評測來源官方評測
Long-Horizon Terminal-Bench
Tencent HY / Lehigh 等 / 編程 · 在較長時間內持續使用終端，完成複雜工程與工具任務。
在 ATech Hot 中觀察中
證據預算不計分
上游數據時間待核實
最近成功同步尚未開始採集
它測什麼，怎麼測
90 分鐘、2 小時和 3 小時預算分別比較；修復前後判題協議不能混排，也不能把不同 Agent 的最好結果當統一模型成績。
如何使用這份證據
候選觀察：等待明確標註修復協議的新批次，現有舊分不自動採集到公開榜，也不計分；不據此斷言每條舊結果都利用了漏洞。
評測侷限與數據署名
官方披露過判題信息泄漏；當前不能證明已有成績屬於隔離判題後的同一協議。部分任務與其他專業評測的來源重疊待核。
數據許可：Apache 2.0 · 官方 IntelligenceLab/LHTB-leaderboard 成績數據集；保留署名和變更説明。
成績由 Tencent HY / Lehigh 等 發佈，原始分數與 ATech Hot 共識分使用不同尺度，不能直接相加。