待验证50% 置信基准精确时间
Tev-27B 在未见过 Terminal-Bench 训练数据的情况下，在 TB 3.0 和 4.0 子集上超过了 GLM 5.2 和 Gemini 3.7 Flash；在 TB 2.1 上达到了 Claude Opus 4.8 的表现。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/14
首次发现
有效期至：2026/10/28
来源
涉及实体
相关事实
待验证GLM-5.3-Flash 在 Terminal-Bench 2.1 得84.3分，略低于 Claude Opus 4.8 的85.0分和 GPT-5.6 Terra 的87.4分。65% 相似待验证在UC-Bench上基于UC-Data训练的Qwen3.5-4B表现超过了参数量更大的通用大模型(如Claude Opus 4.8)65% 相似已验证在MMLU、HumanEval等主流基准测试上，Claude 3.5、GPT-4o、Gemini 1.5 Pro、Grok-2之间的分差已压缩至统计误差范围内62% 相似待验证DataBugBench 测试覆盖了五款模型：Claude 3.5 Sonnet、GPT-4o、Gemini 1.5 Pro、Qwen 2.5 Coder 32B、Llama 3.3 70B62% 相似待验证GLM-5.3-Flash 在 AutomationBench 上得48.8分，领先 Claude Opus 4.8 的41.0分和 GPT-5.6 Terra 的37.2分，单任务成本约0.045美元。61% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1024909API
curl https://kongchang.com/api/v1/knowledge/claims/1024909MCP
get_claim(id=1024909)