基准TerminalBench 2.1
TerminalBench
AI能力评测基准，GPT-5.6 Sol在此达到业界最佳水平
时间轴 (近 90 天)
9月16日
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
待验证50%
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