Terminal-Bench v4.0
12 models
Top 5 Models Performance
| Anthropic: claude-opus-5.5 | ######################################## | 66.4 |
| Moonshot AI: kimi-k3.1-pro | ######################################## | 65.7 |
| Anthropic: claude-sonnet-5.5 | ####################################### | 64 |
| Google: gemini-4-argon | ################################### | 57.4 |
| OpenAI: gpt-6.1-sol | ################################## | 56 |
| Rank | Model | Score | |
|---|---|---|---|
| 🇺🇸 | 1 | Anthropic: claude-opus-5.5 | 66.4 |
| 🇨🇳 | 2 | Moonshot AI: kimi-k3.1-pro月之暗面 | 65.7 |
| 🇺🇸 | 3 | Anthropic: claude-sonnet-5.5 | 64 |
| 🇺🇸 | 4 | Google: gemini-4-argon | 57.4 |
| 🇺🇸 | 5 | OpenAI: gpt-6.1-sol | 56 |
| 🇺🇸 | 6 | OpenAI: gpt-6-astra | 51.9 |
| 🇨🇳 | 7 | DeepSeek: deepseek-v4.1-flash-1017深度求索 | 42.3 |
| 🇨🇳 | 8 | inclusionAI: ling-3.1-flash | 40.4 |
| 🇺🇸 | 9 | Anthropic: claude-haiku-5.5 | 39.2 |
| 🇺🇸 | 10 | SpaceXAI: grok-4.7 | 38 |
| 🇨🇳 | 11 | DeepSeek: deepseek-v4.1-flash深度求索 | 31.2 |
| ❓ | 12 | nanbeige: nanbeige4.3-33b | 23.8 |