公告 AiTest123 交流群已开放 欢迎进群交流功能建议、产品想法、数据问题和使用反馈

AiTest123.comAiTest123.comAI 评测与可信度检测平台

Agent 任务榜

ModelSage基准跑分

分数 = Terminal-Bench v4.0 通过率 ÷ 当次最高通过率 × 100。测的是在命令行里自主规划、调工具、完成多步任务的能力。

收录模型 177 个模型 Terminal-Bench 相对分 · 数据日期 2026-10-28 10:39

收录 177 个模型的Terminal-Bench 相对分成绩，榜首是 Kimi K3.1 Pro（100）， 榜内平均 25.8，涉及 12 家厂商。 这份数据的时间是 2026-10-28 10:39（北京时间）。

收录模型 177 与官方榜单一致，同一模型的不同推理档位各占一行
主指标 Terminal-Bench 相对分 分数 = Terminal-Bench v4.0 通过率 ÷ 当次最高通过率 × 100。测的是在命令行里自主规划、调工具、完成多步任务的能力。
榜内平均 25.8 同榜内直接可比，跨榜不可比
数据日期 2026-10-28 10:39 这一批成绩的公布时间

Terminal-Bench 相对分 排名

基准跑分 · 177 个模型

名次与分数与官方榜单一致，名次不重排。条形长度按榜内最小值到最大值拉伸，领跑那条填满整列； 官方没给价格的模型显示「—」。分数后面的 ± 是官方给的统计误差，鼠标停在条上可看。

