Skip to content
benchmark sources

Terminal-Bench Science

This page's content is in Chinese.

Harbor / 专业办公 · 在终端里完成科研任务

Official benchmark
In AIDC热点Watching
Evidence budgetNot scored
Upstream data timeTo be verified
Last successful syncCollection not started

What it measures and how

区分 Claude Code、Codex 和 mini-SWE 等系统；不能把不同系统成绩直接当模型能力。

How to use this evidence

观察中：12 个型号且混合运行系统，新前沿型号仍不完整。

Benchmark limits and data attribution

观察中：12 个型号且混合运行系统，新前沿型号仍不完整。

Data license:待确认榜单数据使用边界

成绩由 Harbor 发布，原始分数与 AIDC热点 共识分使用不同尺度，不能直接相加。