تم إصدار Terminal Bench 4.0، مما يحدث المعيار لمواكبة الإصدارات الجديدة للنماذج ومكافحة تشبع المعايير.
- تتضمن التحديث بيانات الأداء التي تظهر أن GLM-5.3 في نفس مستوى Fable 5، مع الأخذ في الاعتبار هامش الخطأ.
- يؤكد الإعلان على التكرار السريع لـ TerminalBench للحفاظ على الصلة بالنماذج الناشئة.
- تبرز مناقشة المجتمع التكلفة الحسابية العالية للمعايير الكبيرة، مشيرة إلى أنها تتطلب 5-10B توكن لكل تشغيل.