Agent 任务榜 Terminal-Bench 相对分排名
排名模型厂商输入价（¥/M）输出价（¥/M）性价比（分/元）Terminal-Bench 相对分
1 Kimi K3.1 Pro Moonshot/Kimi 13.0 68.0 3.7 100
2 Claude Sonnet 5.5 (max with fallback) Anthropic 13.3 66.7 3.6 94.7
3 Claude Opus 5.5 (max with fallback) Anthropic 26.7 133 1.7 88.7
4 Claude Opus 5.5 (xhigh with fallback) Anthropic 26.7 133 1.7 88.7
5 GPT-6 Astra (xhigh) OpenAI 66.7 333 0.7 88.7
6 GPT-6 Astra (max) OpenAI 66.7 333 0.7 88
7 Claude Sonnet 5.5 (xhigh with fallback) Anthropic 13.3 66.7 3.2 85
8 Gemini 4 Argon (high) Google 13.3 66.7 3.2 85
9 Claude Opus 5.5 (high with fallback) Anthropic 26.7 133 1.6 84.2
10 GPT-6.1 Sol (max) OpenAI 13.3 66.7 3.1 83.5
11 GPT-6.1 Terra (max) OpenAI 6.7 33.3 6.2 82.7
12 Claude Fable 5.1 (xhigh with fallback) Anthropic 66.7 333 0.6 82
13 GPT-6.1 Sol (xhigh) OpenAI 13.3 66.7 3.0 80.5
14 GPT-6 Astra (high) OpenAI 66.7 333 0.6 80.5
15 Claude Opus 5.5 (medium with fallback) Anthropic 26.7 133 1.5 78.2
16 Claude Fable 5.1 (max with fallback) Anthropic 66.7 333 0.6 77.4
17 Claude Fable 5.1 (high with fallback) Anthropic 66.7 333 0.6 77.4
18 GPT-6.1 Sol (high) OpenAI 13.3 66.7 2.9 76.7
19 GPT-6 Astra (medium) OpenAI 66.7 333 0.6 73.7
20 Claude Opus 5 (max) Anthropic 33.3 167 1.1 72.9
21 GPT-6.1 Sol (medium) OpenAI 13.3 66.7 2.7 71.4
22 Claude Opus 5 (xhigh) Anthropic 33.3 167 1.0 69.2
23 GPT-6.1 Terra (xhigh) OpenAI 6.7 33.3 5.2 69.2
24 Claude Opus 5 (high) Anthropic 33.3 167 1.0 68.4
25 Claude Fable 5.1 (medium with fallback) Anthropic 66.7 333 0.5 66.9
26 Claude Sonnet 5.5 (high with fallback) Anthropic 13.3 66.7 2.5 65.4
27 GPT-6 Sol (max) OpenAI 13.3 66.7 2.5 65.4
28 Claude Fable 5 (with fallback) Anthropic 66.7 333 0.5 63.2
29 GPT-6 Astra (low) OpenAI 66.7 333 0.5 62.4
30 GPT-6.1 Terra (high) OpenAI 6.7 33.3 4.7 62.4
31 GLM-5.3 (max) 智谱AI 8.0 28.0 4.8 62.4
32 Claude Fable 5.1 (low with fallback) Anthropic 66.7 333 0.5 60.2
33 GPT-5.6 Sol (max) OpenAI 26.7 133 1.1 59.4
34 Qwen3.8 Max (0902) 阿里百炼 12.0 36.0 3.2 57.9
35 GPT-5.6 Terra (max) OpenAI 13.3 80.0 1.8 52.6
36 MiMo-V2.6-Pro 小米 2.9 5.8 14.3 51.9
37 GLM-5.3 (low) 智谱AI 8.0 28.0 4.0 51.9
38 Claude Opus 5 (medium) Anthropic 33.3 167 0.8 51.1
39 DeepSeek V4.1 Flash 1017 (max) DeepSeek 2.0 8.0 14.4 50.4
40 Claude Haiku 5.5 (max) Anthropic 0.67 3.3 36.7 48.9
41 GLM-5.3-Flash 智谱AI 0.80 2.8 37.6 48.9
42 GPT-6.1 Terra (medium) OpenAI 6.7 33.3 3.6 48.1
43 Claude Opus 5.5 (low with fallback) Anthropic 26.7 133 0.9 46.6
44 GPT-6.1 Sol (low) OpenAI 13.3 66.7 1.7 45.9
45 GPT-6 Sol (xhigh) OpenAI 13.3 66.7 1.7 45.1
46 Claude Sonnet 5.5 (medium with fallback) Anthropic 13.3 66.7 1.7 44.4
47 Claude Haiku 5.5 (xhigh) Anthropic 0.67 3.3 32.7 43.6
48 DeepSeek V4.1 Flash (max) DeepSeek 2.0 8.0 11.4 39.8
49 Mistral Large 4 Preview Mistral 9.1 27.9 2.9 39.8
50 GPT-6.1 Terra (non-reasoning) OpenAI 6.7 33.3 3.0 39.8
51 Claude Opus 5 (low) Anthropic 33.3 167 0.6 39.1
52 GPT-6 Sol (high) OpenAI 13.3 66.7 1.5 39.1
