Terminal-Bench 4.0 更新：优化任务资源与修复，Opus 5 领跑
heypearlai · x · 2026-08-29
Terminal-Bench 4.0 已发布，主要更新包括：重新校准所有任务的时间与计算资源（统一 8 小时超时），修复了 19 个损坏或不可靠的任务，并移除了 8 个已饱和或有问题的任务。新版显著减少了代理超时和错误，降低了测量噪声。当前榜单上 Opus 5 和 GLM 5.3 领先，其中开源免费的 GLM 5.3 在效率上与 Opus 5 持平。测试中发现 Sonnet 5 消耗 token 量巨大（216 亿），且容易触发超时或输出超限错误。
所属事件:Terminal-Bench 4.0 发布：Opus 5 领跑、GLM 5.3 成最佳开源(14 条相关)→
「编程与Agent」频道最新
- 多模型同题设计 UI:用 Paseo 编排四套界面方案竞技 — vista8 · 2026-10-16
- 独立研究者发布 Cortex:用重放实测自动进化与修剪编码 Agent 的 skills 和 rules — Samuele Giampieri · 2026-10-16
- 工具调用才是 AI 编程速度瓶颈，Crabbox 五招给 Agent 提速 — steipete · 2026-10-16
- WorldBox 沙盒让 GPT-6 Astra 的 MazeBench 得分从 23 翻倍到 61 — ZhitingHu · 2026-10-16
- 两条 prompt 让 Gemini 4 Argon 把单机游戏改成完整多人对战 — chongdashu · 2026-10-16
- Anthropic 联合 Gray Swan 办 30 万美元 prompt injection 攻防大赛 — bcherny · 2026-10-16