Terminal-Bench 4 推出华夫饼图：直观呈现模型任务饱和度
zainhas · x · 2026-08-30
Terminal-Bench 4 发布了新的“华夫饼图”可视化界面，展示了模型在多次尝试下完成不同任务的表现。这种视图能清晰地帮助用户识别哪些任务已经被现有模型很好地解决（饱和），哪些任务仍处于前沿能力的边缘，为模型选型和评测提供了直观参考。
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
- OpenAI 推出 GPT-Live-1.1 语音升级：新增六语种声音、更少卡顿 — OpenAI · 2026-10-16
- LMArena 上线 Muse Spark 新模型，Battle 与 Agent 模式可测 — arena · 2026-10-16
- 多模型同题设计 UI:用 Paseo 编排四套界面方案竞技 — vista8 · 2026-10-16
- Ilya 质疑 Meta 新许可证：年收入超 2000 万美元的推理服务商须与 Meta 另签协议 — ilyasu · 2026-10-16
- Muse-Spark 开源权重发布：816B MoE 模型 MLX 3bit 版已上线 — ns123abc · 2026-10-16
- 大 V 晒 Claude 用量矛盾账:周额度 33%、窗口 45%,却提示 API 额度耗尽 — TheMoonMidas · 2026-10-16