自称登顶 Terminal Bench 4.1:成本不到一半,高出 Claude Code 5 分
imdigitalashish · x · 2026-11-20
账号 imdigitalashish 宣称其方案在 Terminal Bench 4.1 上排名第一,成本不到竞品一半,得分比 Claude Code 高 5 分。配图为 Terminal Bench 4.1 排行榜截图:榜首 Copilot Fusion(max) 搭配 GitHub Copilot agent,解决率 71.2%±2.9%,成本约 $2.8k;第二名 Opus 5.5(max) 搭配 Claude Code 为 65.8%±3.1%(成本 $4.7k),Fable 5.2(max) 同为 65.8%;GPT-6.2、Gemini 4、Kimi K3.1 Pro 等依次排在 60% 区间。该成绩为第三方自称,尚未经独立验证。
「编程与Agent」频道最新
- 桌面 AI Agent 实战复盘:截图优先、难在知道何时停止 — SpeechAggravating453 · 2026-11-22
- 实测 24766 笔 x402 付费调用:6.4% 让 Agent 花钱打了水漂 — biryaniAssasin · 2026-11-22
- Walmart 与 Muse 将上线首个 agent-to-agent 智能体商务集成 — AccBalanced · 2026-11-22
- 一个 MCP 服务器接九个科研仓库,缺依赖直接报 NOT_INSTALLED — Emergency-Tutor-7 · 2026-11-22
- 零质量损失跑 Strata:调 layer_split 后 CPU 专家未命中率 22% 降至 12% — PathfinderTactician · 2026-11-22
- 跨厂商模型互查:对抗性审查对冲同一厂商的盲区 — craigbalding · 2026-11-22