AI 코딩 에이전트 터미널벤치 2.1 최신 순위표, 코덱스 vs 클로드 코드

터미널 작업 기준으로 어떤 코딩 에이전트가 제일 잘하는지 궁금해서 tbench.ai 공식 리더보드를 직접 들어가서 확인해봤어요. 순위표만 캡처해서 돌아다니는 정보들이 많은데, 원본 사이트 수치랑 안 맞는 경우가 꽤 있더라고요. 그래서 이번 글은 tbench.ai에 있는 원본 표를 그대로 가져와서 정리했어요.

 

터미널벤치란

터미널벤치는 에이전트가 실제 터미널을 조작해서 개발 작업을 완료하는 능력을 측정하는 벤치마크예요. 파일 편집, 명령어 실행, 실패한 작업 복구 같은 걸 실제 터미널 환경에서 시켜보고 성공률을 매기는 방식이고요. 중요한 건 모델 하나만 따로 평가하는 게 아니라 에이전트와 모델의 조합을 하나의 단위로 평가한다는 점이에요.

같은 모델이라도 어떤 에이전트 위에서 돌아가느냐에 따라 점수가 달라지기 때문에, 표를 볼 때도 모델 이름만 보지 말고 어떤 에이전트랑 짝을 이뤘는지 같이 보셔야 해요.

tbench.ai 공식 순위표 (터미널벤치 2.1 기준)

순위	에이전트	모델	정확도	날짜
1	코덱스 CLI	GPT-5.5	83.4%	2026-05-01
2	클로드 코드	클로드 5 페이블	83.1%	2026-06-17
3	터미너스 2	클로드 5 페이블	80.4%	2026-06-17
4	클로드 코드	클로드 오푸스 4.8	78.9%	2026-05-29
5	터미너스 2	GPT-5.5	78.2%	2026-05-01
6	터미너스 2	클로드 오푸스 4.8	74.6%	2026-05-29
7	터미너스 2	제미나이 3 프로	74.4%	2026-05-01
8	제미나이 CLI	제미나이 3.1 프로	70.7%	2026-05-05
9	터미너스 2	제미나이 3.1 프로	70.3%	2026-05-05
10	클로드 코드	클로드 오푸스 4.7	69.7%	2026-05-01

 

이 표는 tbench.ai에 등록된 전체 13개 항목 중 상위 10개만 가져온 거예요. 순위표 팀이 직접 평가를 돌리고 결과를 검증했다고 명시돼 있으니 신뢰도는 높은 편이에요.

 

1위랑 2위 사이, 그리고 지금 당장 못 쓰는 모델 얘기

1위는 코덱스 CLI에 GPT-5.5를 물린 조합으로 83.4%예요. 2위인 클로드 코드에 클로드 5 페이블을 물린 조합이 83.1%로 거의 붙어있는데, 여기서 짚고 넘어가야 할 게 있어요. 클로드 5 페이블은 6월 12일에 미국 정부의 수출통제 지침으로 전 세계에서 접근이 막힌 모델이에요. 오늘 기준으로도 여전히 복구가 안 된 상태고요. 그러니까 이 순위표에서 2위와 3위는 지금 시점에는 실제로 돌려볼 수 없는 점수라고 보셔야 해요.

그래서 지금 당장 쓸 수 있는 조합 중에서 가장 높은 순위는 4위인 클로드 코드 플러스 오푸스 4.8, 78.9%예요. 코덱스 CLI의 83.4%랑 비교하면 4.5점 정도 차이가 나는 셈이고요. 5위와 6위를 보면 같은 모델이라도 클로드 코드보다 터미너스 2에서 돌렸을 때 오히려 점수가 낮게 나온 경우도 있는데, 이건 에이전트 하네스 자체의 설계 차이가 점수에 영향을 준다는 걸 보여주는 부분이에요.

실전: 지금 뭘 골라야 하나

당장 쓸 수 있는 조합 기준으로 정리하면, 순수 터미널 작업 성능만 놓고 봤을 때는 코덱스 CLI 플러스 GPT-5.5가 가장 높은 점수를 기록하고 있고, 클로드 진영에서는 클로드 코드에 오푸스 4.8을 물리는 조합이 가장 안정적인 선택이에요. 다만 이건 어디까지나 터미널 작업 기준 점수라는 걸 감안하셔야 해요. 실제 레포지토리 이슈를 고치는 작업은 SWE-bench 같은 다른 벤치마크로 따로 측정하니까, 본인 작업 성격이 터미널 명령 위주인지 실제 코드 수정 위주인지에 따라 참고하는 지표를 다르게 보시는 게 정확해요.