# Terminal-Bench 4.0

## О тесте

Terminal-Bench проверяет, как модель в роли агента доводит до конца долгую работу в терминале. Она получает задание в изолированной песочнице, сама выполняет команды и сдает готовый результат. Версия 4.0 — новый набор из 66 задач, ни одна из них не повторяет задачи версии 2.1. Это уже не только программирование: примерно три четверти задач относятся к науке, машинному обучению, операционной работе, проектированию железа, безопасности и медиа. Каждая задача заканчивается проверяемым итогом: работающим сервисом, доказательством, CAD-моделью, отчетом. По оценке авторов, на типичную задачу у эксперта ушло бы около четырех часов.

Проверка строгая: задачу засчитывают, только если итог проходит весь набор проверок, частичных баллов нет. Поэтому цифры 4.0 заметно ниже, чем в прошлых версиях, и сравнивать их с результатами 2.x и 3.0 нельзя.

Чем тест ограничен. Результат зависит от агента, в котором запускали модель, и от уровня рассуждений. Задачи не повторяют ваш стек и ваш репозиторий, поэтому перед выбором модели проверьте ее на своих задачах.

## Результаты

Методика: Vals AI.

Vals AI запускает все модели в одном минимальном агенте mini-SWE-agent. У модели есть единственный инструмент — bash, ограничений по числу шагов и стоимости нет, на задачу дается до 8 часов. Каждую модель прогоняют по всему набору три раза, по одной попытке на задачу, и показывают среднее; погрешность — стандартная ошибка по трем прогонам. Условия у всех одинаковые, поэтому эти цифры можно сравнивать между собой. Минимальный агент показывает, на что способна сама модель без фирменной обвязки разработчика.

