PhaseoPhaseo
मॉडलचैटतुलना करेंऐप्सरैंकिंग

सार्वजनिक डेटा को सही रखने में मदद करें

कुछ गायब, गलत या पुराना दिख रहा है? इस पेज के बारे में हमें बताएँ।

PhaseoPhaseo
स्थिति जांची जा रही हैस्थिति जांची जा रही हैस्थिति पृष्ठ पर जाएँ
घटक-स्तरीय स्थिति उपलब्ध नहीं है।

खोजें

  • मॉडल
  • चैट
  • प्रदाता
  • ऐप्स
  • रैंकिंग
  • टूल

संसाधन

  • तुलना करें
  • माइग्रेशन गाइड
  • कार्यप्रणाली
  • ब्लॉग

समुदाय

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

बनाएँ

  • दस्तावेज़
  • API संदर्भ
  • त्वरित शुरुआत
  • SDKs

कंपनी

  • हमारे बारे में
  • विश्वास केंद्र
  • मिशन
  • मूल्य निर्धारण
  • इसके साथ काम करता है
  • आभार
  • सहायता
  • गोपनीयता
  • शर्तें

खोजें

  • मॉडल
  • चैट
  • प्रदाता
  • ऐप्स
  • रैंकिंग
  • टूल

बनाएँ

  • दस्तावेज़
  • API संदर्भ
  • त्वरित शुरुआत
  • SDKs

संसाधन

  • तुलना करें
  • माइग्रेशन गाइड
  • कार्यप्रणाली
  • ब्लॉग

कंपनी

  • हमारे बारे में
  • विश्वास केंद्र
  • मिशन
  • मूल्य निर्धारण
  • इसके साथ काम करता है
  • आभार
  • सहायता
  • गोपनीयता
  • शर्तें

समुदाय

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

© 2025 • Phaseo

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

सहायता:समस्या·सहायता

Phaseo के लिए सहायता चाहिए?समस्या दर्ज करेंयासहायता से संपर्क करें

Terminal Bench 2.1

Terminal Bench 2.1

AI बेंचमार्क के परिणाम और मॉडल का प्रदर्शन

प्रकार: percentageCode
बेंचमार्क का स्रोत देखें

दर्ज परिणाम

17

औसत स्कोर

75.10%

स्कोर सीमा

24.58% - 90.60%

अग्रणी मॉडल

90.60% - DeepSeek V4.1 Flash
समय के साथ स्कोर

तारीख के अनुसार दिखाए गए अलग-अलग बेंचमार्क स्कोर।

मॉडल परिणाम

संगठनमॉडलरिपोर्ट किया गयासबसे ऊँचा स्कोरजानकारीस्व-रिपोर्ट किया गयास्रोत
DeepSeek
DeepSeek
DeepSeek V4.1 Flash10 सित॰ 202690.60%Instruct model; reasoning_effort=100; DeepSeek Harness Minimal; 1M context; Pass@1हाँस्रोत
MoonshotMoonshot
Moonshot
Kimi K316 जुल॰ 202688.30%KimiCode harness; other models in Moonshot's comparison use their best reported score across different harnesses.हाँस्रोत
AnthropicAnthropic
Anthropic
Claude Fable 509 जून 202688%Starred row in Anthropic's launch tableहाँस्रोत
AnthropicAnthropic
Anthropic
Claude Mythos 509 जून 202688%Starred row in Anthropic's launch tableहाँस्रोत
DeepSeek
DeepSeek
DeepSeek V4 Flash 073131 जुल॰ 202682.70%DeepSeek Harness minimal mode; max effort; top_p=0.95; temperature=1.0हाँस्रोत
Sakana AI
Sakana AI
Fugu Ultra22 जून 202682.10%Sakana Fugu product page benchmark table.हाँस्रोत
AnthropicAnthropic
Anthropic
Claude Sonnet 530 जून 202680.40%mini-SWE-agent harness; xhigh effort; mean reward across 445 trialsहाँस्रोत
Sakana AI
Sakana AI
Fugu22 जून 202680.20%Sakana Fugu product page benchmark table.हाँस्रोत
ReflectionReflection
Reflection
Beam05 अक्टू॰ 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.हाँस्रोत
Meta
Meta
Muse Spark 1.109 जुल॰ 202680%Agentic terminal codingहाँस्रोत
Google
Google
Gemini 3.5 Flash19 मई 202676.20%-हाँस्रोत
AnthropicAnthropic
Anthropic
Claude Opus 4.828 मई 202674.60%Terminus-2 public harness; max effortहाँस्रोत
Qwen
Qwen
Qwen 3.8 27B14 अग॰ 202673%Terminus harnessहाँस्रोत
PoolsidePoolside
Poolside
Laguna S 2.121 जुल॰ 202670.20%mean pass@1 with thinking enabledहाँस्रोत
MiniMax
MiniMax
MiniMax M301 जून 202666%-हाँस्रोत
Meta
Meta
Muse Glimmer 30B10 अग॰ 202651.70%With terminus2; high reasoningहाँस्रोत
Nvidia
Nvidia
Nemotron 3.5 Lightning 30B A3B11 अग॰ 202624.58%NVIDIA release evaluation suiteहाँस्रोत
समस्या की रिपोर्ट करें
साइन अप करें