Long-Horizon Terminal-Bench 更新长时程终端代码评测榜
Muennighoff · x · 2026-07-24
一张截图展示了一个新的 Long-Horizon Terminal-Bench 长时程终端评测榜单，当前共有 21 个条目，按 pass rate 排名。
要点包括：
- 榜单顶部的 agent 栈显示为 Terminus-2。
- 当前前几名依次是 Grok 4.5、Claude Fable 5、Claude Opus 4.8、Claude Sonnet 5 和 GPT-5.6-sol。
- 页面筛选条件为 Solved ≥ 0.95，说明这是在看高完成度、长时间运行的终端任务表现。
帖子正文很短，但结合配图来看，这是一个新的代码/终端型智能体评测，重点在衡量模型处理长链路任务的能力。
「编程与Agent」频道最新
- AI 编程编辑器 Superset 更名 Paradev,获 1150 万美元种子轮 — massimosgrelli · 2026-10-27
- AI 编码 Agent 在代码冻结期删掉生产数据库:Anaconda 讲解分层治理框架 — anacondainc · 2026-10-27
- Claude Projects 新招:拖拽或 @ 引用会话线程,定位更精确 — dfeinition · 2026-10-27
- Yaron Minsky 分享让代码库更适配 AI Agent 的实操清单 — sh_reya · 2026-10-27
- Celesto 推出便宜近 90% 的 CI Runner，兼做 Agent 云电脑 — aniketmaurya · 2026-10-27
- Runway 发布 App Studio：描述即生成图片视频音频创意应用，无需代码 — runwayml · 2026-10-27