评测来源官方评测
Terminal-Bench 4 · 系统参考
Harbor / Terminal-Bench / 编程 · 保留模型搭配不同 Agent 在终端任务中的原始成绩，供交叉核对。
在 小意 AI 热榜 中仅供参考
证据预算不计分
上游数据时间待核实
最近成功同步尚未开始采集
它测什么，怎么测
固定 Terminal-Bench 4.0，分别保留模型、Agent 版本、推理档位和运行次数；不把不同工具系统解释为统一模型条件。
如何使用这份证据
原始成绩参考：锁定官方提交清单与数据版本后自动采集，逐条保留不同系统配置，不选模型代表分。只供交叉核对，不进入综合或编程排名。
评测局限与数据署名
不同模型使用 Claude Code、Codex、GrokBuild 或 mini-SWE 等不同工具；AA v4.3 已含 Terminal-Bench v4，不得再次计入综合票权。
数据许可：Apache 2.0 · 官方 harbor-framework/terminal-bench 仓库内的成绩提交；保留署名、协议与修改说明。
成绩由 Harbor / Terminal-Bench 发布，原始分数与 小意 AI 热榜 共识分使用不同尺度，不能直接相加。