待验证50% 置信基准精确时间
在 Terminal-Bench 4 测试中，搭配 Claude Opus 5.5 的 Droid 取得 65.2% 的得分。
1
来源数
50%
置信度
短期 (~14 天)
时效性
2026/10/31
首次发现
有效期至：2026/11/14
来源
Factory Droid 1.0：模型无关编程Agent的脚本模式突破
rss2026/10/31
涉及实体
相关事实
待验证在 Terminal-Bench 2.0 基准上，同一模型 Opus 4.6 在不同 harness 下得分从 60.45% 到 82.02% 不等（相差约 22 个百分点）。74% 相似待验证Claude Opus 5.5 在 Terminal Bench 上的得分约为 66.471% 相似待验证在 Terminal Bench 4.0 终端工程测试中，Carbon 得分 65.2%，领先 Opus 5.5 的 59.6%。69% 相似待验证在 Terminal-Bench 上约 65% 的得分已属中上水平，但跨不同版本（如 4.0）比较需谨慎，因为任务集和评分规则可能调整。66% 相似已验证在 Terminal Bench 4.0 上，Opus 5.5 得分 66.4%，Astra 为 57.9%，Fable 5.1 为 55.8%，前代 Opus 5 为 52.3%66% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/1120012API
curl https://kongchang.com/api/v1/knowledge/claims/1120012MCP
get_claim(id=1120012)