← Fișele benchmarkurilor
Agentic
Terminal-Bench 4.0
Publicat de Terminal-Bench 4.0 (Harbor / Laude Institute). Pagina sursei ↗ · Datele pe care le citim ↗
Harbor / Laude Institute; publishes a 95% interval per entry.
Fapte
| Fapt | Valoare | De unde provine |
|---|---|---|
| Cine rulează evaluarea | o organizație independentă | curatoriat de aiqbench, verificat la 2026-10-09 |
| Expunerea setului de test | public | curatoriat de aiqbench, verificat la 2026-10-09 |
| Licența datelor | CC-BY-4.0 | înregistrarea de atribuire a clasamentului |
| Cel mai nou rezultat publicat | 29 sept. 2026 | rândurile ingerate |
| Ultima preluare de către aiqbench | acum 4 ore · la fiecare 12 h | jurnalul de sincronizare |
| Modele pe această axă | 23 | rândurile ingerate |
| Rânduri cu interval publicat | fiecare rând | rândurile ingerate |
| Spațiu rămas în vârf | Cel mai bun 64.8%, cu 35.2% sub plafon; primele 10 în interval de 27.3%. | calculat din rândurile ingerate |
| Axe pe care le urmează îndeaproape | Niciuna la ρ ≥ 0,8 între perechile măsurate. | ρ Spearman pe modelele comune (vezi Grupuri) |
Unde apare
Ponderată în șabloanele predefinite: Toate sursele ×1.
Vezi această axă singură în consolă →Atribuire
Source: Every Eval Ever datastore (EvalEval coalition), https://huggingface.co/datasets/evaleval/EEE_datastore, licensed CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Underlying results published by Terminal-Bench 4.0 (Harbor / Laude Institute) — https://www.tbench.ai/leaderboard, converted into the EEE schema by the coalition's adapters. Modified by aiqbench: the 'terminal-bench-4.0' collection's headline result per model, normalised into aiqbench's common board format, proportions rescaled to percent.