Terminal-Bench-Science · 0.1 · 测试定义与成绩

Terminal-Bench-Science · 0.1 收录 13 次模型发布的评测披露或成绩。

测试版本与指标

别名 Terminal-Bench-Science 0.1

  • Score · % · 越高越好

各系列最新模型 · 公布成绩

常规展示范围。排名按指标与评测协议分组,已记录的工具、预算及框架分别展示。条件未说明的组保留公布值供查证。

Score %

工具条件未记录 / low / 框架未记录 · 条件未说明

Terminal-Bench-Science · 0.1 · Score · 工具条件未记录 / low / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-6.2 AstraLow56.3%
GPT-6.2 SolLow43.4%

工具条件未记录 / medium / 框架未记录 · 条件未说明

Terminal-Bench-Science · 0.1 · Score · 工具条件未记录 / medium / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-6.2 AstraMedium72.3%
GPT-6.2 SolMedium63.1%

工具条件未记录 / high / 框架未记录 · 条件未说明

Terminal-Bench-Science · 0.1 · Score · 工具条件未记录 / high / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-6.2 AstraHigh74.9%
GPT-6.2 SolHigh67.7%

工具条件未记录 / xhigh / 框架未记录 · 条件未说明

Terminal-Bench-Science · 0.1 · Score · 工具条件未记录 / xhigh / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-6.2 AstraXhigh74%
GPT-6.2 SolXhigh64.3%

工具条件未记录 / max / 框架未记录 · 条件未说明

Terminal-Bench-Science · 0.1 · Score · 工具条件未记录 / max / 框架未记录 · 条件未说明
模型与配置成绩(%)记录与证据
GPT-6.2 AstraMax77.1%
GPT-6.2 SolMax68%

Terminal-Bench-Science 0.1;最高可用 effort,逐项 effort 未标。

Terminal-Bench-Science · 0.1 · Score · Terminal-Bench-Science 0.1;最高可用 effort,逐项 effort 未标。
模型与配置成绩(%)记录与证据
Claude Fable 5.2未注明74.6%

Terminal-Bench-Science 0.1 Artificial Analysis results.

Terminal-Bench-Science · 0.1 · Score · Terminal-Bench-Science 0.1 Artificial Analysis results.
名次模型与配置成绩(%)记录与证据
1Gemini 4 Carbon未注明64.8%
2Gemini 4 Argon未注明52.9%

工具条件未记录 / low / 框架未记录 · Terminal-Bench-Science 0.1; y metric Score; x axis Cost (USD).

Terminal-Bench-Science · 0.1 · Score · 工具条件未记录 / low / 框架未记录 · Terminal-Bench-Science 0.1; y metric Score; x axis Cost (USD).
模型与配置成绩(%)记录与证据
GPT-6.1 TerraLow24.3%

工具条件未记录 / medium / 框架未记录 · Terminal-Bench-Science 0.1; y metric Score; x axis Cost (USD).

Terminal-Bench-Science · 0.1 · Score · 工具条件未记录 / medium / 框架未记录 · Terminal-Bench-Science 0.1; y metric Score; x axis Cost (USD).
模型与配置成绩(%)记录与证据
GPT-6.1 TerraMedium34.3%

工具条件未记录 / high / 框架未记录 · Terminal-Bench-Science 0.1; y metric Score; x axis Cost (USD).

Terminal-Bench-Science · 0.1 · Score · 工具条件未记录 / high / 框架未记录 · Terminal-Bench-Science 0.1; y metric Score; x axis Cost (USD).
模型与配置成绩(%)记录与证据
GPT-6.1 TerraHigh39.7%

工具条件未记录 / xhigh / 框架未记录 · Terminal-Bench-Science 0.1; y metric Score; x axis Cost (USD).

Terminal-Bench-Science · 0.1 · Score · 工具条件未记录 / xhigh / 框架未记录 · Terminal-Bench-Science 0.1; y metric Score; x axis Cost (USD).
模型与配置成绩(%)记录与证据
GPT-6.1 TerraXhigh43.4%

工具条件未记录 / maximum / 框架未记录 · Terminal-Bench-Science 0.1; y metric Score; x axis Cost (USD).

Terminal-Bench-Science · 0.1 · Score · 工具条件未记录 / maximum / 框架未记录 · Terminal-Bench-Science 0.1; y metric Score; x axis Cost (USD).
模型与配置成绩(%)记录与证据
GPT-6.1 TerraMax58.3%

工具条件未记录 / max / 框架未记录 · Terminal-Bench-Science 0.1; 70 tasks; 10 trials per task.

Terminal-Bench-Science · 0.1 · Score · 工具条件未记录 / max / 框架未记录 · Terminal-Bench-Science 0.1; 70 tasks; 10 trials per task.
模型与配置成绩(%)记录与证据
Claude Haiku 5.5Max20.6%

Gemini 4 Argon self-computed; six-times verifier timeout to address timeout issues.

Terminal-Bench-Science · 0.1 · Score · Gemini 4 Argon self-computed; six-times verifier timeout to address timeout issues.
模型与配置成绩(%)记录与证据
Gemini 4 Argon未注明57.6%

工具条件未记录 / max / Claude Code --bare mode · Terminal-Bench-Science 0.1, 70 scientific-workflow tasks.

Terminal-Bench-Science · 0.1 · Score · 工具条件未记录 / max / Claude Code --bare mode · Terminal-Bench-Science 0.1, 70 scientific-workflow tasks.
模型与配置成绩(%)记录与证据
Claude Sonnet 5.5Max59.9%

工具条件未记录 / max / 框架未记录 · Terminal-Bench-Science 0.1。

Terminal-Bench-Science · 0.1 · Score · 工具条件未记录 / max / 框架未记录 · Terminal-Bench-Science 0.1。
模型与配置成绩(%)记录与证据
Claude Opus 5.5Max58.7%

历史记录 · 13 次发布

  • GPT-6.2 Astra本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • GPT-6.2 Sol本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • Claude Fable 5.2本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Gemini 4 Carbon本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-6.1 Terra本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • Claude Haiku 5.5本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Gemini 4 Argon本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录)
  • GPT-6.1 Sol本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • Claude Sonnet 5.5本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • Claude Opus 5.5本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-6 Sol本次发布有 5 条成绩记录,含 5 条精确值(可含历史记录)
  • Claude Fable 5.1本次发布有 1 条成绩记录,含 1 条精确值(可含历史记录)
  • GPT-6 Astra本次发布有 7 条成绩记录,含 7 条精确值(可含历史记录)