Skip to content
KitploitKITPLOIT
उपकरणएक्सप्लॉइटब्लॉग
Log in
जमा करें
उपकरणएक्सप्लॉइटब्लॉग
जमा करें

हैकिंग, पेनटेस्ट और साइबर सुरक्षा उपकरण आपके सुरक्षा शस्त्रागार के लिए!

Kitploit हैकिंग, साइबर सुरक्षा और पेंटेस्टिंग टूल्स की एक निर्देशिका है। कमजोरियों को खोजने, सिस्टम का विश्लेषण करने, परीक्षण को स्वचालित करने और अपनी सुरक्षा को मजबूत करने के लिए नवीनतम प्रोजेक्ट अपडेट खोजें।

फ़ीडसंपर्कगोपनीयता© 2026 Kitploit

टूल निर्देशिका

श्रेणियाँ

सभी श्रेणियाँ देखें
Loading categories
terminal-bench-2 — AI एजेंटों का मूल्यांकन करने के लिए बेंचमार्क जिसमें वास्तविक दुनिया के कार्य शामिल हैं: कंटेनरीकृत वातावरण में भेद्यता समाधान, कोड डिबगिंग और प्रोटीन संयोजन। फ्रंटियर प्रयोगशालाओं द्वारा एजेंट क्षमताओं को मापने के लिए उपयोग किया जाता है। | Kitploit
उपकरण/GitHubGitHub/harbor-framework/terminal-bench-2
भेद्यता विश्लेषणस्क्रिप्टिंग और स्वचालनसुरक्षा वर्चुअलाइजेशनCTFपेनिट्रेशन टेस्टिंगDevSecOpsलर्निंग और शिक्षालैब और अभ्यास
GitHub
harbor-framework/terminal-bench-2

terminal-bench-2

AI एजेंटों का मूल्यांकन करने के लिए बेंचमार्क जिसमें वास्तविक दुनिया के कार्य शामिल हैं: कंटेनरीकृत वातावरण में भेद्यता समाधान, कोड डिबगिंग और प्रोटीन संयोजन। फ्रंटियर प्रयोगशालाओं द्वारा एजेंट क्षमताओं को मापने के लिए उपयोग किया जाता है।

रिपॉजिटरी देखें
371109676 महीने पहलेKitploit द्वारा समीक्षित
साझा करें

Terminal-Bench 2.0


######################################################################
#  _____                   _             _       ______________      #
# |_   _|__ _ __ _ __ ___ (_)_ __   __ _| |     ||            ||     #
#   | |/ _ \ '__| '_ ` _ \| | '_ \ / _` | |     || >          ||     #
#   | |  __/ |  | | | | | | | | | | (_| | |     ||            ||     #
#   |_|\___|_|  |_| |_| |_|_|_| |_|\__,_|_|     ||____________||     #
#   ____                  _       ____    ___   |______________|     #
#  | __ )  ___ _ __   ___| |__   |___ \  / _ \  \\############\\     #
#  |  _ \ / _ \ '_ \ / __| '_ \    __) || | | |  \\############\\    # 
#  | |_) |  __/ | | | (__| | | |  / __/ | |_| |   \      ____    \   #
#  |____/ \___|_| |_|\___|_| |_| |_____(_)___/     \_____\___\____\  #
#                                                                    #
######################################################################

Docs

Terminal-Bench कंटेनरीकृत वातावरण में मूल्यवान कार्य करने के लिए एजेंटों और भाषा मॉडलों की क्षमताओं को मापने के लिए एक लोकप्रिय बेंचमार्क है। कार्यों में संश्लेषण के लिए प्रोटीन को असेंबल करना, एसिंक कोड को डिबग करना और सुरक्षा कमजोरियों को हल करना शामिल है।

इसका उपयोग लगभग सभी अग्रणी प्रयोगशालाओं द्वारा किया जाता है।

आरंभ करना

पहले, हमारा पैकेज Harbor स्थापित करें, जो एजेंटों के मूल्यांकन और अनुकूलन के लिए है:

uv tool install harbor

या

pip install harbor

अब आप TB 2.0 चला पाएंगे! इसे स्थानीय डॉकर कंटेनरों में डेटासेट ओरेकल समाधानों को चलाकर परीक्षण करें:

uv run harbor run --dataset [email protected] \
   --agent oracle \
   --n-concurrent 4 

यह कमांड स्वचालित रूप से बेंचमार्क के कार्यों को डाउनलोड करता है। आप उन्हें https://github.com/laude-institute/terminal-bench-2 पर देख सकते हैं।

आप Terminus का उपयोग करके भी चला सकते हैं:

export ANTHROPIC_API_KEY=<YOUR-KEY>
uv run harbor run --dataset [email protected] \
   --agent terminus-2 \
   --model anthropic/claude-opus-4-1 \
   --n-concurrent 4 

या स्थापित तृतीय-पक्ष एजेंटों में से किसी एक का उपयोग करें:

export ANTHROPIC_API_KEY=<YOUR-KEY> 
uv run harbor run --dataset [email protected] \
   --agent claude-code \
   --model anthropic/claude-opus-4-1 \
   --n-concurrent 4 

Terminal-Bench Harness से Harbor में माइग्रेट करना

यदि आपने पहले अपने एजेंट या मॉडल का परीक्षण पुराने Terminal-Bench रिपॉजिटरी में किया था, तो Harbor में माइग्रेट करना सीधा होना चाहिए। बस उसी मॉडल एंडपॉइंट को harbor run के --model आर्ग्युमेंट पर इंगित करें।

