Terminal-Bench-Science 榜单上线 GPT-6 Astra 与 Opus 5.5 领跑
Artificial Analysis 上线 Terminal-Bench-Science 0.1 排行榜，这是由斯坦福研究者、Terminal-Bench 团队及开源社区共建、面向科研工作的 agentic 基准，包含 70 项科研任务。结果显示 OpenAI 的 GPT-6 Astra 与 Anthropic 的 Claude Opus 5.5 领先其他模型约 20 分，但目前仅这两款模型得分过半。测试还显示该基准能有效区分同一模型的不同推理档位：Opus 5.5 拉满推理算力后科学基准上涨 38 分，但成本贵 5 倍。
2026-09-25 ~ 2026-09-25 · 4 条相关
- 第 1 集:斯坦福发布科学智能体基准，最强模型仅解出三成(2026-09-23,2 条)
- 第 2 集:Terminal-Bench-Science 榜单上线 GPT-6 Astra 与 Opus 5.5 领跑(2026-09-25,4 条)
- Opus 5.5 拉满推理算力科学基准涨 38 分,成本贵 5 倍 — ArtificialAnlys · 2026-09-25
- 科学基准新榜:GPT-6 Astra 与 Opus 5.5 领先 20 分 — ArtificialAnlys · 2026-09-25
- Terminal-Bench-Science 榜单上线：GPT-6 Astra 与 Claude Opus 5.5 领跑 — scaling01 · 2026-09-25
另有 1 条近重复转述:CurieuxExplorer