公开知识图谱记录

Terminal-Bench 2.1

基准测试: best result +4.9 quality points at 67% lower cost
基准测试: DeepSeek-V4.1-Flash 在 Terminal-Bench 2.1 上超过 Opus-5 与 GPT-5.6 Sol
基准测试: Creation使用89个实例
基准测试: Evolution固定反馈集包含全部89个任务
基准测试: 包含 89 个实例
基准测试: Evolution 反馈集包含全部 89 个任务
基准测试: 人类工程参考得分为 88.8
基准测试: GPT-5 在 Terminus 2 内解决 35.2% 的任务

记录摘要

Terminal command benchmark; Granite 4.2 30B scored 29.24.

来自项目知识图谱的有来源实体；具体工具属性仍需补齐。

知识图谱当前记录了 5 个已知资料维度，另有 12 个维度尚未记录，关联 23 篇公开资料。这些数字只描述资料覆盖，不代表模型性能或适配性已经验证。