Terminal-Bench 4.0：GLM-5.3 冲到第三，超过 GPT-5.6 Sol

AI 摘要

Terminal-Bench 发布 4.0 基准测试，重新校准了任务执行资源，修复并移除部分任务。最新榜单中，Opus 5 + Claude Code 以 51.8% 居首，Fable 5 以 44.5% 第二，GLM-5.3 + Claude Code 以 41.8% 升至第三，超过 GPT-5.6 Sol + Codex 的 37.3%。相比 3.0 版本，GLM-5.3 从第四名反超 Sol。