公开知识图谱记录

Terminal-Bench 4.0

记录摘要

General agent benchmark.

来自项目知识图谱的有来源实体；具体工具属性仍需补齐。

基准测试: used as professional coding evaluation showing Astra occupies cost-efficiency frontier majority
基准测试: Claude Opus 5.5结果按xhigh努力等级报告
基准测试: 用于评估 Astra，并比较启用与未启用水印的输出
基准测试: M3.1 Flash得分38.1，Opus 5得分51.8
基准测试: 测试编码 agent 解决命令行问题的能力
基准测试: Mistral Large 4 得分 25%
性能: Astra 未启用水印为 53.90%，启用水印为 56.06%
适用场景: Used to evaluate Mistral Large 4's agentic coding performance

知识图谱当前记录了 7 个已知资料维度，另有 10 个维度尚未记录，关联 21 篇公开资料。这些数字只描述资料覆盖，不代表模型性能或适配性已经验证。