평가 출처공식 사이트
Terminal-Bench Science
Harbor / 전문 업무 · 터미널에서 연구 과제 완료하기
클로데이트 반영 상태관찰 중
가중치점수 미반영
원본 데이터 기준 시각미확인
마지막 동기화아직 수집 전
무엇을, 어떻게 측정하나
Claude Code, Codex, mini-SWE 등의 시스템을 구분합니다. 서로 다른 시스템의 성적을 그대로 모델 능력으로 볼 수 없습니다.
활용 방식
관찰 중: 12개 모델에서 실행 시스템이 섞여 있고, 새로운 최첨단 모델도 아직 다 갖춰지지 않았습니다.
한계와 데이터 출처
관찰 중: 12개 모델에서 실행 시스템이 섞여 있고, 새로운 최첨단 모델도 아직 다 갖춰지지 않았습니다.
데이터 라이선스: 순위 데이터 이용 범위 확인 대기
Harbor에서 공개한 결과입니다. 원래 점수와 클로데이트 합의 지수는 척도가 달라 직접 비교하거나 더할 수 없습니다.