Terminal-Bench 2.1
- 무엇을 측정하나요?
- 터미널(명령 창) 안에서 AI 에이전트가 사람 도움 없이 일을 끝내는지 봅니다. 소프트웨어 개발·보안·과학 계산·데이터 처리·디버깅 등 16개 분야의 89개 과제입니다. Artificial Analysis 가 옛 TerminalBench Hard 를 레거시로 돌린 뒤 쓰는 현행 평가입니다.
- 누가 어떻게 평가하나요?
- 스탠퍼드·Laude Institute 의 Terminal-Bench 2.1 입니다. 과제마다 격리된 컨테이너에서 AI 가 셸 명령만으로 작업하고, 끝나면 별도 컨테이너의 숨은 검사가 채점합니다. 검사를 전부 통과해야 성공입니다. 과제가 망가진 것으로 드러나면 관리자가 계속 고칩니다. 이 표의 값은 Artificial Analysis 가 직접 실행한 결과입니다.
- 점수 읽는 법
- 0~100%. 상위 모델은 90% 안팎까지 올라와 최상위끼리는 차이가 작습니다. 모델과 함께 쓰는 작업 도구(하네스)에 따라 점수가 달라지므로, 다른 곳의 Terminal-Bench 점수와는 실행 조건이 같은지 확인해야 합니다.
순위
최고 점수91.4%
측정한 모델81개
측정 기준높을수록 좋음
최근 갱신2026.11.21
모델 출시 시기
장시간의 개발 작업을 AI가 컴퓨터를 직접 조작하며 자율적으로 수행할 수 있을까?Terminal-Bench 4.0
Kimi K3.1 Pro🥇
Kimi K3.1 Pro🥇Terminal-Bench 4.0
Kimi K3.1 Pro🥇코딩에 관한 답변 중에서 대중들이 가장 선호하는 AI는?Arena Coding
Gemini 4 Carbon🥇
Gemini 4 Carbon🥇Arena Coding
Gemini 4 Carbon🥇AI가 직접 코드를 테스트하고 수정하면서 주어진 과제를 완료할 수 있을까?LiveBench Agentic Coding v1
DeepSeek V4.1 Flash🥇
DeepSeek V4.1 Flash🥇LiveBench Agentic Coding v1
DeepSeek V4.1 Flash🥇
컴퓨터를 직접 다루며 개발 일을 혼자 끝낼 수 있을까?
Terminal-Bench 2.1
- 🥇AnthropicClaude Fable 5.191.4%
- 🥈OpenAIGPT-6 Astra89.9%
- 🥉OpenAIGPT-5.6 Sol89.5%
- #4AnthropicClaude Opus 589.1%
- #5SpaceXSIGrok 4.688.4%
- #6OpenAIGPT-5.6 Terra88.0%
- #7GoogleGemini 3.8 Flash87.6%
- #8AlibabaQwen3.8 Flash86.1%
- #9GoogleGemini 3.7 Flash85.8%
- #10MetaMuse Spark 1.385.4%
- #11Moonshot AIKimi K385.0%
- #12AnthropicClaude Fable 584.6%
- #12AnthropicClaude Opus 4.884.6%
- #14Z.aiGLM 5.3 Flash84.3%
- #14OpenAIGPT-5.584.3%
- #16Z.aiGLM 5.383.9%
- #17AnthropicClaude Opus 4.783.1%
- #18Sakana AIFugu Ultra82.1%
- #19SpaceXSIGrok 4.581.6%
- #20OpenAIGPT-5.6 Luna80.9%
- #21AnthropicClaude Sonnet 580.5%
- #22MetaMuse Spark 1.280.1%
- #23DeepSeekDeepSeek V4 Flash78.7%
- #23DeepSeekDeepSeek V4 Pro78.7%
- #23GoogleGemini 3.5 Flash78.7%
- #26OpenAIGPT-5.478.3%
- #27Z.aiGLM 5.277.9%
- #27MetaMuse Spark 1.177.9%
- #29GoogleGemini 3.6 Flash77.5%
- #30Motif TechnologiesMotif 374.9%
- #31AlibabaQwen3.7 Max74.5%
- #32GoogleGemini 3.1 Pro73.8%
- #33AnthropicClaude Sonnet 4.671.2%
- #34Moonshot AIKimi K2.7 Code67.4%
- #35Moonshot AIKimi K2.665.9%
- #36XiaomiMiMo V2.5 Pro65.2%
- #36MiniMaxMiniMax M365.2%
- #38TencentHy364.4%
- #39XiaomiMiMo V2.563.7%
- #40MetaMuse Spark62.2%
- #41Z.aiGLM-5.161.8%
- #42AlibabaQwen3.6 Plus61.4%
- #43AlibabaQwen3.7 Plus61.0%
- #44OpenAIGPT-5.4 Nano60.7%
- #45OpenAIGPT-5.4 Mini59.2%
- #46UpstageSolar Pro 457.3%
- #47AnthropicClaude Sonnet 4.555.8%
- #48MiniMaxMiniMax M2.755.4%
- #49NVIDIANemotron 3 Ultra53.9%
- #50GoogleGemini 3.5 Flash-Lite53.6%
- #51AlibabaQwen3.5 397B A17B51.3%
- #52Mistral AIMistral Medium 3.550.6%
- #53MeituanLongCat 2.050.2%
- #54DeepSeekDeepSeek V3.246.8%
- #55Moonshot AIKimi K2.545.7%
- #56AlibabaQwen3.6 35B A3B44.9%
- #57AnthropicClaude Haiku 4.544.2%
- #58GoogleGemma 4 31B43.4%
- #59InclusionAIRing-2.6-1T43.1%
- #60LG AI ResearchK-EXAONE 2.040.4%
- #61SpaceXSIGrok 4.339.7%
- #62StepfunStep 3.7 Flash39.3%
- #63SK TelecomA.X K239.0%
- #64NVIDIANemotron 3 Super38.6%
- #65AnthropicClaude Sonnet 436.3%
- #66CohereNorth Mini Code35.6%
- #67OpenAIGPT-535.2%
- #68GoogleGemini 3.1 Flash Lite31.1%
- #69LG AI ResearchK-EXAONE30.3%
- #70GoogleGemini 2.5 Pro28.5%
- #71OpenAIGPT OSS 120B26.2%
- #72Mistral AIMistral Small 421.0%
- #73Arcee AITrinity Large Thinking20.6%
- #74AmazonNova 2 Lite16.1%
- #75UpstageSolar Pro 312.0%
- #76MetaLlama 4 Maverick7.9%
- #77NVIDIANemotron 3 Nano 30B A3B6.7%
- #77NVIDIANemotron 3 Nano Omni6.7%
- #79OpenAIGPT-5 Mini3.7%
- #79MetaLlama 4 Scout3.7%
- #81IBMGranite 4.1 8B3.4%
모델 절반이 61.8% 이하
최근 60일 내 출시된 AI 59개 중 59개는 아직 이 지표에 반영되지 않았습니다 · Gemini 4 Neon, GPT-6.2 Astra, Microsoft-Decision-1.1 외 56개
사전에 정해진 방식으로 일괄 측정한 점수이므로, 실제 사용 환경의 결과와 다를 수 있습니다.
'제조사 발표' 표시가 있는 점수는 AI 개발사가 자체 발표한 수치로, 제3자 측정값이 아닙니다.