LHTB：把長時程終端代理放進 46 個可驗證任務
長視野終端基準，獎勵分級密集。 Grok 4.5 以約 11 美元/任務的價格位居榜首，MiniMax M3（6 美元/任務）和 Hy3（2.47 美元/任務）等更便宜的型號與價格更高的 5 10 美元的型號（Claude Fable 5，73 美元/任務，Claude Sonnet 5，60 美元/任務）競爭。
秒懂
- 它是什麼？
- LHTB 以容器化終端承載數百步工作，使用隱藏且可由產物重建的驗證器評分，並在 Harbor 上加入 continue_until_timeout 與驗證器隔離。
- 適合誰用？
- LHTB 適合需要比較終端代理長程規劃能力的人。先在 configs/examples/oracle_smoke.yaml 檢查 Harbor 連線，再用修改版 harbor/ 跑單一任務，確認 task.toml 的 continue_until_timeout 和 /logs/verifier 清理行為符合預期。
- 可以商用嗎？
- 可以。Apache-2.0 是寬鬆授權：你可以使用、修改並販售以它為基礎的軟體，只需保留著作權與授權聲明。
- 還在維護嗎？
- 有在維護。儲存庫最近一次提交在 19 天前。
- 用什麼語言寫的？
- 主要是 Python（依據 GitHub 的語言統計）。
以上回答依據專案的 GitHub 資料（最近同步於 2026年9月14日）與我們的分析，不構成法律意見。
開源專案深度解析
46 個任務與八類工作
46 個任務與八類工作 是 LHTB README 中可直接核對的範圍。LHTB 以容器化終端承載數百步工作，使用隱藏且可由產物重建的驗證器評分，並在 Harbor 上加入 continue_until_timeout 與驗證器隔離。 這個小節不把專案宣稱改寫成測試結果，而是說明使用者會遇到的具體入口、輸入、輸出與限制。LHTB 的文件把相關行為放在 README 中，實際採用時應對照原文與當前版本。\n\n對 LHTB 而言，這個區域的價值在於能否接上既有工作流程。文件未說明的相容性、效能、資料保存或失敗恢復，不能從 star 數或描述推導。若涉及憑證、帳號、模型、硬體或外部服務，應把它們視為獨立的風險面，保留最小權限和可回復的測試資料。
continue_until_timeout 如何改變評分
continue_until_timeout 如何改變評分 是 LHTB README 中可直接核對的範圍。LHTB 以容器化終端承載數百步工作，使用隱藏且可由產物重建的驗證器評分，並在 Harbor 上加入 continue_until_timeout 與驗證器隔離。 這個小節不把專案宣稱改寫成測試結果，而是說明使用者會遇到的具體入口、輸入、輸出與限制。LHTB 的文件把相關行為放在 設定檔與命令 中，實際採用時應對照原文與當前版本。\n\n對 LHTB 而言，這個區域的價值在於能否接上既有工作流程。文件未說明的相容性、效能、資料保存或失敗恢復，不能從 star 數或描述推導。若涉及憑證、帳號、模型、硬體或外部服務，應把它們視為獨立的風險面，保留最小權限和可回復的測試資料。
隱藏驗證器與沙箱隔離
隱藏驗證器與沙箱隔離 是 LHTB README 中可直接核對的範圍。LHTB 以容器化終端承載數百步工作，使用隱藏且可由產物重建的驗證器評分，並在 Harbor 上加入 continue_until_timeout 與驗證器隔離。 這個小節不把專案宣稱改寫成測試結果，而是說明使用者會遇到的具體入口、輸入、輸出與限制。LHTB 的文件把相關行為放在 專案目錄和官方文件 中，實際採用時應對照原文與當前版本。\n\n對 LHTB 而言，這個區域的價值在於能否接上既有工作流程。文件未說明的相容性、效能、資料保存或失敗恢復，不能從 star 數或描述推導。若涉及憑證、帳號、模型、硬體或外部服務，應把它們視為獨立的風險面，保留最小權限和可回復的測試資料。
