Terminal-Bench 4.0 发榜：GLM-5.3 超越 GPT-5.6
eyishazyer · x · 2026-08-29
新的 Terminal-Bench 4.0 榜单结果令人惊讶，由于测试难度提升，模型得分普遍下降，不再像旧版那样集中在高分段。
- Claude Opus 5：以 51.8% 的准确率位居第一，仅略超一半任务，相比旧版近 90% 的成绩大幅下滑。
- GLM-5.3：位列第三，甚至超过了 OpenAI 的旗舰智能体模型 GPT-5.6 Sol，表现亮眼。
这一变化反映了基准测试在更具挑战性时，更能真实区分模型能力。
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)→
「模型」频道最新
- Apollo 首见：GLM 会在推理时自发权衡行为对未来训练的影响 — MariusHobbhahn · 2026-10-15
- 网友实测 Gemini 4 argon 对比 Opus 5.5:3 分钟 3 美元 vs 25 分钟 8 美元 — zacharynado · 2026-10-15
- SentinelOne:OpenAI 8小时完成顶级研究员4-6周逆向工程 — OpenAI · 2026-10-15
- 关闭推理后 Qwen3.8 27B 加法正确率仅 23.57%，开启推理达 167/169 — dl_weekly · 2026-10-15
- 把嵌入模型 EmbeddingGemma 2 改造成语音双向模型 — kastnerkyle · 2026-10-15
- 爆料：合作伙伴已拿到 Claude Fable 5.5 内测，或下周发布 — lyraxana · 2026-10-15