Terminal Bench 2.0

Name: Terminal Bench 2.0
Keywords: Terminal Bench 2.0, AIベンチマーク, モデル評価, AIベンチマークランキング, AIモデルの性能

AIベンチマーク結果とモデルの性能

種類: percentage

記録された結果

平均スコア

57.62%

スコアの範囲

31% - 92.10%

最上位モデル

92.10% - Claude Mythos Preview

スコアの推移

日付ごとの個別ベンチマークスコアです。

モデル結果

組織	モデル	報告日	最高スコア	情報	自己申告	出典
Anthropic	Claude Mythos Preview	2026年4月07日	92.10%	Terminal-Bench 2.1 updates; 4h timeout	はい	出典
OpenAI	GPT 5.5	2026年4月23日	82.70%	-	はい	出典
OpenAI	GPT 5.3 Codex	2026年2月05日	77.30%	xhigh reasoning	はい	出典
OpenAI	GPT 5 Pro	2025年8月07日	75.10%	inferred family alias from gpt-5.4 (score=0.4083; benches=19)	はい	出典
OpenAI	GPT 5 Search API	2025年10月14日	75.10%	inferred family alias from gpt-5.4 (score=0.3050; benches=19)	はい	出典
OpenAI	GPT 5.4	2026年3月05日	75.10%	-	はい	出典
Qwen	Qwen 3.7 Max	2026年5月21日	69.70%	Harbor/Terminus-2 harness; avg of 5 runs	はい	出典
Anthropic	Claude Opus 4.7	2026年4月16日	69.40%	-	はい	出典
z.AI	GLM 5.1	2026年4月07日	69%	Best self-reported (Claude Code)	はい	出典
Google	Gemini 3.1 Pro Preview	2026年2月19日	68.50%	Terminus-2 Harness	はい	-
DeepSeek	DeepSeek V4 Pro	2026年4月24日	67.90%	Acc; DeepSeek-V4-Pro Max	はい	出典
Xiaomi	MiMo V2.5	2026年4月23日	65.80%	Hugging Face evaluation result	はい	出典
Anthropic	Claude Opus 4.6	2026年2月05日	65.40%	-	はい	出典
OpenAI	GPT 5.2 Codex	2025年12月18日	64%	-	はい	出典
Qwen	Qwen 3.6 Plus	2026年4月01日	61.60%	-	はい	出典
OpenAI	GPT 5.4 Mini	2026年3月17日	60%	-	はい	出典
Anthropic	Claude Opus 4.5	2025年11月24日	59.30%	Avg@5, 128k Thinking	はい	出典
Anthropic	Claude Sonnet 4.6	2026年2月17日	59.10%	Default thinking (no thinking budget)	はい	出典
Meta	Muse Spark	2026年4月08日	59%	-	はい	出典
OpenAI	GPT 5.3 Codex Spark	2026年2月12日	58.40%	-	はい	出典
Xiaomi	MiMo V2 Pro	2026年3月18日	57.10%	-	はい	出典
Xiaomi	MiMo V2 TTS (Free)	2026年3月18日	57.10%	inferred modality/version alias from mimo-v2-pro	はい	出典
MiniMax	MiniMax M2.7	2026年3月18日	57%	-	はい	出典
DeepSeek	DeepSeek V4 Flash	2026年4月24日	56.90%	Acc; DeepSeek-V4-Flash Max	はい	出典
z.AI	GLM 5	2026年2月11日	56.20%	-	はい	出典

公開データの正確性にご協力ください