公开知识图谱记录

Terminal-Bench 4

基准测试: Mistral Large 4 得分 28.3%
基准测试: 每任务 3 次试验，2026 年 10 月 23 至 28 日运行

记录摘要

Evaluation benchmark for coding agent harnesses; Factory runs 3 trials per task,

来自项目知识图谱的有来源实体；具体工具属性仍需补齐。

知识图谱当前记录了 6 个已知资料维度，另有 12 个维度尚未记录，关联 3 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。