待验证50% 置信基准精确时间
Terminal Bench 4.0分数从31.2分升至42.3分，提升11.1分。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/18
首次发现
有效期至：2026/11/1
来源
DeepSeek V4.1 Flash更新：参数真相、跑分争议与成本革命
bilibiliAI技术投降派2026/10/18
涉及实体
相关事实
待验证Claude 模型在 Terminal Bench 4.0 终端编码测试上的得分从42%提升到接近56%71% 相似待验证Terminal-Bench 4.0的标准误差为±2.6分，Opus 5的51.8%复现为52.3%，Anthropic称之为噪声。67% 相似待验证Haiku 5.5 在 Terminal Bench 4.0 上的得分从上一代的0%提升至39.2%66% 相似待验证Program Bench分数从20.3分升至29.1分，提升8.8分，使用的是'Almost'口径（9次测试中5次通过即算通过）。63% 相似待验证Terminal Bench 4.0的42.3分超过了GPT5.6 Soul和GLM5.3，但距离Claude Opus 5.5的64.8分仍有22分差距。63% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1059801API
curl https://kongchang.com/api/v1/knowledge/claims/1059801MCP
get_claim(id=1059801)