lang
简体中文
繁體中文
English
Tiếng Việt
한국어
日本語
ภาษาไทย
Türkçe
หน้าแรก
AI
OPRR
ด่วน
ความลึก
กิจกรรม
BlockBeats Pro
เพิ่มเติม
การเงิน
พิเศษ
ระบบนิเวศบล็อกเชน
รายการ
พอดแคสต์
ข้อมูล
BTC
$96,000
5.73%
ETH
$3,521.91
3.97%
HTX
$0.{5}2273
5.23%
SOL
$198.17
3.05%
BNB
$710
3.05%
Partnered With:

Terminal-Bench 3.0 เปลี่ยนราชา: Opus 5 ชนะด้วยคะแนน 43.5% เหนือ GPT-5.6 Sol

据动察 Beating ตรวจสอบ พบว่า Terminal-Bench 3.0 อันดับล่าสุดมีการเปลี่ยนแชมป์ การทดสอบนี้ให้ AI Agent ทำงานในสภาพแวดล้อมเทอร์มินัลจริงให้สำเร็จ จากนั้นตรวจสอบผลลัพธ์โดยตรงว่าถูกต้องหรือไม่

สามอันดับแรกในปัจจุบัน ได้แก่:

1. Claude Opus 5 Max + mini-SWE-agent: 43.5%
2. GPT-5.6 Sol Max + Codex: 34.6%
3. Claude Fable 5 + Claude Code: 34.1%

Terminal-Bench 3.0 เปิดตัวเมื่อวันที่ 23 กรกฎาคม โดยมีจุดประสงค์เพื่อทำให้โจทย์ยากขึ้นอีกครั้ง คะแนนของโมเดล前沿รุ่นเก่าถูกบีบรวมกันอยู่แล้ว เวอร์ชันใหม่ต้องการสร้างช่องว่างให้เห็นอีกครั้ง เวอร์ชันแรกมีโจทย์ 74 ข้อ ครอบคลุม 7 สาขา และเพิ่มสภาพแวดล้อมที่ซับซ้อนมากขึ้น เช่น GPU เครือข่ายหลายคอนเทนเนอร์ งานไม่ได้จำกัดแค่การเขียนโค้ด แต่ยังอาจต้องส่งน้ำหนักโมเดล การพิสูจน์เชิงรูปแบบ สเปรดชีต และไฟล์ CAD

อย่างไรก็ตาม เรื่องนี้ไม่ควรตีความโดยตรงว่า Opus 5 เองแข็งแกร่งกว่า Sol เกือบ 9 เปอร์เซ็นต์ Terminal-Bench อนุญาตให้โมเดลทำงานร่วมกับ Agent ที่แตกต่างกัน สามอันดับแรกใช้ mini-SWE-agent, Codex และ Claude Code ตามลำดับ Agent จะกำหนดว่าโมเดลเรียกใช้เครื่องมือ ดำเนินคำสั่ง และจัดการบริบทอย่างไร ดังนั้นอันดับจึงวัดความสามารถของระบบ "โมเดล + Agent" ทั้งชุดได้แม่นยำกว่า

ที่เกี่ยวข้องแนะนำ
V4-Pro-Max (โหมดพลัสความสามารถของการคาดเดาสูงสุด) ประกาศตัวเองว่าเป็นโมเดล Open Source ที่แข็งแกร่งที่สุดในปัจจุบัน มีเกณฑ์การเข้ารหัสที่ระดับสูงมาก และช่วงแตกต่างของการคาดเดาและงานของเอเจนต์กับเอเจนต์ระดับประชาสัมพันธ์ที่สูงทั้งในด้านการคาดเดาและการทำงานปิดตำนานได้ลดลงอย่างเห็นได้ชัด
ในยุคแห่งความปลอดภัยของ AI ความสามารถจะแพร่กระจายไปเอง แต่ความรับผิดชอบจะไม่
ในงบการเงินที่ขาดทุนมากที่สุดคือ xAI ต้นทุนโมเดลใหม่ถูกกว่า Opus 4.8 ถึง 25%
การเสริมสร้างการตรวจสอบตนเองและการจัดเรียงแบบหลายเอเจนต์ เพื่อทำให้โมเดลมีความน่าเชื่อถือมากขึ้น
แก้ไข/รายงาน
ส่ง
เพิ่มคลัง
เห็นได้เฉพาะตัวเอง
สาธารณะ
บันทึก
เลือกคลัง
เพิ่มคลัง
ยกเลิก
เสร็จสิ้น