53 MiniMax-M3.1-Flash MiniMax 1.0 4.0 21.9 38.3
54 Grok 4.7 (xhigh) xAI 13.3 40.0 1.9 38.3
55 Qwen3.8-Flash-Next 阿里百炼 1.0 3.1 24.5 37.6
56 GPT-5.6 Sol (xhigh) OpenAI 26.7 133 0.7 36.8
57 Grok 4.7 (high) xAI 13.3 40.0 1.8 36.8
58 MiMo-V2.6-Flash 小米 0.93 1.9 29.0 33.8
59 Claude Opus 4.8 (max) Anthropic 33.3 167 0.5 32.3
60 Claude Haiku 5.5 (high) Anthropic 0.67 3.3 24.2 32.3
61 Grok 4.6 (high) xAI 13.3 40.0 1.6 31.6
62 Claude Sonnet 5.5 (low with fallback) Anthropic 13.3 66.7 1.2 30.8
63 GPT-5.6 Sol (high) OpenAI 26.7 133 0.6 30.8
64 Gemini 3.8 Flash (high) Google 5.0 25.0 2.9 29.3
65 Gemini 3.8 Flash (medium) Google 5.0 25.0 2.9 29.3
66 Qwen3.8 Max 阿里百炼 12.0 36.0 1.5 27.8
67 GPT-6 Sol (medium) OpenAI 13.3 66.7 1.0 27.8
68 Grok 4.6 (xhigh) xAI 13.3 40.0 1.3 25.6
69 Grok 4.7 (low) xAI 13.3 40.0 1.2 24.1
70 Claude Haiku 5.5 (medium) Anthropic 0.67 3.3 16.9 22.6
71 GPT-6.1 Terra (low) OpenAI 6.7 33.3 1.7 22.6
72 DeepSeek V4 Pro (max) DeepSeek 9.0 27.0 1.6 21.8
73 GPT-5.6 Sol (medium) OpenAI 26.7 133 0.4 21.8
74 GPT-5.5 (xhigh) OpenAI 33.3 200 0.3 21.8
75 Claude Sonnet 5 (max) Anthropic 13.3 66.7 0.8 21.1
76 DeepSeek V4 Pro 0813 (max) DeepSeek 9.0 27.0 1.6 21.1
77 Gemini 3.7 Flash (high) Google 5.0 25.0 2.0 20.3
78 GPT-6 Sol (non-reasoning) OpenAI 13.3 66.7 0.7 19.5
79 Grok 4.6 (medium) xAI 13.3 40.0 1.0 19.5
80 Claude Haiku 5.5 (low) Anthropic 0.67 3.3 14.1 18.8
81 Kimi K3 (max) Moonshot/Kimi 20.0 100 0.5 18.8
82 Kimi K3 (low) Moonshot/Kimi 20.0 100 0.5 18.8
83 GPT-6 Luna (max) OpenAI 0.67 3.3 14.1 18.8
84 GPT-5.5 Instant (June 2026) OpenAI 33.3 200 0.3 18.8
85 DeepSeek V4 Flash Vision (max) DeepSeek 2.9 8.8 4.1 18
86 DeepSeek V4 Flash 0731 (max) DeepSeek 2.0 8.0 5.1 18
87 GPT-5.6 Luna (max) OpenAI 1.3 8.0 5.8 17.3
88 Qwen3.8 2.4T A95B 阿里百炼 12.0 36.0 0.9 16.5
89 Grok 4.5 (high) xAI 13.3 40.0 0.8 15.8
90 Gemini 3.8 Flash (low) Google 5.0 25.0 1.5 15
91 GPT-5.6 Terra (xhigh) OpenAI 13.3 80.0 0.5 15
92 GPT-5.5 (high) OpenAI 33.3 200 0.2 13.5
93 GPT-6 Sol (low) OpenAI 13.3 66.7 0.5 13.5
94 GPT-6 Luna (xhigh) OpenAI 0.67 3.3 9.0 12
95 Claude Sonnet 5 (xhigh) Anthropic 13.3 66.7 0.4 10.5
96 Gemini 3.6 Flash (high) Google 5.0 25.0 1.0 10.5
97 Gemini 3.5 Flash (high) Google 10.0 60.0 0.4 9.8
98 Qwen3.8 27B (xhigh) 阿里百炼 3.0 12.0 1.6 8.3
99 DeepSeek V4.1 Flash (non-reasoning) DeepSeek 2.0 8.0 2.4 8.3
100 Qwen3.8 27B (medium) 阿里百炼 3.0 12.0 1.4 7.5
101 Claude Sonnet 5 (high) Anthropic 13.3 66.7 0.3 7.5
102 GPT-5.5 (medium) OpenAI 33.3 200 0.1 7.5
103 GPT-6 Luna (high) OpenAI 0.67 3.3 5.1 6.8
104 Gemini 3.1 Pro Preview Google 13.3 80.0 0.2 6
105 GPT-5.6 Luna (xhigh) OpenAI 1.3 8.0 1.8 5.3
106 Claude Sonnet 4.6 (max) Anthropic 20.0 100 0.1 4.5
107 DeepSeek V4 Flash (high) DeepSeek 2.0 8.0 1.3 4.5
108 Grok 4.6 (low) xAI 13.3 40.0 0.2 4.5
109 Qwen3.8 27B (low) 阿里百炼 3.0 12.0 0.7 3.8
110 Claude Sonnet 5 (low) Anthropic 13.3 66.7 0.1 3.8
111 DeepSeek V4 Flash (max) DeepSeek 2.0 8.0 1.1 3.8
