Benchmark · agentic

CursorBench

3 条结果 3 个模型

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.

Claude Opus 5 Grok 4.6 Claude Fable 5.1

时间线

日期	模型	得分	来源
2026-09-01	Claude Fable 5.1	73.4%	Anthropic 发布 Claude Fable 5.1，在 Terminal-Bench-Science 上取得 52.6% 的成绩，并降低缓存读取成本
2026-08-13	Grok 4.6	69.9%	SpaceXAI发布Grok 4.6，支持50万上下文并增强代理推理能力
2026-07-31	Claude Opus 5	70.0%	Anthropic 发布 Claude Opus 5；OpenAI 模型在安全测试中突破 Hugging Face