PulseAugur
中
实时 10:46:32
实体 TerminalBench 2.1

TerminalBench 2.1

PulseAugur coverage of TerminalBench 2.1 — every cluster mentioning TerminalBench 2.1 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
2
90 天内 6
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
情绪 · 30 天

1 天有情绪数据

最近 · 第 1/1 页 · 共 6 条
  1. SIGNIFICANT · CL_341430 ·

    Ricursive Intelligence发布Ripple-65B预览版,支持1M上下文

    Ricursive Intelligence发布了Ripple-65B预览版,这是一个拥有650亿参数的Transformer模型。该模型拥有100万token的上下文长度,在代理编码任务上表现强劲,超越了NVIDIA Nemotron 3 Ultra 550B等更大的开放权重模型。该模型在NVIDIA硬件上进行了高效训练,采用了密集Transformer架构而非混合专家模型,并且设计上可以在消费级硬件上运行。

  2. TOOL · CL_294917 ·

    GitHub Copilot 的 Project HydraFusion 可动态构建 AI 模型执行计划

    GitHub 推出了 Project HydraFusion,这是一个重新定义 GitHub Copilot 如何选择和利用 AI 模型的研究预览版。HydraFusion 不再由用户为特定任务手动选择模型,而是为每个提示动态构建执行计划。该计划可能涉及单个模型、带有质量门控的模型序列,或涉及不同模型系列的草稿-批评过程。该系统旨在降低成本并提高质量,GitHub 报告称其估计成本比 Claude Opus 5 低 67%,并在 Te…

  3. TOOL · CL_236482 ·

    GitHub Copilot 预览 HydraFusion 多模型编排

    GitHub 推出了 Project HydraFusion,这是 GitHub Copilot 的一项新研究预览功能,它编排多个 AI 模型以实现更高质量的代码辅助。该系统智能地为给定任务选择最佳模型或模型组合,针对性能、成本和延迟进行优化。在评估中,HydraFusion 展现了前沿水平的质量,媲美甚至超越了 Claude Opus 5 等模型,同时显著降低了预估的工作流成本。

  4. SIGNIFICANT · CL_145136 ·

    OpenAI 发布 GPT-5.6 Sol,编码和网络安全分数创纪录

    OpenAI 已正式推出其 GPT-5.6 Sol 模型系列,包含三个层级:Sol、Terra 和 Luna。旗舰 Sol 模型在 TerminalBench 2.1 编码基准测试中取得了创纪录的 91.9% 的分数,在网络安全测试中获得 96.7% 的分数,由于其先进的能力,引发了初步的政府审查。在受控预览期后,OpenAI 获得了公开发布的许可,其中包括一个灵活的三层定价结构,旨在满足各种开发人员和企业需求。

  5. FRONTIER RELEASE · CL_130110 ·

    GPT-5.6 在基准测试中挑战 Fable 5,但长任务可靠性存疑 · 追踪 8 个来源

    据报道,OpenAI 已发布 GPT-5.6,将其定位为 Anthropic 的 Claude Fable 5 的竞争对手。虽然 GPT-5.6 Sol 在聚合基准测试中表现强劲且价格显著更低,但 Fable 5 在处理长而复杂的任务和代理工作流方面表现更优。早期报告表明,GPT-5.6 在任务连续性和异常推理模式方面可能存在困难,尽管基准分数具有竞争力,但可能导致输出不准确或无意义。关于 GPT-5.6 的成本效益和速度是否能抵消 …

  6. SIGNIFICANT · CL_112747 ·

    OpenAI 预览 GPT-5.6 系列,Sol Ultra 在 TerminalBench 上超越 Mythos 5

    OpenAI 预览了其新的 GPT-5.6 模型系列,其中包括 Sol Ultra、Sol、Terra 和 Luna。GPT-5.6 Sol Ultra 模型在 TerminalBench 2.1 基准测试中取得了 91.9% 的分数,超过了 Anthropic 的 Claude Mythos 5,后者的得分为 88.0%。Terra 模型提供了与 GPT-5.5 相当的性能,但成本更低,而 Luna 被定位为最具经济效益的选择。新系…