terminal-bench

在真实终端里跑任务，量出 agent 到底行不行

开源 unknown 评测安全

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 878

维护状态活跃

是否开源是

定价模式 unknown

项目预览

项目数据

分类评测安全

开发团队harbor-framework

所属国家

官网地址https://tbench.ai

GitHubhttps://github.com/harbor-framework/terminal-bench

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型

GitHub 星标★ 878

30天Star增速

HF 下载量

上线时间2026-01-25 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-13

浏览次数0

项目介绍

terminal-bench 是一个面向终端智能体（agent）的评测基准，用来衡量 AI 在真实命令行环境中的任务完成能力。它提供标准化的任务集与执行框架，让开发者能在统一环境下测试不同模型或 agent 的表现，避免各家自说自话。核心能力包括：定义可复现的终端任务、自动运行 agent 并记录结果、对比不同方案的能力边界。项目还强调“测量并随 agent 工作前沿演进”，意味着任务集会随 agent 能力提升而更新，保持评测的挑战性。对于研究者和工程团队，它解决了“如何客观比较终端 agent 好坏”的问题，适合用来做模型选型、能力回归测试和迭代方向验证。