终端评测 TB-fn：OpenAI 与 Anthropic 遥遥领先
abeirami · x · 2026-08-28
Fidian 基于 Terminal-Bench 2.1 前 20 名模型进行了变体 TB-fn 测试。结果显示，只有 OpenAI 和 Anthropic 的模型保持在前沿梯队，评分差距从 TB-2.1 的约 15 分扩大到 TB-fn 的 22 分。GLM-5.3 在开源模型中领先，但与 Sol max 的差距从 1.0 分扩大到 8.6 分。Grok 4.5、Kimi K3 等 6 个模型在 TB-fn 上分数下降了 6-11 分。此外，TB-fn 测试中所有模型的每次尝试成本均有所上升。
所属事件:TB-fn 新基准重测终端模型，揭露刷榜嫌疑(6 条相关)→
「模型」频道最新
- Meta 发布 816B 开源模型 Muse Spark Open:42B 激活,两台 M5 Ultra Mac Studio 可本地跑 — op7418 · 2026-10-16
- Meta 开源 Muse Spark Open：816B 参数，两台 Mac Studio 即可本地运行 — op7418 · 2026-10-16
- 16 项任务实测机器人 LLM：GPT-6 Astra 成功率 17.2% 力压 Fable 5.1 — pabbeel · 2026-10-16
- Meta 开源 816B 多模态模型 Muse Spark，评论称仅次于 DeepSeek — bindureddy · 2026-10-16
- TRL 零时差支持 Muse Spark Open：64 张 H100 上 LoRA 微调 816B MoE — QGallouedec · 2026-10-16
- Muse Spark Open 评测配置曝光:与 GLM-5.3、Kimi K3、Qwen 对比时的推理参数全公开 — evijit · 2026-10-16