ターミナルベンチマーク
Terminal Bench 2.1
Snorkel 検証済みの Terminal-Bench 2.1 行と公開 GPT-5.6 数値の参考混合。コストは近似プロキシ(DeepSWE との重複または API ティア推定)。OpenCodex のライブ計測ではありません。
このボードのコストは推定または API 価格の合成です — すべての行にソース実測のタスクあたりコストがない限り、スコア/$ ランキングと「最高コスパ」は無効になります。
| モデル | 推論負荷 | スコア | コスト / タスク | 用途 |
|---|---|---|---|---|
| gpt-5.6-sol | xhigh | 88.8% | $8.39 | フロンティア, プランナー |
| gpt-5.6-terra | codex | 78.4% ±1.3 | $4.95 | 主力, フロンティア |
| gpt-5.6-luna | codex | 75.7% ±1.3 | $3.03 | 主力, 低価サブエージェント |
| claude-fable-5 | claude-code | 83.8% ±1.2 | $21.63 | プランナー, フロンティア |
| gpt-5.5 | codex | 83.1% ±1.1 | $7.23 | フロンティア, 主力 |
| grok-4.5 | cursor-cli | 79.3% ±1.5 | $2.42 | 主力, 低価サブエージェント |
| claude-opus-4.8 | claude-code | 78.9% ±1.3 | $13.22 | フロンティア, プランナー |
| muse-spark-1.1 | mini-swe-agent | 76.2% ±1.2 | $2.36 | 主力, 低価サブエージェント |
| claude-sonnet-5 | claude-code | 74.6% ±1.6 | $12 | 主力 |
| glm-5.2 | claude-code | 82.7% | $3.92 | 主力, 低価サブエージェント |
| claude-opus-4.7 | claude-code | 68.9% ±1.4 | $10 | フロンティア |
| gemini-3.1-pro | gemini-cli | 65.8% ±1.7 | $9.48 | フロンティア |
| kimi-k3 | — | 88.3% | $5 | フロンティア, 主力 |
| hy3 | — | 71.7% | $2 | 低価サブエージェント, 主力 |
| minimax-m3 | — | 66% | $1.5 | 低価サブエージェント |