Terminal Bench 4.0

Name: Terminal Bench 4.0
Keywords: Terminal Bench 4.0, 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: percentageCode

ベンチマークの出典を見る

記録された結果

平均スコア

47.28%

スコアの範囲

20% - 70.60%

最上位モデル

70.60% - Claude Sonnet 5.5

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 Sonnet 5.5	2026年9月28日	70.60%	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 post	いいえ	出典
Google	Gemini 4 Carbon	2026年10月28日	65.20%	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-carbon	はい	出典
OpenAI	GPT-6 Astra	2026年9月03日	58.20%	Terminal-Bench 4.0; reasoning effort max; estimated cost per task $10.34; OpenAI-reported in the GPT-6.1 Terra launch post	はい	出典
Google	Gemini 4 Argon	2026年10月13日	57.40%	Google-reported launch evaluation; source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/gemini-4-argon_table_blog.gif	はい	出典
OpenAI	GPT-6.1 Sol	2026年9月29日	55.90%	Terminal-Bench 4.0; reasoning effort max; estimated cost per task $1.98; OpenAI-reported in the GPT-6.1 Terra launch post	はい	出典
OpenAI	GPT-6.1 Terra	2026年10月26日	50.30%	Terminal-Bench 4.0; reasoning effort max; estimated cost per task $1.84; OpenAI-reported in the GPT-6.1 Terra launch post	はい	出典
DeepSeek	DeepSeek V4.1 Flash 1017	2026年10月17日	42.30%	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.	はい	出典
DeepSeek	DeepSeek V4.1 Flash	2026年9月10日	31.20%	Instruct model; reasoning_effort=100; DeepSeek Harness Minimal; 1M context; Pass@1	はい	出典
OpenAI	GPT 5.6 Terra	2026年7月09日	21.50%	Terminal-Bench 4.0; reasoning effort max; estimated cost per task $5.25; OpenAI-reported in the GPT-6.1 Terra launch post	はい	出典

公開データの正確性にご協力ください