基准
Terminal-Bench 4
评估 AI Agent 在终端环境下完成任务能力的基准测试系列。
时间轴 (近 90 天)
10月31日
在 Terminal-Bench 4 测试中，搭配 Claude Opus 5.5 的 Droid 取得 65.2% 的得分。
待验证50%
10月31日
在 Terminal-Bench 4 测试中，搭配 Claude Opus 5.5 的 Droid 每个通过任务的成本为 4.73 美元。
待验证50%
评估 AI Agent 在终端环境下完成任务能力的基准测试系列。
在 Terminal-Bench 4 测试中，搭配 Claude Opus 5.5 的 Droid 取得 65.2% 的得分。
在 Terminal-Bench 4 测试中，搭配 Claude Opus 5.5 的 Droid 每个通过任务的成本为 4.73 美元。