एजेंटों के लिए, आपको BaseInstalledAgent या BaseAgent को सबक्लास करना होगा। एक उदाहरण के लिए, देखें कि हम Claude Code को कैसे सपोर्ट करते हैं।

Discord

यदि आपके कोई और प्रश्न हैं, तो कृपया Discord पर संपर्क करें: https://discord.gg/6xWPKhGDbA
हम #tb-2 चैनल की निगरानी कर रहे होंगे।

FAQ

प्रश्न: आपने बेंचमार्क का नया संस्करण क्यों बनाया?
उत्तर: हम हमेशा से जानते थे कि जैसे-जैसे मॉडल क्षमताएँ बढ़ेंगी, हमें terminal-bench को अग्रणी क्षमताओं के अनुरूप अद्यतित रखना होगा। TB2.0 इन क्षमताओं का परीक्षण करने के लिए कठिन कार्यों के साथ बनाया गया है। इसके अलावा, हम कार्य गुणवत्ता पर निरंतर जोर देते हुए सीमा को आगे बढ़ाना चाहते थे। TB2.0 में प्रत्येक कार्य को कई घंटों के मानव और LM-सहायता प्राप्त सत्यापन से गुजारा गया है ताकि यह सुनिश्चित हो सके कि कार्य (1) हल करने योग्य हैं, (2) यथार्थवादी हैं, और (3) अच्छी तरह से निर्दिष्ट हैं। हम आगामी प्रीप्रिंट में इस पर और अधिक जानकारी साझा करेंगे।

प्रश्न: "Harbor" क्या है और मुझे इसका उपयोग क्यों करना होगा?
उत्तर: Harbor एजेंटिक इवैल्यूएशन चलाने और RL रोलआउट उत्पन्न करने का हमारा नया फ्रेमवर्क है। हम इसे इस महीने के अंत में सामान्य उपयोग के लिए जारी करने की योजना बना रहे हैं। हमने एजेंट इवैल्यूएशन के बारे में जो कुछ भी सीखा, उसे लिया और मूल Terminal-Bench इवैल्यूएशन हार्नेस को नए सिरे से लिखा – बेहतर विश्वसनीयता, अवलोकन क्षमता, स्केलेबिलिटी और प्रदर्शन के लिए।

Terminal-Bench का हवाला देना

यदि आपको हमारा बेंचमार्क उपयोगी लगा, तो कृपया निम्नलिखित उद्धरण का उपयोग करने पर विचार करें:

@misc{tbench_2025,
      title={Terminal-Bench: A Benchmark for AI Agents in Terminal Environments}, 
      url={https://github.com/laude-institute/terminal-bench}, 
      author={The Terminal-Bench Team}, year={2025}, month={Apr}} 
टूल डाउनलोड करें

सबसे लोकप्रिय

सभी देखें →

हमारे समुदाय द्वारा सबसे अधिक उपयोग किए जाने वाले उपकरण खोजें।

  • 1

    OsintHunter

    letox4/osinthunter

    🎯 अंतिम OSINT टूलकिट: जाँच ग्राफ़, विश्वास स्कोरिंग, उपनाम परिवार, मानचित्र, टाइमलाइन और रिपोर्ट। 49 मॉड्यूल, 400+ साइटें, किसी API कुंजी की आवश्यकता नहीं।

    565
  • 2

    ghostlock-app

    yukonga/ghostlock-app

    # घोस्टलॉक वन-टैप निष्पादन ऐप (CVE-2026-43499)

    478
  • 3

    ARTEX

    baarai/artex

    प्लानर/वर्कर एजेंट, एसेट और एक्सप्लोरेशन ग्राफ़, MITM ट्रैफ़िक रिकॉर्डिंग, और भेद्यता पुनःपरीक्षण के साथ LLM मल्टी-एजेंट स्वायत्त पेनेट्रेशन टेस्टिंग प्लेटफ़ॉर्म।

    383
  • 4

    redforge

    cybersecurity91/redforge

    ब्राउज़र-साइड रेड टीम टूलकिट, जिसमें रेकॉन, पेलोड जनरेशन, क्रेडेंशियल हमलों, क्रिप्टो, एन्कोडिंग और एंगेजमेंट रिपोर्टिंग के लिए 102 ऑफ़लाइन टूल्स हैं।

    327
  • 5

    estorides

    grisuno/estorides

    99+ मुफ़्त OSINT स्रोतों को समानांतर रूप से एकत्रित करता है, संस्थाओं को एक ज्ञान ग्राफ़ में हल करता है, और LLM-सहायता प्राप्त विश्लेषण के साथ STIX 2.1, MISP, या GraphML निर्यात करता है।

    258
  • 6

    CyberStrikeAI

    ed1s0nz/cyberstrikeai

    AI-मूल साइबरसुरक्षा के लिए कार्रवाई की प्रणाली—जहाँ इरादा नियंत्रित निष्पादन बन जाता है, साक्ष्य परिचालन स्मृति बन जाता है, और हर ऑपरेशन अगले को बेहतर बनाता है।

    256

सभी उपकरण खोजें

हमारे उपकरणों का संग्रह ब्राउज़ करें

सभी उपकरण देखें →