Souver DesktopTerminé
GPT-5.5
GPT-5.5
72.7 %
Score · 64 PASS sur 88 résultats comptables
Couverture
89/89
Run full-tb2-k1-runner-1-runner-1-s0-20260711T222729Z-d0a2efc3 · Desktop 0.7.151
Terminal-Bench 2.0 · résultats auditésRésultats Souver Desktop
Résultats Souver Desktop
sur Terminal-Bench 2.0
Un bon modèle ne suffit pas : c'est le harness qui transforme ses capacités en résultats fiables. Plus il est efficace, plus vos équipes vont au bout des tâches avec moins d'essais, moins de tokens et moins de temps perdu — exactement ce que Terminal-Bench met à l'épreuve.
Harbor · Terminal-Bench 2.0Snapshot 17/07/202689 tâches détaillées
Dernier résultat exploitable par sujet
Chaque carte pointe vers une cohorte homogène. Aucun shard plus récent ne remplace silencieusement un full 89 tâches.
Souver DesktopTerminé
GLM 5.2
GLM 5.2
43.2 %
Score · 38 PASS sur 88 résultats comptables
Couverture
89/89
Run full-tb2-k1-20260703T131756Z · Desktop 0.7.130
Souver DesktopTerminé
DeepSeek V4
DeepSeek V4 Pro
34.1 %
Score · 30 PASS sur 88 résultats comptables
Couverture
89/89
Run full-tb2-k1-20260706T083738Z · Desktop 0.7.145
89 tâches · verdict par produit
Détail des tâches
Chaque cellule conserve son état propre. Une panne provider ou un essai non exécuté n'est jamais transformé en échec du modèle. Cliquez sur une cellule d'évaluation pour ouvrir son détail audité.
89 tâches affichées
PASSFAILSans verdict
| Tâche TB2 | GPT-5.5 | GLM 5.2 | DeepSeek V4 |
|---|---|---|---|
| adaptive-rejection-sampler | |||
| bn-fit-modify | |||
| break-filter-js-from-html | |||
| build-cython-ext | |||
| build-pmars | |||
| build-pov-ray | |||
| caffe-cifar-10 | |||
| cancel-async-tasks | |||
| chess-best-move | |||
| circuit-fibsqrt | |||
| cobol-modernization | |||
| code-from-image | |||
| compile-compcert | |||
| configure-git-webserver | |||
| constraints-scheduling | |||
| count-dataset-tokens | |||
| crack-7z-hash | |||
| custom-memory-heap-crash | |||
| db-wal-recovery | |||
| distribution-search | |||
| dna-assembly | |||
| dna-insert | |||
| extract-elf | |||
| extract-moves-from-video | |||
| feal-differential-cryptanalysis | |||
| feal-linear-cryptanalysis | |||
| filter-js-from-html | |||
| financial-document-processor | |||
| fix-code-vulnerability | |||
| fix-git | |||
| fix-ocaml-gc | |||
| gcode-to-text | |||
| git-leak-recovery | |||
| git-multibranch | |||
| gpt2-codegolf | |||
| headless-terminal | |||
| hf-model-inference | |||
| install-windows-3.11 | |||
| kv-store-grpc | |||
| large-scale-text-editing | |||
| largest-eigenval | |||
| llm-inference-batching-scheduler | |||
| log-summary-date-ranges | |||
| mailman | |||
| make-doom-for-mips | |||
| make-mips-interpreter | |||
| mcmc-sampling-stan | |||
| merge-diff-arc-agi-task | |||
| model-extraction-relu-logits | |||
| modernize-scientific-stack | |||
| mteb-leaderboard | |||
| mteb-retrieve | |||
| multi-source-data-merger | |||
| nginx-request-logging | |||
| openssl-selfsigned-cert | |||
| overfull-hbox | |||
| password-recovery | |||
| path-tracing | |||
| path-tracing-reverse | |||
| polyglot-c-py | |||
| polyglot-rust-c | |||
| portfolio-optimization | |||
| protein-assembly | |||
| prove-plus-comm | |||
| pypi-server | |||
| pytorch-model-cli | |||
| pytorch-model-recovery | |||
| qemu-alpine-ssh | |||
| qemu-startup | |||
| query-optimize | |||
| raman-fitting | |||
| regex-chess | |||
| regex-log | |||
| reshard-c4-data | |||
| rstan-to-pystan | |||
| sam-cell-seg | |||
| sanitize-git-repo | |||
| schemelike-metacircular-eval | |||
| sparql-university | |||
| sqlite-db-truncate | |||
| sqlite-with-gcov | |||
| torch-pipeline-parallelism | |||
| torch-tensor-parallelism | |||
| train-fasttext | |||
| tune-mjcf | |||
| video-processing | |||
| vulnerable-secret | |||
| winning-avg-corewars | |||
| write-compressor |
Du benchmark à vos usages
Mesurez ce que vos agents peuvent vraiment accomplir.
Échangeons sur vos cas d'usage, vos modèles et vos contraintes : nous vous aidons à construire un harness plus fiable, plus efficient et adapté à votre environnement.
Planifier un échange de 30 min →