UMBRELLA 4365UMBRELLA 4365 · Cursor 战地纪实 CAPABILITY ASSAY · 能力评测

Terminal-Bench 4.0

Terminal-Bench 4.0 是 2026 年的终端 agent 题库版本，Fable 5.1 与 Mythos 5.1 的发布材料以它为主战场之一。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 15 个成绩 18 条前沿刷新 3 次2026.09.01 → 2026.10.01

◈ 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 Claude Opus 5.5
Anthropic
 66.4% 100 官方自报 · xhigh 档 · 安全措施启用（Opus 5 为 52.3%） 原文 ↗
2 Claude Sonnet 5.5
Anthropic
 64.1% 96.6 Vals AI 第三方统一 harness · 榜第 2（以 Sonnet 5 为服务端拒答回退） 原文 ↗
3 Claude Mythos 5.1
Anthropic
 60.9% 91.7 官方自报（受限通道模型） 原文 ↗
4 GPT-6 Astra
OpenAI
 57.9% 87.2 官方自报 · 最大努力档 原文 ↗
5 Claude Fable 5.1
Anthropic
 55.8% 84 官方自报 原文 ↗
6 Claude Opus 5
Anthropic
 51.8% 78 据 Gemini 3.8 Flash 发布对照表 原文 ↗
7 Claude Fable 5
Anthropic
 44.5% 67 据 GPT-6 Astra 发布对照表（Anthropic 自家表为 42.0） 原文 ↗
8 Grok 4.7
xAI / SpaceXAI
 38% 57.2 xhigh 档 · Grok Build · Harbor 评测 · 官方模型卡 原文 ↗
9 GPT-5.6 Sol
OpenAI
 37.3% 56.2 据 GPT-6 Astra 发布对照表 · 最大努力档 原文 ↗
10 DeepSeek-V4.1-Flash
DeepSeek
 31.2% 47 官方更新日志自报 原文 ↗
11 SWE-2
Cognition（Devin）
 27.3% 41.1 官方自报 · 各档最佳 原文 ↗
12 Kimi K3
月之暗面 · Kimi
 21.5% 32.4 据 Cognition SWE-2 发布对照表 · Devin CLI harness 原文 ↗
13 Grok 4.6
xAI / SpaceXAI
 20.3% 30.6 据 Cognition SWE-2 发布对照表 · Grok Build harness 原文 ↗
14 Gemini 3.8 Flash
Google DeepMind
 19.1% 28.8 官方自报（发布对照表） 原文 ↗
15 Claude Sonnet 5
Anthropic
 10.3% 15.5 据 Sonnet 5.5 发布对照表 原文 ↗

◈ 能力曲线 CAPABILITY CURVE

0204060801002026.072026.092026.112027.01今日%Claude Mythos 5.1 · 60.9% · 2026-09-01 · 官方自报（受限通道模型）Claude Fable 5.1 · 55.8% · 2026-09-01 · 官方自报Claude Opus 5 · 52.3% · 2026-09-01 · Anthropic 自报 · 据 Fable 5.1 发布对照表（Google 表 51.8 / OpenAI 表 52.6）Claude Fable 5 · 42% · 2026-09-01 · 据 Fable 5.1 发布材料的对照数字Claude Opus 5 · 51.8% · 2026-09-02 · 据 Gemini 3.8 Flash 发布对照表Gemini 3.8 Flash · 19.1% · 2026-09-02 · 官方自报（发布对照表）GPT-6 Astra · 57.9% · 2026-09-03 · 官方自报 · 最大努力档Claude Fable 5 · 44.5% · 2026-09-03 · 据 GPT-6 Astra 发布对照表（Anthropic 自家表为 42.0）GPT-5.6 Sol · 37.3% · 2026-09-03 · 据 GPT-6 Astra 发布对照表 · 最大努力档DeepSeek-V4.1-Flash · 31.2% · 2026-09-10 · 官方更新日志自报SWE-2 · 27.3% · 2026-09-10 · 官方自报 · 各档最佳Kimi K3 · 21.5% · 2026-09-10 · 据 Cognition SWE-2 发布对照表 · Devin CLI harnessGrok 4.6 · 20.3% · 2026-09-10 · 据 Cognition SWE-2 发布对照表 · Grok Build harnessGrok 4.7 · 38% · 2026-09-21 · xhigh 档 · Grok Build · Harbor 评测 · 官方模型卡Claude Opus 5.5 · 66.4% · 2026-09-22 · 官方自报 · xhigh 档 · 安全措施启用（Opus 5 为 52.3%）Claude Sonnet 5.5 · 70.6% · 2026-09-28 · 官方自报 · max 档 · Claude Code --bare，5 次平均（安全措施触发 1.2% 请求走服务端回退）Claude Sonnet 5 · 10.3% · 2026-09-28 · 据 Sonnet 5.5 发布对照表Claude Sonnet 5.5 · 64.1% · 2026-10-01 · Vals AI 第三方统一 harness · 榜第 2（以 Sonnet 5 为服务端拒答回退）Claude Sonnet 5.5 70.6%
● 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）
SWE-bench Verified · 46HLE · 22DeepSWE v1.1 · 18Terminal-Bench 2.1 · 18FrontierCode 1.1 Main · 13AA Intelligence Index · 12CursorBench 4.0 · 8SWE-bench Pro · 8AA Coding Agent Index · 7Terminal-Bench-Science 0.1 · 7CursorBench · 5Terminal-Bench 2.0 · 4Terminal-Bench 3.0 · 3SWE-bench Pro (Multilingual) · 2SWE-bench Pro (Multimodal) · 2Terminal-Bench · 2

◈ 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
Claude Mythos 5.1 Anthropic 60.9% 首个记录 21 天
Claude Opus 5.5 Anthropic 66.4% +5.5 6 天
Claude Sonnet 5.5 Anthropic 70.6% +4.2 在位中 · 34 天
⇱ 返回完整时间树 UMBRELLA 4365 · 双线对照 · 由新到旧 · 全部档案