PhaseoPhaseo
ModelosChatCompararAplicativosClassificações

Ajude a manter os dados públicos corretos

Viu algo faltando, incorreto ou desatualizado? Conte-nos sobre esta página.

PhaseoPhaseo
Verificando statusVerificando statusVisitar página de status
O status por componente está indisponível.

Explorar

  • Modelos
  • Chat
  • Provedores
  • Aplicativos
  • Classificações
  • Ferramentas

Recursos

  • Comparar
  • Guias de migração
  • Metodologia
  • Blog

Comunidade

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

Criar

  • Documentação
  • Referência da API
  • Início rápido
  • SDKs

Empresa

  • Sobre
  • Central de confiança
  • Missão
  • Preços
  • Funciona com
  • Agradecimentos
  • Suporte
  • Privacidade
  • Termos

Explorar

  • Modelos
  • Chat
  • Provedores
  • Aplicativos
  • Classificações
  • Ferramentas

Criar

  • Documentação
  • Referência da API
  • Início rápido
  • SDKs

Recursos

  • Comparar
  • Guias de migração
  • Metodologia
  • Blog

Empresa

  • Sobre
  • Central de confiança
  • Missão
  • Preços
  • Funciona com
  • Agradecimentos
  • Suporte
  • Privacidade
  • Termos

Comunidade

  • Discord
  • GitHub
  • LinkedIn
  • Reddit
  • X

© 2025 • Phaseo

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

Ajuda:problema·Suporte

Precisa de ajuda com o Phaseo?Abrir um problemaouentrar em contato com o suporte

Terminal Bench 4.0

Terminal Bench 4.0

Resultados de benchmarks de IA e desempenho dos modelos

Tipo: percentageCode
Ver fonte do benchmark

Resultados registrados

25

Pontuação média

47.28%

Faixa de pontuação

20% - 70.60%

Modelo líder

70.60% - Claude Sonnet 5.5
Pontuações ao longo do tempo

Pontuações individuais do benchmark exibidas por data.

Resultados de modelos

OrganizaçãoModelosData informadaMaior pontuaçãoInformaçõesDeclarado pelo provedorFonte
AnthropicAnthropic
Anthropic
Claude Sonnet 5.528 de set. de 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 postNãoFonte
Google
Google
Gemini 4 Carbon28 de out. de 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-carbonSimFonte
OpenAIOpenAI
OpenAI
GPT-6 Astra03 de set. de 202658,20%Terminal-Bench 4.0; reasoning effort max; estimated cost per task $10.34; OpenAI-reported in the GPT-6.1 Terra launch postSimFonte
Google
Google
Gemini 4 Argon13 de out. de 202657,40%Google-reported launch evaluation; source chart: https://storage.googleapis.com/gweb-uniblog-publish-prod/original_images/gemini-4-argon_table_blog.gifSimFonte
OpenAIOpenAI
OpenAI
GPT-6.1 Sol29 de set. de 202655,90%Terminal-Bench 4.0; reasoning effort max; estimated cost per task $1.98; OpenAI-reported in the GPT-6.1 Terra launch postSimFonte
OpenAIOpenAI
OpenAI
GPT-6.1 Terra26 de out. de 202650,30%Terminal-Bench 4.0; reasoning effort max; estimated cost per task $1.84; OpenAI-reported in the GPT-6.1 Terra launch postSimFonte
DeepSeek
DeepSeek
DeepSeek V4.1 Flash 101717 de out. de 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.SimFonte
DeepSeek
DeepSeek
DeepSeek V4.1 Flash10 de set. de 202631,20%Instruct model; reasoning_effort=100; DeepSeek Harness Minimal; 1M context; Pass@1SimFonte
OpenAIOpenAI
OpenAI
GPT 5.6 Terra09 de jul. de 202621,50%Terminal-Bench 4.0; reasoning effort max; estimated cost per task $5.25; OpenAI-reported in the GPT-6.1 Terra launch postSimFonte
Relatar um problema
Criar conta