korshunov.ai Tudo o que importa no mundo do ML
PT-BR
Benchmark · agentic

Terminal-Bench 2

40 resultados 31 modelos

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).

0 25 50 75 100 2025-11-19 2026-04-15 2026-09-10 GPT-5.1-Codex-Max · 58.1 · 2025-11-19 Step 3.5 Flash · 51 · 2026-02-10 MiniMax M2.7 · 57 · 2026-04-12 GPT-5.5 · 82.7 · 2026-04-23 GPT-5.5 · 82.7 · 2026-04-23 GPT-5.5 · 82.7 · 2026-04-25 Qwen3.6-27B · 59.3 · 2026-04-25 Qwen3.6-27B · 60.7 · 2026-08-10 GLM 5.2 FP8 with FP8 KV · 79.8 · 2026-07-05 LLM-as-a-Verifier · 86.5 · 2026-07-07 Grok 4.5 · 83.3 · 2026-07-08 hermes · 55 · 2026-07-08 Gemini 3.5 Flash-Lite · 54 · 2026-07-21 Gemini 3.5 Flash-Lite · 54 · 2026-07-21 Gemini 3.5 Flash-Lite · 54 · 2026-07-27 KAT-Coder-V2.5 · 60.7 · 2026-07-26 DeepSeek-V4-Flash · 82.7 · 2026-07-31 DeepSeek-V4-Flash · 79 · 2026-08-01 DeepSeek-V4-Flash-0731 · 82.7 · 2026-07-31 DeepSeek-V4-Flash-0731 · 82.7 · 2026-08-07 V4 Flash 0731 · 79 · 2026-08-01 Inkling-Small · 64.7 · 2026-08-03 Qwen3.8-Max · 86.6 · 2026-08-03 Qwen3.8-Max · 67.4 · 2026-08-05 Muse Spark 1.1 · 80 · 2026-08-05 Pokee-Isaac 28B · 65.1 · 2026-08-08 DeepSeek V4 Flash 0731 · 82.7 · 2026-08-09 Opus 5 · 86.7 · 2026-08-11 Grok 4.6 · 88.4 · 2026-08-13 Grok 4.6 · 88.4 · 2026-08-21 DeepSeek-V4-Pro · 87.9 · 2026-08-13 Ornith-1.5 · 86.1 · 2026-08-19 agents · 94 · 2026-08-20 DeepSeek-V4-Flash-Vision-Exp · 83.9 · 2026-08-21 Granite 4.2 30B · 29.2 · 2026-08-26 Granite 4.2 8B · 20.6 · 2026-08-26 Muse Spark 1.3 · 88.8 · 2026-09-04 K2-Horizon-MoVA-36B-A4B · 58.6 · 2026-09-07 K2-Horizon-375B-A23B · 66.9 · 2026-09-07 DeepSeek-V4.1-Flash · 90.6 · 2026-09-10
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 KAT-Coder-V2.5 DeepSeek-V4-Flash DeepSeek-V4-Flash-0731 V4 Flash 0731 Inkling-Small Qwen3.8-Max Muse Spark 1.1 Pokee-Isaac 28B DeepSeek V4 Flash 0731 Opus 5 Grok 4.6 DeepSeek-V4-Pro Ornith-1.5 agents DeepSeek-V4-Flash-Vision-Exp Granite 4.2 30B Granite 4.2 8B Muse Spark 1.3 K2-Horizon-MoVA-36B-A4B K2-Horizon-375B-A23B DeepSeek-V4.1-Flash
Linha do tempo
Data Modelo Pontuação Fonte
2026-09-10 DeepSeek-V4.1-Flash 90.6% DeepSeek lança modelo V4.1-Flash com suporte multimodal nativo
2026-09-07 K2-Horizon-MoVA-36B-A4B 58.6% IFM lança K2 Horizon: seis modelos Apache 2.0 de 0,9B a 375B
2026-09-07 K2-Horizon-375B-A23B 66.9% IFM lança K2 Horizon: seis modelos Apache 2.0 de 0,9B a 375B
2026-09-04 Muse Spark 1.3 88.8% Meta lança Muse Spark 1.3 com menos chamadas de ferramentas e tokens
2026-08-26 Granite 4.2 30B 29.24% IBM lança Granite 4.2 com raciocínio nativo e RL agêntico para modelos empresariais abertos
2026-08-26 Granite 4.2 8B 20.56% IBM lança Granite 4.2 com raciocínio nativo e RL agêntico para modelos empresariais abertos
2026-08-21 Grok 4.6 88.4% SpaceXAI apresenta Grok 4.6 com dados do Cursor para trabalho agêntico
2026-08-21 DeepSeek-V4-Flash-Vision-Exp 83.9% DeepSeek lança o modelo multimodal DeepSeek-V4-Flash-Vision-Exp
2026-08-20 agents 94.0% Meta lança Muse Video com áudio nativo; Stripe adquire OpenRouter
2026-08-19 Ornith-1.5 86.1% Ornith-1.5 lança modelos de 9B, 35B-A3B e 397B com treinamento de autoaperfeiçoamento
2026-08-13 DeepSeek-V4-Pro 87.9% Lançamento GA do DeepSeek-V4-Pro melhora capacidades de agente e adiciona suporte à API de Respostas
