Terminal Bench 4 已被刷饱和，HN 热议编码基准失效
nharada · hn · 2026-10-20
Hacker News 讨论 preferencemodel.com 博客文章《Terminal Bench 4 Is Saturated》：Terminal Bench 4 编码智能体基准已趋于饱和，前沿模型的成绩接近上限，难以继续区分模型真实能力差异。帖子引发关于基准饱和、更新换代与如何有效评估编码智能体的讨论。
「编程与Agent」频道最新
- Supabase 一键给应用装 MCP 服务器：ChatGPT/Claude 可直接调用你的应用 — dshukertjr · 2026-10-23
- Grok Bot 配「专属电脑」：浏览器+终端+云端文件系统直接干完任务 — nima_owji · 2026-10-23
- Neon 推出 TanStack AI 官方 AI Gateway 适配器，一个凭据调用多家模型 — matei_zaharia · 2026-10-23
- Reflection AI 演示 Beam 接入 opencode,自动微调 Gemma-4 准确率提升 66.5% — danielhanchen · 2026-10-23
- Cua 推出 Spaces SDK：让 Hermes 等 Agent 跑在你自己的电脑沙箱里 — Teknium · 2026-10-23
- PHP 爆两个未认证 RCE 漏洞，ProjectDiscovery 推全网免费告警服务 — cyb3rops · 2026-10-23