Terminal-Bench 4.0 成 Papers with Code 增长最快榜单，90 天内 16 篇论文刷榜
NielsRogge · x · 2026-10-16
Papers with Code 数据显示，Terminal-Bench 4.0 成为该平台近 90 天增长最快的 benchmark：此前 180 天无人提交结果，最近 90 天内却有 16 篇论文报告了成绩。
同期其他增长明显的榜单包括 AutomationBench-AA（23 篇，15 倍）、Terminal Bench 2.1（50 篇，5 倍）、Harvey LAB-AA v1.1（16 篇，16 倍）和 Toolathlon-Verified（12 篇，24 倍）——terminal/agent 类评测正在成为论文刷榜主战场。
「模型」频道最新
- 五轮对抗后输出趋同：Claude Opus 5.5 与 Argon 创作实验结果诡异一致 — LanceCharger · 2026-10-16
- 自建「主观判断」基准：18 个模型一致性测试，GLM-5.3 登顶 — arkuto · 2026-10-16
- Bindu Reddy 实测:Argon 擅长复杂文档写作,成本仅 Opus 一半 — bindureddy · 2026-10-16
- MAI-2 比 V4-Pro 大 2 倍，微软 scaling 阶梯效率存疑 — teortaxesTex · 2026-10-16
- 阶跃 Step 5 Preview 上线 DeepInfra:600B MoE、1M 上下文,百万 token 输入 $1 — StepFun_ai · 2026-10-16
- Liquid AI 最大决策模型 d1-ultra 上架 OpenRouter,输入定价 $0.042/百万 token — JosephJacks_ · 2026-10-16