Terminal-Bench 4.0发布：GLM-5.3升至第三，反超GPT-5.6 Sol

Terminal-Bench 发布 4.0，重新校准了 Agent 执行任务时的时间、CPU 和内存，同时修复 19 个任务，移除 8 个存在饱和、拒答、公开解法或质量问题的任务。所有任务的最长执行时间统一为 8 小时，主要用于减少超时和环境问题对成绩的干扰。

最新榜单：GLM-5.3 冲进前三

最新榜单中，Opus 5 + Claude Code 以 51.8% 的成绩位列第一，Fable 5 以 44.5% 位列第二。GLM-5.3 + Claude Code 取得 41.8%，排名第三，超过 GPT-5.6 Sol + Codex 的 37.3%。前三名中，GLM-5.3 是唯一不属于 Anthropic 的模型。

相较 3.0 的反超

在 Terminal-Bench 3.0 中，GLM-5.3 以 32.4% 排第四，落后 GPT-5.6 Sol 的 34.6%；到 4.0，GLM-5.3 升至第三，反超 Sol 4.5 个百分点。