Epoch AI：研究、数据与评测·· 2026-09-04AI 评分58
Epoch AI 评测 Terminal-Bench 4.0.0：45.5% 任务存在公开计分缺陷，定为 Flawed
Terminal-Bench 4.0.0 - Benchmark Review
AI 导读
Epoch AI 发布对 Terminal-Bench 4.0.0 的基准评测，因 66 个任务中 30 个（45.5%）存在公开记录的计分缺陷而将其定为 Flawed。
整理与数据来源：AIHOT
来源：Epoch AI：研究、数据与评测 · epoch.ai