Terminal-Bench 4.0 发布：Opus 5 领跑，GLM 5.3 成最佳开源

Terminal-Bench 基准测试发布 4.0 版本，涵盖科学、软件、机器学习、运维、安全、硬件和媒体等领域的 66 项任务。本次更新校准了各任务所需的计算资源（时间、CPU、内存），修复了部分任务错误，并移除已饱和的任务，使基准迭代速度与模型发展保持同步。评测结果显示，Opus 5 表现优于 Fable 5，GLM 5.3 成为最佳开源模型。

2026-08-29 ~ 2026-08-29 · 4 条相关

• Terminal-Bench 4.0 发布，基准迭代紧跟模型发展 — yacineMTB · 2026-08-29
• Terminal-Bench 4.0 发布：Opus 5 领跑，GLM 5.3 最佳开源 — himanshustwts · 2026-08-29
• Terminal-Bench 4.0：校准资源、修复任务并移除饱和项 — himanshustwts · 2026-08-29
• Terminal-Bench 4.0 发布：校准算力资源并移除饱和任务 — giansegato · 2026-08-29