Terminal-Bench 4.0 榜单:Claude Sonnet 5.5 以 70.6% 居首

NielsRogge · x · 2026-11-18

Terminal-Bench 4.0 发布并更新排行榜:该版本对任务时长、CPU 与内存资源做了校准,修复 19 个任务、移除 8 个饱和或问题任务,共含 66 个任务,agent 超时上限 8 小时。

榜单前几名(Coding Agents 准确率):

其余入榜包括 Gemini 4 Argon、GPT-6.1 Terra、Qwen4-Max、DeepSeek-V4.1-Flash、Mistral Large 4 等。

原文链接 →

「模型」频道最新

更多「模型」频道 AI 资讯 →