基准Terminal Bench

Terminal Bench 4

侧重命令行环境下复杂任务自动化的AI模型评测集，包含调用系统工具、处理文件和执行多步操作的场景，对模型实际工程部署能力要求极高

核心事实

Claude Sonnet 5.5 在终端（Terminal）基准上达到 70.6%，而上一代仅有 10.3%

9月29日

Claude Sonnet 5.5 在终端（Terminal）基准上达到 70.6%，而上一代仅有 10.3%

已验证75%

9月25日

在Terminal Bench 4上，Opus 5.5的medium档得分超过Fable的max档，而价格不到一半（Fable max档20美元，Opus 5.5 medium档2.94美元）

待验证50%

Claude Sonnet 5.5 在终端（Terminal）基准上达到 70.6%，而上一代仅有 10.3%

在Terminal Bench 4上，Opus 5.5的medium档得分超过Fable的max档，而价格不到一半（Fable max档20美元，Opus 5.5 medium档2.94美元）