Terminus-2 結果快照怎麼讀
Terminus-2 結果快照怎麼讀 是 LHTB README 中可直接核對的範圍。LHTB 以容器化終端承載數百步工作，使用隱藏且可由產物重建的驗證器評分，並在 Harbor 上加入 continue_until_timeout 與驗證器隔離。 這個小節不把專案宣稱改寫成測試結果，而是說明使用者會遇到的具體入口、輸入、輸出與限制。LHTB 的文件把相關行為放在 專案目錄和官方文件 中，實際採用時應對照原文與當前版本。\n\n對 LHTB 而言，這個區域的價值在於能否接上既有工作流程。文件未說明的相容性、效能、資料保存或失敗恢復，不能從 star 數或描述推導。若涉及憑證、帳號、模型、硬體或外部服務，應把它們視為獨立的風險面，保留最小權限和可回復的測試資料。
Harbor 安裝與 Apple Silicon
Harbor 安裝與 Apple Silicon 是 LHTB README 中可直接核對的範圍。LHTB 以容器化終端承載數百步工作，使用隱藏且可由產物重建的驗證器評分，並在 Harbor 上加入 continue_until_timeout 與驗證器隔離。 這個小節不把專案宣稱改寫成測試結果，而是說明使用者會遇到的具體入口、輸入、輸出與限制。LHTB 的文件把相關行為放在 專案目錄和官方文件 中，實際採用時應對照原文與當前版本。\n\n對 LHTB 而言，這個區域的價值在於能否接上既有工作流程。文件未說明的相容性、效能、資料保存或失敗恢復，不能從 star 數或描述推導。若涉及憑證、帳號、模型、硬體或外部服務，應把它們視為獨立的風險面，保留最小權限和可回復的測試資料。
任務資料夾與 Git LFS
任務資料夾與 Git LFS 是 LHTB README 中可直接核對的範圍。LHTB 以容器化終端承載數百步工作，使用隱藏且可由產物重建的驗證器評分，並在 Harbor 上加入 continue_until_timeout 與驗證器隔離。 這個小節不把專案宣稱改寫成測試結果，而是說明使用者會遇到的具體入口、輸入、輸出與限制。LHTB 的文件把相關行為放在 專案目錄和官方文件 中，實際採用時應對照原文與當前版本。\n\n對 LHTB 而言，這個區域的價值在於能否接上既有工作流程。文件未說明的相容性、效能、資料保存或失敗恢復，不能從 star 數或描述推導。若涉及憑證、帳號、模型、硬體或外部服務，應把它們視為獨立的風險面，保留最小權限和可回復的測試資料。
授權與實際使用邊界
授權與實際使用邊界 是 LHTB README 中可直接核對的範圍。LHTB 以容器化終端承載數百步工作，使用隱藏且可由產物重建的驗證器評分，並在 Harbor 上加入 continue_until_timeout 與驗證器隔離。 這個小節不把專案宣稱改寫成測試結果，而是說明使用者會遇到的具體入口、輸入、輸出與限制。LHTB 的文件把相關行為放在 專案目錄和官方文件 中，實際採用時應對照原文與當前版本。\n\n對 LHTB 而言，這個區域的價值在於能否接上既有工作流程。文件未說明的相容性、效能、資料保存或失敗恢復，不能從 star 數或描述推導。若涉及憑證、帳號、模型、硬體或外部服務，應把它們視為獨立的風險面，保留最小權限和可回復的測試資料。
編輯結論
LHTB 適合需要比較終端代理長程規劃能力的人。先在 configs/examples/oracle_smoke.yaml 檢查 Harbor 連線，再用修改版 harbor/ 跑單一任務，確認 task.toml 的 continue_until_timeout 和 /logs/verifier 清理行為符合預期。
社群筆記