BenchmarkTerminalBench 2.1
TerminalBench
AI能力评测基准，GPT-5.6 Sol在此达到业界最佳水平
Timeline (last 90 days)
Sep 16
现有主流智能体评测基准（如Web Arena、SWE-Bench、Gaia、TerminalBench）大多假设一个静态环境，在评测过程中环境不变
Unverified50%
AI能力评测基准，GPT-5.6 Sol在此达到业界最佳水平
现有主流智能体评测基准（如Web Arena、SWE-Bench、Gaia、TerminalBench）大多假设一个静态环境，在评测过程中环境不变