Benchmark终端基准
Terminal Benchmark
评估AI模型在命令行/Shell环境中完成真实系统交互任务的综合基准，涵盖文件操作、脚本执行、包管理、进程控制等能力，用于衡量模型的Agent式操作能力
Core Facts
Timeline (last 90 days)
Sep 29
Claude Sonnet 5.5 在终端（Terminal）基准上达到 70.6%，而上一代仅有 10.3%
Verified75%
Sep 29
终端基准通常指模型在命令行/Shell环境中完成任务的综合评分，涵盖文件操作、脚本执行、包管理、进程控制等系统交互能力
Unverified50%