ランキング一覧に戻るτ²-Bench 自律エージェントタスク — ツール呼び出しと推論の組み合わせ能力を測定 Terminal Bench Hard ターミナルベースのエージェントタスク — CLI環境での自律的能力を測定 Aider-Polyglot 多言語コーディングアシスタントベンチマーク — 複数プログラミング言語のコーディング能力を測定
AIエージェント能力ランキング
τ²-Bench、Terminal Bench Hard、Aider-Polyglot による自律エージェント能力評価。
…