Benchmark
Terminal-Bench Hard
code
text
语言EN
满分1
参评模型11
模型排名
| 名次 | 模型 | 机构 | 分数 | 来源 |
|---|---|---|---|---|
| 1 | Step 3.7 Flash | StepFun | 35.6 | 来源 ↗ |
| 2 | Step 3.5 Flash 2603 | StepFun | 32.6 | 来源 ↗ |
| 3 | Step 3.5 Flash | StepFun | 27.3 | 来源 ↗ |
| 4 | Qwen3 Max | Alibaba Cloud / Qwen Team | 20.5 | 来源 ↗ |
| 5 | Devstral 2 | Mistral AI | 18.9 | 来源 ↗ |
| 6 | Mistral Small 4 | Mistral AI | 17.4 | 来源 ↗ |
| 7 | Mistral Large 3 | Mistral AI | 15.9 | 来源 ↗ |
| 8 | Qwen3-Coder 30B-A3B Instruct | Alibaba Cloud / Qwen Team | 15.2 | 来源 ↗ |
| 9 | GPT-4o (2024-11-20) | OpenAI | 8.3 | 来源 ↗ |
| 10 | Mistral Large 2.1 | Mistral AI | 6.1 | 来源 ↗ |
| 11 | Mistral Medium 3 | Mistral AI | 3.8 | 来源 ↗ |