Bilanz der Quelle: Die neue Version 4.0 des Terminal-Bench-Benchmarks entfernt acht Aufgaben, da diese entweder von allen getesteten Modellklassen gelöst wurden oder andere Qualitätsmängel aufwiesen. Gleichzeitig wurden 19 weitere Aufgaben repariert und ein einheitliches Zeitlimit von acht Stunden eingeführt, um die Infrastrukturvarianz nach der Methode von Anthropic zu kalibrieren.
🔗 Im Original weiterlesen → · 🗃 Wayback Machine (Archiv)
ℹ️ KI-Hinweis
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von tbench.ai. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Die Inhalte dieses Artikels wurden automatisiert mittels Künstlicher Intelligenz generiert. Die zugrundeliegenden Daten stammen von tbench.ai. Es erfolgte keine manuelle redaktionelle Bearbeitung.
Kalina Digest unterstützen
Lesen bleibt frei. Wer mag, gibt etwas zurück — ab 1 € einmalig, oder als Stufe für einen Monat, ein Quartal oder ein Jahr. Bisher: 5.00 € aus 1 Beiträgen.
