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 4.0

Terminal Bench 4.0

Résultats des évaluations de l’IA et performances des modèles

Type: percentageCode
Voir la source du benchmark

Résultats enregistrés

25

Score moyen

47.28%

Plage des scores

20% - 70.60%

Modèle en tête

70.60% - Claude Sonnet 5.5
Scores au fil du temps

Scores individuels du benchmark tracés par date.

Résultats des modèles

OrganisationModèlesDate du résultatMeilleur scoreInformationsDéclaré par le fournisseurSource
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 postNonSource
Google
Google
Gemini 4 Carbon28 oct. 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-carbonOuiSource
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 postOuiSource
Google
Google
Gemini 4 Argon13 oct. 202657,40 %Google-reported launch evaluation; source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/gemini-4-argon_table_blog.gifOuiSource
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 postOuiSource
OpenAIOpenAI
OpenAI
GPT-6.1 Terra26 oct. 202650,30 %Terminal-Bench 4.0; reasoning effort max; estimated cost per task $1.84; OpenAI-reported in the GPT-6.1 Terra launch postOuiSource
DeepSeek
DeepSeek
DeepSeek V4.1 Flash 101717 oct. 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.OuiSource
DeepSeek
DeepSeek
DeepSeek V4.1 Flash10 sept. 202631,20 %Instruct model; reasoning_effort=100; DeepSeek Harness Minimal; 1M context; Pass@1OuiSource
OpenAIOpenAI
OpenAI
GPT 5.6 Terra09 juil. 202621,50 %Terminal-Bench 4.0; reasoning effort max; estimated cost per task $5.25; OpenAI-reported in the GPT-6.1 Terra launch postOuiSource
Signaler un problème
Créer un compte