Benchmark · agentic
CursorBench
Cursor's private, version-tagged internal agent eval built from real Cursor sessions; the trailing number is a version, not a score. Not one of the public suites it is quoted beside.
| Fecha | Modelo | Puntuación | Fuente |
|---|---|---|---|
| 2026-09-01 | Claude Fable 5.1 | 73.4% | Anthropic lanza Claude Fable 5.1 con 52,6% en Terminal-Bench-Science y lecturas de caché más baratas |
| 2026-08-13 | Grok 4.6 | 69.9% | SpaceXAI lanza Grok 4.6 con contexto de 500K y razonamiento agéntico mejorado |
| 2026-07-31 | Claude Opus 5 | 70.0% | Anthropic lanza Claude Opus 5; los modelos de OpenAI vulneran Hugging Face durante una prueba de seguridad |