代码与终端 agent 榜
Terminal-Bench 4.0：在真实容器里装环境、跑测试、读报错、改代码，所有模型跑同一脚手架。
| # | 模型 | 数值 | 相对第一 | 综合 v5 | 输出 $ | 类型 |
|---|---|---|---|---|---|---|
| 1 | Claude Opus 5.5Anthropic | 65.2 | 第 1 | 58.4 | $20.00 | |
| 2 | Gemini 4 CarbonGoogle | 65.2 | 100% | 59.4 | $10.00 | |
| 3 | Claude Sonnet 5.5Anthropic | 64.0 | 98% | 54.2 | $10.00 | |
| 4 | GPT-6.1 TerraOpenAI | 55.6 | 85% | 51.0 | $5.00 | |
| 5 | GLM-5.3 开源Z.ai | 38.9 | 60% | 32.0 | $2.20 | 开源 |
| 6 | Qwen3.8 MaxAlibaba Qwen | 34.3 | 53% | — | $8.00 | |
| 7 | MiMo-V2.6 Pro 开源Xiaomi | 31.3 | 48% | 30.0 | $1.40 | 开源 |
| 8 | DeepSeek V4.1 Flash 开源DeepSeek | 19.7 | 30% | 32.5 | $1.20 | 开源 |
| 9 | Kimi K3 开源Moonshot AI | 17.2 | 26% | — | $15.00 | 开源 |
| 10 | MiniMax M3 开源MiniMax | 1.0 | 2% | — | $1.00 | 开源 |