Terminal-Bench 3.0 en resumen
La nueva versión abarca siete dominios con entornos más completos, y el mejor resultado inicial resolvió cerca de un tercio de las tareas.
Qué cambió con Terminal-Bench 3.0
Terminal-Bench 3.0, publicado el 30 de julio de 2026, parte de la versión 2.1 con 74 tareas en siete dominios. Las tareas duran más y usan entornos más completos, como redes de varios contenedores, GPU y archivos como respaldos de bases de datos, checkpoints de ML y archivos CAD. Los contenedores del agente y del evaluador ahora están separados, así que los resultados se pueden recalificar cuando mejora el evaluador.
Terminal-Bench 3.0 en cifras
Los valores provienen de la fuente enlazada en la fecha indicada. No son mediciones de IA Compa.
- Mejor tasa de éxito en el lanzamiento (GPT-5.6 Sol, Codex)al · Fuente de Mejor tasa de éxito en el lanzamiento (GPT-5.6 Sol, Codex): tbench.ai (se abre en una pestaña nueva)
- 34.4%
- Tareas en la primera versiónal · Fuente de Tareas en la primera versión: tbench.ai (se abre en una pestaña nueva)
- 74
Por qué Terminal-Bench 3.0 importa para los negocios
En el lanzamiento, la mejor tasa de éxito fue 34.4% para GPT-5.6 Sol en Codex, seguida de Fable 5 en Claude Code con 33.8%. Para empresas, estos puntajes bajos recuerdan que los trabajos técnicos largos y sin supervisión todavía fallan con frecuencia, y que la revisión humana debe formar parte de cualquier flujo con agentes.
Fuentes de esta noticia
- Terminal-Bench 3.0 (se abre en una pestaña nueva)Oficial
Terminal-Bench · tbench.ai
- Terminal-Bench news (se abre en una pestaña nueva)Oficial
Terminal-Bench · tbench.ai
Última verificación: . IA Compa resume anuncios públicos para lectores de negocios. No tenemos relación con las empresas mencionadas. Confirma siempre los detalles, precios y disponibilidad con la fuente oficial.
- #benchmarks
- #terminal-bench
- #agents
- #coding
