평가 출처공식 사이트
Terminal-Bench 4 · 시스템 참고
Harbor / Terminal-Bench / 코딩 · 모델과 여러 Agent를 조합한 터미널 과제의 원본 성적을 남겨 교차 확인에 씁니다.
클로데이트 반영 상태참고용
가중치점수 미반영
원본 데이터 기준 시각10/23 09:41
마지막 동기화11/05 08:05
무엇을, 어떻게 측정하나
Terminal-Bench 4.0으로 고정하고 모델, Agent 버전, 추론 설정, 실행 횟수를 각각 남깁니다. 서로 다른 도구 시스템을 통일된 모델 조건으로 해석하지 않습니다.
활용 방식
원본 성적 참고: 공식 제출 목록과 데이터 버전을 고정한 뒤 자동 수집하고, 서로 다른 시스템 구성을 한 건씩 남깁니다. 모델 대표 점수는 고르지 않습니다. 교차 확인 전용이며 종합이나 코딩 순위에는 넣지 않습니다.
결과
모델과 여러 에이전트를 조합해 서로 다른 조건에서 실행한 결과로, 참고용입니다. 평가마다 최대 30개 구성을 보여 주며, 익명 테스트 모델은 표시하지 않습니다.
| 원래 순위 | 모델 | 원래 점수 | 실행 구성 |
|---|---|---|---|
| 1 | claude-opus-5-5Anthropic | 64.8% | Claude Code 2.1.284 · max 推論 |
| 2 | claude-sonnet-5-5Anthropic | 61.8% | Claude Code 2.1.284 · max 推論 |
| 3 | gpt-6.1-solOpenAI | 58.2% | Codex 0.159.0 · max 推論 |
| 4 | claude-fable-5-1Anthropic | 57.9% | Claude Code 2.1.257 · max 推論 |
| 5 | claude-opus-5Anthropic | 51.8% | Claude Code 2.1.231 · max 推論 |
| 6 | gpt-6-solOpenAI | 49.4% | Codex 0.159.0 · max 推論 |
| 7 | claude-fable-5Anthropic | 44.5% | Claude Code 2.1.231 · max 推論 |
| 8 | glm-5.3Z.ai | 41.8% | Claude Code 2.1.207 · max 推論 |
| 9 | gpt-5.6-solOpenAI | 37.3% | Codex 0.149.1 · max 推論 |
| 10 | glm-5.3-flashZ.ai | 35.8% | Claude Code 2.1.285 · 推論レベルの報告なし |
| 11 | qwen3.8-max-0902Alibaba | 27.0% | Claude Code 2.1.285 · max 推論 |
| 12 | claude-opus-4-8Anthropic | 23.6% | Claude Code 2.1.231 · max 推論 |
| 13 | gpt-5.6-terraOpenAI | 21.5% | Codex 0.149.1 · max 推論 |
| 14 | grok-4.6xAI | 20.3% | Grok Build 1.0.5 · 推論レベルの報告なし |
| 15 | gemini-3.8-flashGoogle | 19.1% | mini-SWE-agent 2.4.6 · high 推論 |
| 16 | gpt-5.6-lunaOpenAI | 17.3% | Codex 0.149.1 · max 推論 |
| 17 | gpt-6-lunaOpenAI | 16.4% | Codex 0.159.0 · max 推論 |
| 18 | muse-spark-1.3Meta | 14.6% | Muse Code 1.4.1 · xhigh 推論 |
| 19 | claude-sonnet-5Anthropic | 12.4% | Claude Code 2.1.231 · max 推論 |
| 19 | grok-4.5xAI | 12.4% | Grok Build 1.0.5 · 推論レベルの報告なし |
| 21 | gemini-3.7-flashGoogle | 11.2% | mini-SWE-agent 2.4.6 · high 推論 |
한계와 데이터 출처
모델에 따라 Claude Code, Codex, GrokBuild, mini-SWE 등 서로 다른 도구를 씁니다. AA v4.3에 이미 Terminal-Bench v4가 포함되어 있으므로 종합 표에 다시 더해서는 안 됩니다.
데이터 라이선스: Apache 2.0 · 공식 harbor-framework/terminal-bench 저장소의 성적 제출. 출처 표시, 라이선스, 변경 내용 설명을 남깁니다.
Harbor / Terminal-Bench에서 공개한 결과입니다. 원래 점수와 클로데이트 합의 지수는 척도가 달라 직접 비교하거나 더할 수 없습니다.