qwen 3.6 Plus01 abr 202661,60 %-SíFuente
OpenAIOpenAI
OpenAI
GPT 5.4 Mini17 mar 202660 %-SíFuente
AnthropicAnthropic
Anthropic
Claude Opus 4.524 nov 202559,30 %Avg@5, 128k ThinkingSíFuente
AnthropicAnthropic
Anthropic
Claude Sonnet 4.617 feb 202659,10 %Default thinking (no thinking budget)SíFuente
Meta
Meta
Muse Spark08 abr 202659 %-SíFuente
OpenAIOpenAI
OpenAI
GPT 5.3 Codex Spark12 feb 202658,40 %-SíFuente
Xiaomi
Xiaomi
MiMo V2 Pro18 mar 202657,10 %-SíFuente
Xiaomi
Xiaomi
MiMo V2 TTS (Free)18 mar 202657,10 %inferred modality/version alias from mimo-v2-proSíFuente
MiniMax
MiniMax
MiniMax M2.718 mar 202657 %-SíFuente
DeepSeek
DeepSeek
DeepSeek V4 Flash24 abr 202656,90 %Acc; DeepSeek-V4-Flash MaxSíFuente
z.AIz.AI
z.AI
GLM 511 feb 202656,20 %-SíFuente
Informar de un problema
Registrarse