112 GPT-5.6 Luna (high) OpenAI 1.3 8.0 1.3 3.8
113 GPT-6 Luna (medium) OpenAI 0.67 3.3 2.8 3.8
114 Claude Sonnet 5 (medium) Anthropic 13.3 66.7 0.1 3
115 MiniMax-M3 MiniMax 4.2 16.8 0.4 3
116 GPT-5.4 mini (xhigh) OpenAI 5.0 30.0 0.3 3
117 GLM-5.1 智谱AI 6.0 24.0 0.3 3
118 Qwen3.7 Max 阿里百炼 12.0 36.0 0.1 2.3
119 DeepSeek V4 Pro 0813 (non-reasoning) DeepSeek 9.0 27.0 0.2 2.3
120 GPT-5.6 Terra (high) OpenAI 13.3 80.0 0.1 2.3
121 GPT-5.6 Terra (low) OpenAI 13.3 80.0 0.1 2.3
122 GPT-6 Luna (non-reasoning) OpenAI 0.67 3.3 1.7 2.3
123 Qwen3.7 Plus 阿里百炼 2.0 8.0 0.4 1.5
124 Gemini 3.5 Flash-Lite Google 2.0 16.7 0.3 1.5
125 Kimi K2.7 Code Moonshot/Kimi 6.5 27.0 0.1 1.5
126 GPT-5.6 Sol (low) OpenAI 26.7 133 0.0 1.5
127 GPT-5.6 Terra (medium) OpenAI 13.3 80.0 0.0 1.5
128 GPT-5.6 Luna (non-reasoning) OpenAI 1.3 8.0 0.5 1.5
129 GLM-5.2 (max) 智谱AI 8.0 28.0 0.1 1.5
130 Qwen3.5 9B 阿里百炼 0.50 2.0 0.9 0.8
131 Gemini 3.1 Flash-Lite Google 1.7 10.0 0.2 0.8
132 Kimi K2.6 Moonshot/Kimi 6.5 27.0 0.1 0.8
133 GPT-5.6 Luna (medium) OpenAI 1.3 8.0 0.3 0.8
134 GPT-5.6 Terra (non-reasoning) OpenAI 13.3 80.0 0.0 0.8
135 GPT-5.4 nano (xhigh) OpenAI 1.3 8.3 0.3 0.8
136 Hy3 腾讯混元 0.91 3.7 0.5 0.8
137 Qwen3.6 27B 阿里百炼 3.0 18.0 0.0 0
138 Qwen3.8 27B (non-reasoning) 阿里百炼 3.0 12.0 0.0 0
139 Qwen3.5 397B A17B 阿里百炼 1.2 7.2 0.0 0
140 Qwen3.6 35B A3B 阿里百炼 1.8 10.8 0.0 0
141 Qwen3.5 122B A10B 阿里百炼 0.80 6.4 0.0 0
142 Qwen3 235B A22B 2507 阿里百炼 2.0 20.0 0.0 0
143 Qwen3 30B A3B 2507 阿里百炼 0.75 7.5 0.0 0
144 Qwen3 Coder Next 阿里百炼 1.0 4.0 0.0 0
145 Qwen3 32B 阿里百炼 2.0 20.0 0.0 0
146 Qwen3 14B 阿里百炼 1.0 10.0 0.0 0
147 Qwen3 8B 阿里百炼 0.50 5.0 0.0 0
148 Claude 4.5 Sonnet Anthropic 20.0 100 0.0 0
149 Claude 4.5 Haiku Anthropic 6.7 33.3 0.0 0
150 DeepSeek V3.1 Terminus DeepSeek 4.0 12.0 0.0 0
151 DeepSeek R1 (Jan) DeepSeek 4.0 16.0 0.0 0
152 DeepSeek V3 0324 DeepSeek 2.0 8.0 0.0 0
153 DeepSeek V3 (Dec) DeepSeek 2.0 8.0 0.0 0
154 Gemini 2.5 Pro Google 8.3 66.7 0.0 0
155 Gemma 4 31BFREE Google 免费 免费 0.0 0
156 Gemma 4 E4B Google 0.13 0.67 0.0 0
157 Gemma 3 27BFREE Google 免费 免费 0.0 0
158 Gemma 3 12BFREE Google 免费 免费 0.0 0
159 MiniMax-M2.7 MiniMax 2.1 8.4 0.0 0
160 Mistral Medium 3.5 Mistral 10.0 50.0 0.0 0
161 Mistral Small 4 Mistral 1.0 4.0 0.0 0
162 Mistral Large 3 Mistral 3.3 10.0 0.0 0
163 Mistral Small 3.1 Mistral 0.53 0.90 0.0 0
164 Mistral Small 3.2 Mistral 0.50 1.3 0.0 0
165 Ministral 3 14B Mistral 1.3 1.3 0.0 0
166 Ministral 3 8B Mistral 1.0 1.0 0.0 0
167 Ministral 3 3B Mistral 0.67 0.67 0.0 0
168 GPT-6 Luna (low) OpenAI 0.67 3.3 0.0 0
169 GPT-5.6 Luna (low) OpenAI 1.3 8.0 0.0 0
170 GPT-5 mini (high) OpenAI 1.7 13.3 0.0 0
171 gpt-oss-120b (high) OpenAI 1.0 4.0 0.0 0
172 o3-mini (high) OpenAI 7.3 29.3 0.0 0
173 gpt-oss-20b (high) OpenAI 0.33 1.5 0.0 0
174 Grok 4.3 xAI 8.3 16.7 0.0 0
175 Grok 4.3 (non-reasoning) xAI 8.3 16.7 0.0 0
176 MiMo-V2.5-Pro 小米 2.7 6.8 0.0 0
177 MiMo-V2.5 小米 0.89 1.8 0.0 0

