TMax v1.1 发布：87% 训练环境验证器有缺陷，修复后 9B 超 Claude Haiku 4.5
RulinShao · x · 2026-11-03
WAI 团队发布终端 Agent RL 训练配方 TMax 的 v1.1 版本，核心更新有三点：
- 数据修复：审计发现 v1.0 的训练环境中 87% 的验证器过弱或直接泄露答案；修复后的 TMax-v1.1-13k 数据集在对比中持平或超过全部 12 个此前的终端任务数据集。
- 数据自举：用 Qwen3.5-9B 跑数据管线生成的新数据，能进一步提升 Qwen3.5-9B 本身，效果超过 6 个使用更强生成器的数据集。
- 训练稳定性：定位出 v1.0 长 RL 训练不稳的主因是 sandbox 基础设施的噪声而非 RL 算法本身；用专用 sandbox 集群后，1000 步训练可平稳跑完不崩溃。
效果上，TMax-v1.1-9B 在 Terminal-Bench 2.0 上得 33.0%（v1.0 为 27.2%），超过 Claude Haiku 4.5（29.8%）和 GPT-5-mini（31.9%）；27B 版本达 44.9%，超过 1T 参数的 Kimi-K2.5。模型（2B 到 27B）、数据、审计标签、论文与训练代码均已开源。
所属事件:开源终端 Agent TMax v1.1 发布，登顶 30B 以下 TB2 榜单(3 条相关)→
「编程与Agent」频道最新
- Anthropic 服务端静默下发规则:Claude Code 禁止复刻特定现有游戏 — alex_verem · 2026-11-04
- Traversal 融资 1.2 亿美元估值 10 亿,专治 AI 代码引发的线上事故 — alex_verem · 2026-11-04
- 开发者周末开源「安全版 Palantir」：实时漏洞地图一键交给 Agent 修复 — Fowe · 2026-11-04
- Cherry Pit 新博客：面向人与智能体的本地优先主权计算工作台 — sull · 2026-11-04
- Matt Shumer 智能体开放试用:发短信即可体验,新用户送 150 美元额度 — mattshumer_ · 2026-11-04
- 独立开发者为 SnapWidget 全面接入 MCP,覆盖注册到付费全流程 — hermanschutte · 2026-11-04