56 位 AI 从业者票选最能判断前沿模型的基准：Terminal-Bench 4 居首

Chris Barber 调研 56 位 AI 从业者从 63 个基准中票选可信的前沿模型评测标准，Terminal-Bench 4 以 25 票居首，Terminal-Bench Science 获 20 票，FrontierCode 获 13 票。多数受访者表示对现有基准都不太信任，完整榜单见 frontierlist.com/top-benchmarks。