Terminal Bench 3.0
PulseAugur coverage of Terminal Bench 3.0 — every cluster mentioning Terminal Bench 3.0 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
Grok 4.6 基准测试得分因报告方法不同而差异巨大
xAI 的 Grok 4.6 在同一基准测试中，根据测量方式的不同，表现得分差异巨大。根据 xAI 自家的 Terminal-Bench 3.0 模型卡，该模型得分为 26%，但 Artificial Analysis 的一项独立分析报告称，在基准测试的一个略有不同的版本上得分为 88.4%。这种差异凸显了在报告基准测试结果时限定条件的重要性。
-
Zhipu AI 发布支持 FP8 的 GLM-5.3 MoE 模型
Zhipu AI 发布了 GLM-5.3，这是一款支持 FP8 精度的混合专家（MoE）文本模型。模型卡中详细介绍了该模型的性能，展示了在 Terminal Bench 3.0（得分 28.3）和 CyberGym（得分 84.5）等基准测试上的表现。GLM-5.3 的许可类别为“其他”。
-
九章智算云聚焦AI基础设施的训练推理一致性
九章智算云正在开发一个专注于“训练推理一致性”的AI基础设施系统，以支持日益增长的对强化学习（RL）以扩展模型能力的需求。该系统旨在高效管理模型的持续生成、训练和更新，超越简单的“模型+算力”范式。通过集成生成器、环境和训练器等组件，并优化它们之间的动态匹配，九章智算云力求降低成本并提高有效token的产出和模型性能。
-
Zhipu AI 发布 GLM-5.3，在编码和安全基准测试中表现出色
Zhipu AI 发布了其新模型 GLM-5.3，该模型专为编码和安全任务设计。该模型在基准测试中的性能显著提高，在 SWE-Marathon 上的得分翻了一番多，在 Terminal Bench 3.0 上的得分翻了五倍。GLM-5.3 在 CyberGym 基准测试中也取得了最高分。
-
Z.ai 的 GLM-5.3 通过训练后实现编码和网络安全领域的 SOTA
Z.ai 发布了 GLM-5.3，这是一个更新的模型，通过扩展训练后而非更改其基础模型实现了显著的性能提升。该模型在复杂的编码任务中表现出明显的改进，尤其是在 Terminal-Bench 3.0 等长周期基准测试中，并在网络安全领域展现出新兴能力，在 CyberGym 基准测试中名列前茅。虽然 GLM-5.3 可通过 API 和特定计划获得，但 Z.ai 计划在完成安全评估后约两周内发布模型权重。