評測來源官方評測
Terminal-Bench Science
Harbor / 專業辦公 · 在終端裏完成科研任務
在 ATech Hot 中觀察中
評測權重不計分
來源資料更新時間待核實
最近成功同步尚未開始採集
它測什麼,怎麼測
區分 Claude Code、Codex 和 mini-SWE 等系統;不能把不同系統成績直接當模型能力。
如何使用這份證據
觀察中:12 個型號且混合運行系統,新前沿型號仍不完整。
評測侷限與數據署名
觀察中:12 個型號且混合運行系統,新前沿型號仍不完整。
數據許可:待確認榜單數據使用邊界
成績由 Harbor 發佈,原始分數與 ATech Hot 共識指數使用不同尺度,不能直接相加。