| Модель | Независимый замер | Цифра разработчика | Ввод, ₽ за 1 млн | Вывод, ₽ за 1 млн |
| --- | --- | --- | --- | --- |
| [Claude Opus 5.5](https://router.nodul.ru/models/anthropic/claude-opus-5.5.md) | 65,15 % (ноябрь 2026) | 66,4 % (сентябрь 2026) | 295.888 | 1479.4398 |
| [Claude Sonnet 5.5](https://router.nodul.ru/models/anthropic/claude-sonnet-5.5.md) | 64,14 % (ноябрь 2026) | 70,6 % (сентябрь 2026) | 147.944 | 739.7199 |
| [Kimi K3.1 Pro](https://router.nodul.ru/models/moonshotai/kimi-k3.1-pro.md) | 63,64 % (ноябрь 2026) | 65,7 % (октябрь 2026) | 143.66 | 940.5 |
| [GPT-6 Astra](https://router.nodul.ru/models/openai/gpt-6-astra.md) | 59,6 % (ноябрь 2026) | 57,9 % (сентябрь 2026) | 739.7199 | 3698.5995 |
| [Claude Fable 5.1](https://router.nodul.ru/models/anthropic/claude-fable-5.1.md) | 58,08 % (ноябрь 2026) | 55,8 % (сентябрь 2026) | 739.7199 | 3698.5995 |
| [Gemini 4 Argon](https://router.nodul.ru/models/google/gemini-4-argon.md) | 57,58 % (ноябрь 2026) | 57,4 % (октябрь 2026) | 147.944 | 739.7199 |
| [GPT-6.1 Sol](https://router.nodul.ru/models/openai/gpt-6.1-sol.md) | 55,05 % (ноябрь 2026) | — | 147.944 | 739.7199 |
| [Gemini 4 Hydrogen](https://router.nodul.ru/models/google/gemini-4-hydrogen.md) | 54,04 % (ноябрь 2026) | — | 165 | 825 |
| [Claude Opus 5](https://router.nodul.ru/models/anthropic/claude-opus-5.md) | 53,53 % (ноябрь 2026) | 52,3 % (сентябрь 2026) | 369.86 | 1849.2998 |
| [GPT-6.1 Terra](https://router.nodul.ru/models/openai/gpt-6.1-terra.md) | 49,49 % (ноябрь 2026) | 50,3 % (октябрь 2026) | 73.972 | 369.86 |
| [Muse Wonder](https://router.nodul.ru/models/meta/muse-wonder.md) | 49,49 % (ноябрь 2026) | — | 440 | 2200 |
| [GPT-6 Sol](https://router.nodul.ru/models/openai/gpt-6-sol.md) | 44,44 % (ноябрь 2026) | — | 147.944 | 739.7199 |
| [Claude Fable 5](https://router.nodul.ru/models/anthropic/claude-fable-5.md) | 41,41 % (ноябрь 2026) | 42 % (сентябрь 2026) | 739.7199 | 3698.5995 |
| [Hy4](https://router.nodul.ru/models/tencent/hy4.md) | 39,39 % (ноябрь 2026) | — | 91.74 | 275.11 |
| [GLM 5.3](https://router.nodul.ru/models/z-ai/glm-5.3.md) | 38,89 % (ноябрь 2026) | — | 69.3 | 217.8 |
| [Qwen3.8 Max (0902)](https://router.nodul.ru/models/qwen/qwen3.8-max-0902.md) | 38,89 % (ноябрь 2026) | — | 177.4872 | 532.4616 |
| [GPT-5.6 Sol](https://router.nodul.ru/models/openai/gpt-5.6-sol.md) | 37,88 % (ноябрь 2026) | 37,3 % (сентябрь 2026) | 295.888 | 1479.4398 |
| [GLM 5.3 Flash](https://router.nodul.ru/models/z-ai/glm-5.3-flash.md) | 37,37 % (ноябрь 2026) | — | 11.0958 | 36.986 |
| [Claude Haiku 5.5](https://router.nodul.ru/models/anthropic/claude-haiku-5.5.md) | 36,36 % (ноябрь 2026) | 39,2 % (октябрь 2026) | 7.3972 | 36.986 |
| [DeepSeek V4.1 Flash 1017](https://router.nodul.ru/models/deepseek/deepseek-v4.1-flash-1017.md) | 31,82 % (ноябрь 2026) | 42,3 % (октябрь 2026) | 7.2285 | 29.1723 |
| [Step 5 Preview](https://router.nodul.ru/models/stepfun/step-5-preview.md) | 31,82 % (ноябрь 2026) | 33,3 % (октябрь 2026) | 110 | 297 |
| [MiMo-V2.6-Pro](https://router.nodul.ru/models/xiaomi/mimo-v2.6-pro.md) | 31,31 % (ноябрь 2026) | — | 38.6035 | 77.2069 |
| [Grok 4.7](https://router.nodul.ru/models/x-ai/grok-4.7.md) | 28,79 % (ноябрь 2026) | 37,6 % (сентябрь 2026) | 177.4872 | 532.4616 |
| [MiniMax M3.1 Flash](https://router.nodul.ru/models/minimax/minimax-m3.1-flash.md) | 25,25 % (ноябрь 2026) | — | 16.5 | 66 |
| [MiMo-V2.6-Flash](https://router.nodul.ru/models/xiaomi/mimo-v2.6-flash.md) | 24,24 % (ноябрь 2026) | — | 12.4241 | 24.8482 |
| [Claude Opus 4.8](https://router.nodul.ru/models/anthropic/claude-opus-4.8.md) | 23,23 % (ноябрь 2026) | — | 369.86 | 1849.2998 |
| [GPT-5.6 Terra](https://router.nodul.ru/models/openai/gpt-5.6-terra.md) | 22,73 % (ноябрь 2026) | 21,5 % (октябрь 2026) | 147.944 | 887.6639 |
| [Ember-1](https://router.nodul.ru/models/fireworks/ember-1.md) | 20,71 % (ноябрь 2026) | — | 330 | 1650 |
| [DeepSeek V4.1 Flash](https://router.nodul.ru/models/deepseek/deepseek-v4.1-flash.md) | 19,7 % (ноябрь 2026) | 31,2 % (сентябрь 2026) | 3.6838 | 14.7352 |
| [Gemini 3.8 Flash](https://router.nodul.ru/models/google/gemini-3.8-flash.md) | 19,7 % (ноябрь 2026) | 19,1 % (сентябрь 2026) | 55.479 | 277.395 |
