Long-Horizon-Terminal-Bench, GPT-5.5 완전 성공률 10.9% 보고
공유 terminus-2 하네스와 90분 제한에서 46개 장기 터미널 과제를 평가한 결과, GPT-5.5의 완전 보상 pass@1은 10.9%였다.
[태그:] 터미널 벤치마크
CLI 코딩 에이전트 실패, 결정적 오류는 중앙 7단계에 발생
1,794개 CLI 에이전트 궤적을 주석한 결과 실패의 결정적 오류는 중앙 7단계였지만 관측 신호는 약 16단계에 나타났다.
