[控场AI]
基准Terminal Bench Science 0.1

Terminal Bench Science 0.1

面向科研场景的终端操作基准测试,要求模型在模拟Linux终端环境中完成科学计算相关的多步骤任务,考察命令行熟练度、长程任务规划与错误恢复能力

时间轴 (近 90 天)

11月4日

从B站UP主整理的12项跑分来看,Hy4基本领先或持平DeepSeek与Kimi,仅在Terminal Bench Science 0.1中大幅落后于K3.1 Pro。

已过期50%
11月4日

Terminal Bench Science 0.1是一个面向科研场景的终端操作基准测试,要求模型在模拟Linux终端环境中完成科学计算相关的多步骤任务。

待验证50%
9月4日

Fable 5.1 在 Terminal Bench Science 0.1 基准测试中得分 52.6%,相比上一代翻了一倍多

待验证60%

全部知识事实 (2)

来源文章