§ 01综述
Terminal-Bench-Science 综述
Terminal-Bench-Science是一种用于评估人工智能大语言模型性能的科学基准体系，通过标准化测试场景衡量不同模型的实际应用能力和效率，已成为AI行业判断模型实力的重要参考标准之一。
Terminal-Bench-Science 近期进展
Claude Fable 5.1 发布：2026年9月，Claude Fable 5.1版本发布，在Terminal-Bench-Science各项测试中取得优异成绩，展现出强大的模型性能。
Claude发布Fable 5.1与Mythos 5.1双模型：Claude系列推出Fable 5.1与Mythos 5.1双模型，均针对Terminal-Bench-Science优化调整，满足不同场景需求。
Anthropic 发布 Claude Fable 5.1 和 Mythos 5.1：Anthropic旗下Claude家族新版本在Terminal-Bench-Science基准中获得突破性成果，模型效率提升显著。
Anthropic发布Claude Fable 5.1和Mythos 5.1：Claude Fable 5.1和Mythos 5.1在Terminal-Bench-Science测试中表现优异，其中Fable 5.1在多项指标上较前代提升约15%，且缓存读取成本下降达75%。
Anthropic发布Claude Fable 5.1模型：终端科学基准下，Claude Fable 5.1模型代码生成和研究任务中表现突出，同时定价策略调整后，在Terminal-Bench-Science相关场景使用成本降低至前代的45%以下。
Claude模型在多项基准测试中创纪录：Claude系列模型在Terminal-Bench-Science多维度测试中创多项纪录，验证其在大规模科学计算场景的应用潜力。
Terminal-Bench-Science基准发布：斯坦福AI实验室发布的Terminal-Bench-Science成为行业新基准，推动模型性能评估向更贴近真实科研场景靠拢。
当前焦点与观察点
当前行业内对Terminal-Bench-Science的关注聚焦于不同厂商模型在该基准下的表现差异，以及如何通过优化实现更高性价比。随着更多模型在该基准测试中亮相，Terminal-Bench-Science的影响力将持续扩大，成为AI模型迭代升级的关键参照标尺。