Benchmarks · Portrait

Terminal-Bench 2.1

Misst, ob Agenten komplexe Aufgaben in einer Terminalumgebung erledigen.

Quellen geprüft am 19. Oktober 2026 · Redaktion: Philipp Paulik

Technische Einordnung

Version 2.1 überarbeitet Aufgaben aus 2.0, unter anderem Fehler, Zeitlimits und Robustheit der Bewertung. Der Test misst ein Agentensystem, nicht nur ein isoliertes Sprachmodell.

Messgröße

Aufgaben-Erfolg im jeweiligen Agenten- und Laufzeitaufbau.

Grenzen & richtig lesen

Version 2.0, 2.1 und spätere Versionen getrennt führen. Agent, Tools, Reasoning-Aufwand, Ressourcen und Zahl der Wiederholungen beeinflussen den Wert.

Benchmark-Belege

Herstellerbericht, keine eigene Messung. Die Zahlen sind keine direkt vergleichbare Modellrangliste. Messdatum und vollständige Testkonfiguration sind in den referenzierten Tabellenzeilen nicht ausgewiesen.

Test / Modell	Wert	Kontext
Nemotron 3.5 Super VL NVFP42.1	60,80% laut Herstellertabelle	NVFP4; Prompt, Agent, Budget und Wiederholungen in dieser Tabellenzeile nicht vollständig spezifiziert. Nicht für direkte Modellranglisten geeignet.Quelle: NVIDIA · Abruf 19.10.2026