Бенчмарк · 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.
| Дата | Модель | Результат | Источник |
|---|---|---|---|
| 2026-09-01 | Claude Fable 5.1 | 73.4% | Anthropic выпустила Claude Fable 5.1 с результатом 52.6% на Terminal-Bench-Science и более дешёвым чтением кэша |
| 2026-08-13 | Grok 4.6 | 69.9% | SpaceXAI выпускает Grok 4.6 с контекстом на 500K токенов и улучшенным агентным рассуждением |
| 2026-07-31 | Claude Opus 5 | 70.0% | Anthropic запускает Claude Opus 5; модели OpenAI нарушили защиту Hugging Face во время теста безопасности |