GLM-5 · Terminal-Bench · GLM-5固定v2报告/模型卡;2.0 · 修订题集 · 成绩与配置

GLM-5 的 Terminal-Bench · GLM-5固定v2报告/模型卡;2.0 · 修订题集 记录。本次发布有 2 条成绩记录,含 2 条精确值(可含历史记录),附 4 条来源定位。

成绩与评测条件

GLM-5 · Terminal-Bench 成绩与配置
指标与成绩配置与评测条件出处
Reported score60.7原文 60.7† · 单位 未标注
公布 未确认
GLM-5 · 报告与固定模型卡
设置
最终后训练GLM-5;各行scaffold、解码与工具条件分别见protocol,未将工具或来源另立为推理档位。
未知项
来源未逐项明确思考开关、reasoning effort、服务精度与完整题集修订。、Tool-Decathlon报告39.2与固定卡38.0均保留;BrowseComp上下文管理的正文与附录方法描述不一致。
工具
工具条件未记录
推理预算
输出上限 8192 tokens
框架
Terminus-2
协议
Terminus 2 scaffold on the verified Terminal-Bench 2.0 dataset that fixes ambiguous instructions; remaining settings are the same as the Terminus 2 row.
条件
Terminus 2 scaffold on the verified Terminal-Bench 2.0 dataset that fixes ambiguous instructions; remaining settings are the same as the Terminus 2 row.
在排名中查看此成绩
Reported score61.1原文 61.1† · 单位 未标注
公布 未确认
GLM-5 · 报告与固定模型卡
设置
最终后训练GLM-5;各行scaffold、解码与工具条件分别见protocol,未将工具或来源另立为推理档位。
未知项
来源未逐项明确思考开关、reasoning effort、服务精度与完整题集修订。、Tool-Decathlon报告39.2与固定卡38.0均保留;BrowseComp上下文管理的正文与附录方法描述不一致。
工具
工具条件未记录
推理预算
输出上限 65536 tokens
框架
Claude Code 2.1.14
协议
Claude Code 2.1.14 scaffold on the verified Terminal-Bench 2.0 dataset; think mode, default effort; remaining settings are the same as the Claude Code row.
条件
Claude Code 2.1.14 scaffold on the verified Terminal-Bench 2.0 dataset; think mode, default effort; remaining settings are the same as the Claude Code row.
在排名中查看此成绩

出处与披露

测试版本与指标

别名 Terminal-Bench

  • Reported score · 单位未标注 · 排序方向未确认