AITOPAI热报

Terminal-Bench-Science

共 4 条相关 AI 资讯
9月2日
06:48
06:48Claude@claudeai
Claude模型在Terminal-Bench-Science 0.1测试中得分为52.6%，是Fable 5的两倍多。在Terminal-Bench 4.0测试中，Claude得分为55.8%，而Fable 5为42.0%。这些成绩表明Claude在科学任务和综合能力方面表现优异。
AI模型ClaudeFable 5Terminal-Bench-Science
事件专题
推荐理由：Claude在两项重要基准测试中大幅领先Fable 5，科学任务得分翻倍，综合能力提升13.8%。
原文
04:38
04:29
04:29官方账号Decoder@Matthias Bastian
73°
Anthropic推出Claude Fable 5.1和Mythos 5.1，这是其迄今为止最强大的AI模型。Fable 5.1在Terminal-Bench-Science基准测试中的得分比前代提升一倍，智能体编码能力提高30%。长程自主运行且包含大量工具调用的场景下，成本降低最高达45%。
AI模型ClaudeFable 5.1Anthropic
事件专题
推荐理由：Anthropic新发布的Fable 5.1模型在科学基准测试中翻倍得分，编码能力提升30%，同时成本降低45%。
原文
8月28日
21:28
21:28Stanford AI Lab@StanfordAILab
Terminal-Bench-Science是一个评估AI代理在科研工作流表现的基准测试。该基准由斯坦福大学领导，v0.1版本包含70个任务。Claude Opus 5仅能解决约30%的任务。这是Terminal-Bench团队与全球科研机构科学领域专家共同开发的成果。
AI模型Terminal-Bench-ScienceClaude科研基准
推荐理由：斯坦福发布了科研AI代理基准Terminal-Bench-Science，Claude Opus 5仅完成30%，看看你的模型表现如何。
原文