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%