2026-08-13 Grok 4.6 88.4% xAI lança Grok 4.6; Alibaba abre Qwen3.8-MoE; DeepSeek V4 Pro GA
2026-08-11 Opus 5 86.74% Agente auto-desenvolvedor Ouroboros estabelece novos recordes com Opus 5
2026-08-10 Qwen3.6-27B 60.7% Meta lança Muse Glimmer, um modelo agêntico de pesos abertos com 30B que roda em uma GPU de consumo
2026-08-09 DeepSeek V4 Flash 0731 82.7% DeepSeek V4 Flash 0731 atinge 82,7% no Terminal-Bench 2.1 em ambiente público
2026-08-08 Pokee-Isaac 28B 65.1% Pokee AI lança Pokee-Isaac 28B, um modelo de contexto de 10M de tokens para implantação em limites definidos
2026-08-07 DeepSeek-V4-Flash-0731 82.7% DeepSeek lança V4-Flash-0731, superando o V4-Pro a um custo menor
2026-08-05 Muse Spark 1.1 80.0% Meta lança agente de terminal beta do Muse Code alimentado pelo Muse Spark 1.2
2026-08-05 Qwen3.8-Max 67.4% Alibaba anuncia Qwen3.8-Max com 2,4T de parâmetros e pesos abertos em breve
2026-08-03 Qwen3.8-Max 86.6% Alibaba lança Qwen3.8-Max, um modelo MoE de 2,4T parâmetros
2026-08-03 Inkling-Small 64.7% Thinking Machines Lab lança Inkling-Small, um modelo MoE multimodal de pesos abertos com 276B
2026-08-01 V4 Flash 0731 79.0% DeepSeek lança V4-Flash com ganhos significativos no pós-treinamento e pesos abertos
2026-08-01 DeepSeek-V4-Flash 79.0% DeepSeek lança V4-Flash com ganhos pós-treinamento e pesos abertos
2026-07-31 DeepSeek-V4-Flash-0731 82.7% DeepSeek lança V4-Flash-0731 com grandes ganhos agênticos e menor custo
2026-07-31 DeepSeek-V4-Flash 82.7% DeepSeek lança o DeepSeek-V4-Flash em beta público com capacidades aprimoradas de agente
2026-07-27 Gemini 3.5 Flash-Lite 54.0% Google lança Gemini 3.6 Flash, 3.5 Flash-Lite e 3.5 Flash Cyber
2026-07-26 KAT-Coder-V2.5 60.7% KwaiKAT lança KAT-Coder-V2.5, um modelo de codificação agêntica treinado em mais de 100.000 ambientes verificáveis
2026-07-21 Gemini 3.5 Flash-Lite 54.0% Google lança Gemini 3.6 Flash, 3.5 Flash-Lite e 3.5 Flash Cyber para cargas de trabalho agênticas
2026-07-21 Gemini 3.5 Flash-Lite 54.0% Google lança Gemini 3.6 Flash, 3.5 Flash-Lite e 3.5 Flash Cyber
2026-07-08 hermes 55.0% Usuários comparam Mimo v2.5 contra DeepSeek V4 Flash e Hermes
2026-07-08 Grok 4.5 83.3% xAI lança Grok 4.5 com baixo custo e desempenho misto em benchmarks
2026-07-07 LLM-as-a-Verifier 86.5% LLM-as-a-Verifier apresenta framework de verificação de propósito geral com pontuação contínua
2026-07-05 GLM 5.2 FP8 with FP8 KV 79.8% GLM 5.2 FP8 com KV FP8 atinge 79,8% no Terminal-Bench 2.1
2026-04-25 Qwen3.6-27B 59.3% Alibaba lança Qwen3.6-27B, superando predecessor maior em benchmarks de codificação
2026-04-25 GPT-5.5 82.7% OpenAI lança GPT-5.5, um modelo retreinado do zero com processamento omnimodal nativo
2026-04-23 GPT-5.5 82.7% OpenAI lança GPT-5.5 com capacidades agênticas e preço de API dobrado
2026-04-23 GPT-5.5 82.7% OpenAI lança GPT-5.5 e GPT-5.5 Pro na API
2026-04-12 MiniMax M2.7 57.0% MiniMax abre o código-fonte do M2.7, um modelo MoE autoevolutivo que pontua 56.22% no SWE-Pro
2026-02-10 Step 3.5 Flash 51.0% Passo 3.5 Flash: modelo MoE aberto com 11B ativos atinge desempenho de agente de nível fronteira
2025-11-19 GPT-5.1-Codex-Max 58.1% OpenAI torna o GPT-5.1-Codex-Max o padrão no Codex CLI