Terminal Bench 4.0 被点名:少数排名真实反映能力的评测
JJitsev · x · 2026-09-10
前 LMRA/Meta 研究员 Jürgen Schmidhuber 团队之外知名研究者 JJitsev 表示,Terminal Bench 4.0 和 Terminal Bench Science 0.1 是目前少数他看排名能相信反映模型真实能力的评测,且距饱和仍有空间,但下一代模型(半年到一年内)可能改变局面。他同时呼吁社区贡献、保持开源高质量运作。背景是新 SOTA 刚在 Terminal Bench 上刷新。
所属事件:Terminal Bench v4 榜单发布 GLM-5.3 领跑获认可(2 条相关)→
「模型」频道最新
- 反驳「开源中国模型被碾压」：Kimi 3.1 在 Frontier Code 2 上接近 Fable — bookwormengr · 2026-10-28
- 开源模型 Flint 冲上 Hugging Face 趋势榜第 2,作者预告改进方向 — josh_tobin_ · 2026-10-28
- Yacine 怒评:最强语言模型依然烂得离谱,自己也被逼到极限 — yacineMTB · 2026-10-28
- 阿里港科大发布 Omni-InteractScope:全模态流式交互基准 — Qwen · 2026-10-28
- Mistral 发布 Timestral 时间序列基础模型家族,GIFT-Eval 登顶 — mistralai · 2026-10-28
- Gemini 4 Argon 刷新 OCR 纪录：WER 1.73%，超越人类专家 — gabriberton · 2026-10-28