评分方式与读法

这张榜怎么看
跑 Claude Code、Codex 这类终端 Agent，看这张比看综合榜准。
收录模型177与官方榜单一致，同一模型的不同推理档位各占一行
主指标Terminal-Bench 相对分分数 = Terminal-Bench v4.0 通过率 ÷ 当次最高通过率 × 100。测的是在命令行里自主规划、调工具、完成多步任务的能力。
成绩时间2026-10-28 10:39这份成绩的日期（北京时间），官方停更时这里也停住
评分方式按官方原样列出分数、价格、名次都没有二次计算；官方调整评分方式时这里跟着变
同榜怎么看先看价格再看分数先按能接受的价格筛，再在筛出的里面挑分高的，比只看榜首实用
跨榜怎么用别比大小，只看排序基准榜 0-100 与盲测榜 Elo 量纲不同；跨榜只参考「排在第几档」

成绩取自 ModelSage 榜单页（https://modelsage.cn/leaderboards/agent），本站只取回与整理，不改算。 跑 Claude Code、Codex 这类终端 Agent，看这张比看综合榜准。

其它榜

16 张
全部榜 →

综合能力榜

AA 智能指数相对分

393 个模型

代码能力榜

Terminal-Bench + SciCode 相对分

177 个模型

响应速度榜

输出速度百分位

301 个模型

性价比榜

分/元

78 个模型

Agent 竞技总榜

5 维行为信号加权分

55 个模型

文本对话榜

Elo 分

418 个模型

搜索问答榜

Elo 分

42 个模型

视觉理解榜

Elo 分

167 个模型

文档理解榜

Elo 分

44 个模型

代码竞技榜

Elo 分

151 个模型

图生代码榜

Elo 分

65 个模型

文生图榜

Elo 分

82 个模型

图像编辑榜

Elo 分

60 个模型

文生视频榜

Elo 分

48 个模型

图生视频榜

Elo 分

48 个模型

视频编辑榜

Elo 分

10 个模型

成绩来自 ModelSage 公开榜单，数据日期 2026-10-28 10:39。