跳到正文
热点事件持续更新

Terminal-Bench 4.0更新榜单,Claude Sonnet 5.5居首

1 篇报道1 个报道来源36 分钟前更新

先了解这件事

AI 综述

Terminal-Bench 4.0发布并更新Coding Agents准确率榜单,Claude Sonnet 5.5以70.6%居首,Claude Mythos 5.2(max effort)以70.5%紧随其后。 该版本共包含66个任务,校准了任务时长、CPU和内存资源,并修复19个任务、移除8个饱和或问题任务;评测中的agent超时上限为8小时。

AI 根据报道生成 · 24 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月18日
  1. AGI Hunt
    Terminal-Bench 4.0 榜单:Claude Sonnet 5.5 以 70.6% 居首

    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。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。