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。
「模型」频道最新
- MiniMax H3 Max 在 Fal 平台被指审查极其严格 — MrUtterNonsense · 2026-08-29
- 用户预测 Qwen 4-27B 将是颠覆性模型 — Steus_au · 2026-08-29
- AlayaWorld 登顶世界模型榜单，为首个开源权重领先者 — Obvious_Set5239 · 2026-08-29
- 用户实测 Minimax H3：同角色身份泄漏与长文崩坏 — Kooky-Mode3047 · 2026-08-29
- Qwen3.8 27B 16GB 显存跑满 10 万上下文 50 tok/s — qaf23 · 2026-08-29
- GLM-5.3-Flash 无审查权重发布，拒绝率降至 11% — lipeng0820 · 2026-08-29