| [DeepSeek V4 Flash 0731](https://router.nodul.ru/models/deepseek/deepseek-v4-flash-0731.md) | 18,69 % (ноябрь 2026) | — | 4.873 | 33 |
| [Grok 4.6](https://router.nodul.ru/models/x-ai/grok-4.6.md) | 17,17 % (ноябрь 2026) | 20,3 % (сентябрь 2026) | 177.4872 | 532.4616 |
| [Kimi K3](https://router.nodul.ru/models/moonshotai/kimi-k3.md) | 17,17 % (ноябрь 2026) | — | 49.5 | 1109.5799 |
| [DeepSeek V4 Pro 0813](https://router.nodul.ru/models/deepseek/deepseek-v4-pro-0813.md) | 14,14 % (ноябрь 2026) | — | 81.9991 | 245.9973 |
| [GPT-6 Luna](https://router.nodul.ru/models/openai/gpt-6-luna.md) | 13,64 % (ноябрь 2026) | — | 7.3972 | 36.986 |
| [Inkling 2 Small](https://router.nodul.ru/models/thinkingmachines/inkling-2-small.md) | 12,63 % (ноябрь 2026) | 13,1 % (ноябрь 2026) | 33 | 110 |
| [Gemini 3.7 Flash](https://router.nodul.ru/models/google/gemini-3.7-flash.md) | 12,12 % (ноябрь 2026) | 11,2 % (сентябрь 2026) | 55.479 | 277.395 |
| [GPT-5.6 Luna](https://router.nodul.ru/models/openai/gpt-5.6-luna.md) | 11,62 % (ноябрь 2026) | — | 14.7944 | 88.7664 |
| [DeepSeek V4 Pro 0423](https://router.nodul.ru/models/deepseek/deepseek-v4-pro.md) | 11,11 % (ноябрь 2026) | — | 48.88 | 97.7599 |
| [Claude Sonnet 5](https://router.nodul.ru/models/anthropic/claude-sonnet-5.md) | 10,61 % (ноябрь 2026) | 10,3 % (сентябрь 2026) | 147.944 | 739.7199 |
| [Muse Spark 1.3](https://router.nodul.ru/models/meta/muse-spark-1.3.md) | 10,61 % (ноябрь 2026) | — | 137.5 | 467.5 |
| [Grok 4.5](https://router.nodul.ru/models/x-ai/grok-4.5.md) | 8,59 % (ноябрь 2026) | — | 177.4872 | 532.4616 |
| [Hy4 preview](https://router.nodul.ru/models/tencent/hy4-preview.md) | 8,08 % (ноябрь 2026) | — | 91.74 | 275.11 |
| [Muse Spark Open](https://router.nodul.ru/models/meta/muse-spark-open.md) | 6,57 % (ноябрь 2026) | — | 137.5 | 467.5 |
| [Gemini 3.5 Flash](https://router.nodul.ru/models/google/gemini-3.5-flash.md) | 6,06 % (ноябрь 2026) | — | 110.958 | 665.7479 |
| [Muse Spark 1.2](https://router.nodul.ru/models/meta/muse-spark-1.2.md) | 6,06 % (ноябрь 2026) | — | 137.5 | 467.5 |
| [Beam 1.0 501B A23B](https://router.nodul.ru/models/reflection/beam-1.0-501b-a23b.md) | 4,04 % (ноябрь 2026) | — | 44 | 132 |
| [Gemini 3.1 Pro Preview](https://router.nodul.ru/models/google/gemini-3.1-pro-preview.md) | 2,52 % (ноябрь 2026) | — | 147.944 | 887.6639 |
| [GPT-5.4 Mini](https://router.nodul.ru/models/openai/gpt-5.4-mini.md) | 2,52 % (ноябрь 2026) | — | 66.5577 | 399.3462 |
| [MiniMax M3](https://router.nodul.ru/models/minimax/minimax-m3.md) | 1,01 % (ноябрь 2026) | — | 26.6231 | 106.4923 |
| [Inkling](https://router.nodul.ru/models/thinkingmachines/inkling.md) | 0,51 % (ноябрь 2026) | — | 110 | 445.5 |
| [MiMo-V2.5-Pro](https://router.nodul.ru/models/xiaomi/mimo-v2.5-pro.md) | 0,51 % (ноябрь 2026) | — | 38.6035 | 77.2069 |
| [Inkling Small](https://router.nodul.ru/models/thinkingmachines/inkling-small.md) | 0 % (ноябрь 2026) | — | 49.5 | 132 |
| [Nemotron 3.5 Super VL](https://router.nodul.ru/models/nvidia/nemotron-3.5-super-vl.md) | 0 % (ноябрь 2026) | — | 16.5 | 55 |
| [Pareto 26.10](https://router.nodul.ru/models/unbiased/pareto-26.10.md) | — | 50,8 % (октябрь 2026) | 88 | 352 |
| [Ling 3.1 Flash](https://router.nodul.ru/models/inclusionai/ling-3.1-flash.md) | — | 46,03 % (октябрь 2026) | 6.6 | 19.8 |
| [Muse Ember](https://router.nodul.ru/models/meta/muse-ember.md) | — | 40,9 % (ноябрь 2026) | 11 | 55 |
| [Mistral Large 4](https://router.nodul.ru/models/mistralai/mistral-large-4-0.md) | — | 28,3 % (октябрь 2026) | 77 | 231 |
| [Claude Haiku 4.5](https://router.nodul.ru/models/anthropic/claude-haiku-4.5.md) | — | 0 % (октябрь 2026) | 73.972 | 369.86 |

## Цифры разработчиков

Цифру опубликовал разработчик модели. Условия запуска — агент, уровень рассуждений, число попыток — он выбирает сам и раскрывает не всегда; где они указаны, они подписаны у строки.

---
HTML-версия: https://router.nodul.ru/models/benchmarks/terminal-bench
Оглавление сайта для ИИ-агентов: https://router.nodul.ru/llms.txt · все для решения о покупке: https://router.nodul.ru/llms-full.txt · прайс-лист: https://router.nodul.ru/models/prices.md
