Terminal-Bench 4.0

Un benchmark plus difficile de 66 tâches portant sur des travaux complexes en terminal dans les domaines du logiciel, de l'apprentissage automatique, de la science, des opérations, de la sécurité, du matériel et des médias, avec des budgets de calcul et de temps recalibrés ainsi que des instructions, environnements et vérificateurs améliorés.