跳到正文
AGI Hunt· NielsRogge·· 47 分钟前AI 评分41

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

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

AI 导读

Terminal-Bench 4.0 发布并更新排行榜,Claude Sonnet 5.5 以 70.6% 的 Coding Agents 准确率居首,Claude Mythos 5.2 (max effort) 以 70.5% 紧随其后。该版本校准任务时长、CPU 与内存资源,修复 19 个任务、移除 8 个饱和或问题任务,共含 66 个任务,agent 超时上限为 8 小时。

来源:AGI Hunt · agihunt.info