벤치마크 · agentic

Terminal-Bench 2

13 결과 10 모델

Harbor/Terminus-2 89-task terminal-agent suite; 2.0 and 2.1 are the same task set, so one series. File here only when the quote says 2.0 / 2.1 / v2 — not the original suite (terminal-bench), and not the harder 'Terminal-Bench Hard' subset (not in this catalog).

GPT-5.1-Codex-Max Step 3.5 Flash MiniMax M2.7 GPT-5.5 Qwen3.6-27B GLM 5.2 FP8 with FP8 KV LLM-as-a-Verifier Grok 4.5 hermes Gemini 3.5 Flash-Lite

타임라인

날짜	모델	점수	출처
2026-07-21	Gemini 3.5 Flash-Lite	54.0%	Google, 에이전트 워크로드를 위한 Gemini 3.6 Flash, 3.5 Flash-Lite, 3.5 Flash Cyber 출시
2026-07-21	Gemini 3.5 Flash-Lite	54.0%	구글, Gemini 3.6 Flash, 3.5 Flash-Lite 및 3.5 Flash Cyber 출시
2026-07-08	hermes	55.0%	사용자가 Mimo v2.5를 DeepSeek V4 Flash 및 Hermes와 벤치마킹
2026-07-08	Grok 4.5	83.3%	xAI, 저비용 및 혼합 벤치마크 성능의 Grok 4.5 출시
2026-07-07	LLM-as-a-Verifier	86.5%	LLM-as-a-Verifier이 연속 점수 매핑을 위한 범용 검증 프레임워크 도입
2026-07-05	GLM 5.2 FP8 with FP8 KV	79.8%	GLM 5.2 FP8 및 FP8 KV로 Terminal-Bench 2.1에서 79.8% 달성
2026-04-25	Qwen3.6-27B	59.3%	알리바바, Qwen3.6-27B 출시, 더 큰 후속 모델보다 코딩 벤치마크에서 우위
2026-04-25	GPT-5.5	82.7%	OpenAI, 네이티브 오미모달 처리를 갖춘 GPT-5.5 출시
2026-04-23	GPT-5.5	82.7%	OpenAI, API를 통해 GPT-5.5 및 GPT-5.5 Pro 출시
2026-04-23	GPT-5.5	82.7%	OpenAI, 에이전트 기능과 두 배의 API 가격으로 GPT-5.5 출시
2026-04-12	MiniMax M2.7	57.0%	MiniMax가 자체 진화 MoE 모델 M2.7을 오픈소스로 공개, SWE-Pro에서 56.22% 점수 달성
2026-02-10	Step 3.5 Flash	51.0%	단계 3.5 Flash: 11B 활성 MoE 모델이 최전선 에이전트 성능 달성
2025-11-19	GPT-5.1-Codex-Max	58.1%	OpenAI, Codex CLI의 기본 모델로 GPT-5.1-Codex-Max 채택