header-langage
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
掃碼下載APP
Partnered With:

Terminal-Bench 3.0 排行榜:Opus 5 以 43.5% 的得分超越 GPT-5.6 Sol

据動察 Beating 監測,Terminal-Bench 3.0 最新榜單換王。這個評測讓 AI Agent 在真實終端環境裡完成任務,最後直接檢查結果是否正確。

當前前三名分別是:

1. Claude Opus 5 Max + mini-SWE-agent:43.5%
2. GPT-5.6 Sol Max + Codex:34.6%
3. Claude Fable 5 + Claude Code:34.1%

Terminal-Bench 3.0 在 7 月 23 日上線,目的就是把題重新做難。舊版前沿模型的成績已經擠在一起,新版本希望重新拉開差距。首版有 74 道任務,覆蓋 7 個領域,還加入 GPU、多容器網絡等更複雜環境。任務也不只是寫程式碼,還可能要求提交模型權重、形式化證明、電子表格和 CAD 文件。

不過,這不能直接理解成 Opus 5 本身比 Sol 強近 9 個百分點。Terminal-Bench 允許模型搭配不同 Agent 運行,前三名分別用了 mini-SWE-agent、Codex 和 Claude Code。Agent 會決定模型怎麼調用工具、執行命令和處理上下文,因此榜單更準確測的是「模型 + Agent」整套系統的能力。

举报 糾錯/舉報
相關推薦
V4-Pro-Max(最高推理力度模式)自稱當前最強開源模型,編碼基準達到頂級,推理和 agent 任務與閉源前沿差距顯著縮小
AI安全時代,能力會自己擴散,責任不會。
財報裡最虧錢的就是xAI,新模型成本比Opus 4.8便宜25%。
糾錯/舉報
提交
新增文庫
僅自己可見
公開
保存
選擇文庫
新增文庫
取消
完成