Terminal Bench v4 榜单:GLM-5.3 以 41.9% 一骑绝尘
Ok_Warning2146 · reddit · 2026-09-11
Reddit 用户整理 Terminal Bench v4 成绩，认为该榜单比智能指数更能反映模型的真实编码/终端能力，排名与社区对开源闭源模型的口碑基本一致。
主要成绩：
- GLM-5.3：41.9%，断层领先
- GLM-5.3-Flash：32.8%，领跑同级 flash 模型
- DSV4.1-Flash：26.8%、Qwen3.8-Flash-Next：25.3%
- DSV4-Pro 仅 14.1%，Kimi-K3 以其体量而言表现不佳（12.6%）
- Qwen3.8-27B 是唯一有像样成绩的小模型（5.6%）；Muse Glimmer 0.5%、gemma4-31b 0.0%
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
- 有人要建全模型基准分数汇总页 — airesearch12 · 2026-09-11
- 爆料称 Kimi 疑似转发 Claude 冒充自家成绩，DeepSeek 新模型评测反超 — realsohamparekh · 2026-09-11
- 网友吐槽 GPT-5.6 文笔好读但缺乏记忆点 — BasedRaddka · 2026-09-11
- Opus 以"安全"为由拒碰蛋白质生成代码,开发者吐槽误伤 — josephdviviano · 2026-09-11
- 网友称 DeepSeek 4.1 Flash 是语言模型历史拐点(未证实) — himanshustwts · 2026-09-11
- GPT-6 Astra 用时 44 小时通关含敌人 Factorio,API 成本约 4500 美元 — liminal_bardo · 2026-09-11