UMBRELLA 4365 Terminal-Bench 2.1
Terminal-Bench 2.1 是 2026 年上半年前沿模型发布材料最常引用的终端 agent 题库版本——Fable 5、Kimi K3、GPT-5.6 Sol、DeepSeek V4 与 Gemini 3.8 Flash 都在这张表上对过分。本页收录该版本的公开成绩与前沿刷新记录。数字全部取自官方发布材料、第三方评测机构与站内已查证档案，评测口径（版本 / 算力档 / 脚手架）标在备注里；因训练数据污染撤榜的成绩不收录。仅作记录，不构成选型建议。
模型 18 个成绩 18 条前沿刷新 5 次2026.05.19 → 2026.09.10
◈ 当前榜 CURRENT BOARD每个模型取最近一次公开成绩
| # | 模型 | 成绩 | 相对前沿 | 日期 | 口径 / 备注 |
|---|---|---|---|---|---|
| 1 | SWE-2 Cognition（Devin） |
92.8% | 100 | 官方自报 · 各档最佳 · 对照表最高 原文 ↗ | |
| 2 | Claude Fable 5.1 Anthropic |
91.4% | 98.5 | 据 Cognition SWE-2 发布对照表 · Claude Code harness 原文 ↗ | |
| 3 | DeepSeek-V4.1-Flash DeepSeek |
90.6% | 97.6 | 官方更新日志自报 原文 ↗ | |
| 4 | GPT-6 Astra OpenAI |
89.9% | 96.9 | 据 Cognition SWE-2 发布对照表 · Codex harness 原文 ↗ | |
| 5 | Gemini 3.8 Flash Google DeepMind |
89.4% | 96.3 | 官方自报（发布对照表） 原文 ↗ | |
| 6 | Claude Opus 5 Anthropic |
89.1% | 96 | 据 Gemini 3.8 Flash 发布对照表 原文 ↗ | |
| 7 | GPT-5.6 Sol OpenAI |
88.8% | 95.7 | 据 Kimi K3 技术报告对照表 · max 档 原文 ↗ | |
| 8 | Muse Spark 1.3 Meta |
88.8% | 95.7 | 官方对照表 · 与 GPT-5.6 Sol 持平 原文 ↗ | |
| 9 | Grok 4.6 xAI / SpaceXAI |
88.4% | 95.3 | 据 Cognition SWE-2 发布对照表 · Grok Build harness 原文 ↗ | |
| 10 | Kimi K3 月之暗面 · Kimi |
88.3% | 95.2 | 技术报告自报 · max 档 原文 ↗ | |
| 11 | Claude Fable 5 Anthropic |
88% | 94.8 | 官方自报 原文 ↗ | |
| 12 | DeepSeek-V4-Pro DeepSeek |
87.9% | 94.7 | V4-Pro-0813 · 官方更新日志自报 原文 ↗ | |
| 13 | Claude Opus 4.8 Anthropic |
84.6% | 91.2 | 据 Kimi K3 技术报告对照表 · max 档 原文 ↗ | |
| 14 | GPT-5.5 OpenAI |
83.4% | 89.9 | 据 Kimi K3 技术报告对照表 · xhigh 档 原文 ↗ | |
| 15 | GLM-5.2 智谱 · GLM |
82.7% | 89.1 | 据 Kimi K3 技术报告对照表 · max 档 原文 ↗ | |
| 16 | DeepSeek-V4-Flash DeepSeek |
82.7% | 89.1 | V4-Flash-0731 · 官方更新日志自报 原文 ↗ | |
| 17 | SWE-1.7 Cognition（Devin） |
81.5% | 87.8 | 官方自报 原文 ↗ | |
| 18 | Gemini 3.5 Flash Google DeepMind |
76.2% | 82.1 | 官方自报 原文 ↗ |
◈ 能力曲线 CAPABILITY CURVE
● 公开成绩（悬停看读数，点击进档案）◆ 刷新纪录的成绩— 前沿线（历史最高分的阶梯）
◈ 前沿刷新记录 FRONTIER BREAKS榜首的保质期
| 日期 | 刷新者 | 分数 | 提升 | 在位 |
|---|---|---|---|---|
| Gemini 3.5 Flash Google DeepMind | 76.2% | 首个记录 | 21 天 | |
| Claude Fable 5 Anthropic | 88% | +11.8 | 37 天 | |
| GPT-5.6 Sol OpenAI | 88.8% | +0.8 | 48 天 | |
| Gemini 3.8 Flash Google DeepMind | 89.4% | +0.6 | 8 天 | |
| SWE-2 Cognition（Devin） | 92.8% | +3.4 | 在位中 · 7 天 |