Terminal-Bench 4.0：GLM-5.3衝到第三，超過GPT-5.6 Sol

動察 Beating AI 快訊，Terminal-Bench 發布 4.0，重新校準 Agent 執行任務時的時間、CPU 和內存，並修復 19 個任務、移除 8 個存在飽和、拒答、公開解法或品質問題的任務。所有任務的最長執行時間統一到 8 小時，主要是減少超時和環境問題對成績的干擾。

最新榜單裡，Opus 5 + Claude Code 以 51.8% 排第一，Fable 5 以 44.5% 第二。GLM-5.3 + Claude Code 拿到 41.8%，衝到第三，超過 GPT-5.6 Sol + Codex 的 37.3%。前三名裡，GLM-5.3 是唯一不是 Anthropic 的模型。

在 Terminal-Bench 3.0 中，GLM-5.3 還是 32.4% 排第四，落後 GPT-5.6 Sol 的 34.6%；到了 4.0，GLM-5.3 升到第三，反過來領先 Sol 4.5 個百分點。