PhaseoPhaseo
ModèlesChatComparerApplicationsClassements

Aidez à maintenir l’exactitude des données publiques

Une information manque, est incorrecte ou obsolète ? Signalez-le-nous pour cette page.

PhaseoPhaseo
Vérification du statutVérification du statutConsulter la page du statut
Le statut au niveau du composant est indisponible.

Explorer

  • Modèles
  • Chat
  • Fournisseurs
  • Applications
  • Classements
  • Outils

Ressources

  • Comparer
  • Guides de migration
  • Méthodologie
  • Blog

Communauté

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

Développer

  • Documentation
  • Référence API
  • Démarrage rapide
  • SDK

Entreprise

  • À propos
  • Centre de confiance
  • Mission
  • Tarifs
  • Compatible avec
  • Remerciements
  • Assistance
  • Confidentialité
  • Conditions

Explorer

  • Modèles
  • Chat
  • Fournisseurs
  • Applications
  • Classements
  • Outils

Développer

  • Documentation
  • Référence API
  • Démarrage rapide
  • SDK

Ressources

  • Comparer
  • Guides de migration
  • Méthodologie
  • Blog

Entreprise

  • À propos
  • Centre de confiance
  • Mission
  • Tarifs
  • Compatible avec
  • Remerciements
  • Assistance
  • Confidentialité
  • Conditions

Communauté

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

© 2025 • Phaseo

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

Aide :Problème·Assistance

Besoin d’aide avec Phaseo ?Signaler un problèmeoucontacter l’assistance

Terminal Bench 2.1

Terminal Bench 2.1

Résultats des évaluations de l’IA et performances des modèles

Type: percentageCode
Voir la source du benchmark

Résultats enregistrés

17

Score moyen

75.10%

Plage des scores

24.58% - 90.60%

Modèle en tête

90.60% - DeepSeek V4.1 Flash
Scores au fil du temps

Scores individuels du benchmark tracés par date.

Résultats des modèles

OrganisationModèlesDate du résultatMeilleur scoreInformationsDéclaré par le fournisseurSource
DeepSeek
DeepSeek
DeepSeek V4.1 Flash10 sept. 202690,60 %Instruct model; reasoning_effort=100; DeepSeek Harness Minimal; 1M context; Pass@1OuiSource
MoonshotMoonshot
Moonshot
Kimi K316 juil. 202688,30 %KimiCode harness; other models in Moonshot's comparison use their best reported score across different harnesses.OuiSource
AnthropicAnthropic
Anthropic
Claude Fable 509 juin 202688 %Starred row in Anthropic's launch tableOuiSource
AnthropicAnthropic
Anthropic
Claude Mythos 509 juin 202688 %Starred row in Anthropic's launch tableOuiSource
DeepSeek
DeepSeek
DeepSeek V4 Flash 073131 juil. 202682,70 %DeepSeek Harness minimal mode; max effort; top_p=0.95; temperature=1.0OuiSource
Sakana AI
Sakana AI
Fugu Ultra22 juin 202682,10 %Sakana Fugu product page benchmark table.OuiSource
AnthropicAnthropic
Anthropic
Claude Sonnet 530 juin 202680,40 %mini-SWE-agent harness; xhigh effort; mean reward across 445 trialsOuiSource
Sakana AI
Sakana AI
Fugu22 juin 202680,20 %Sakana Fugu product page benchmark table.OuiSource
ReflectionReflection
Reflection
Beam05 oct. 202680,10 %Reflection-reported launch score. Source row: Terminal Bench v2.1. Accessed 2026-10-05T22:51:12.456Z. Harness, reasoning effort, sampling and trial count are not specified per row. Not independently reproduced.OuiSource
Meta
Meta
Muse Spark 1.109 juil. 202680 %Agentic terminal codingOuiSource
Google
Google
Gemini 3.5 Flash19 mai 202676,20 %-OuiSource
AnthropicAnthropic
Anthropic
Claude Opus 4.828 mai 202674,60 %Terminus-2 public harness; max effortOuiSource
Qwen
Qwen
Qwen 3.8 27B14 août 202673 %Terminus harnessOuiSource
PoolsidePoolside
Poolside
Laguna S 2.121 juil. 202670,20 %mean pass@1 with thinking enabledOuiSource
MiniMax
MiniMax
MiniMax M301 juin 202666 %-OuiSource
Meta
Meta
Muse Glimmer 30B10 août 202651,70 %With terminus2; high reasoningOuiSource
Nvidia
Nvidia
Nemotron 3.5 Lightning 30B A3B11 août 202624,58 %NVIDIA release evaluation suiteOuiSource
Signaler un problème
Créer un compte