说是跟闭源头部模型打平，那 Terminal-Bench Science 那一格怎么算？

Kimi 贴的对比图，我从头看到尾。左上角 Terminal-Bench 4.0 是 65.7，跟 Opus 5.5 的 66.4 只差一点，正文主推的也是这个数。

往下一格就变了。

Terminal-Bench Science 0.1：GPT-6 Astra 68.1，Opus 5.5 63.3，Fable 5.1 40.0，K3.1 Pro 38.1。跟榜首差了 30 分，整张图里蓝条大多领先或贴着头名，就这一条短了一大截。正文没提这个榜，挑好看的放前面嘛，发布会都这么干。

不过这格没从图里删掉，还算老实。掉分的也不只它，DS-V4.1-Flash 15.7，GLM-5.3 只有 8.1，这个榜对谁都不太友好。

同样在终端里干活，换成科研任务就掉一截，到底卡在领域知识上，还是任务链更长、工具更冷门？

#Kimi #大模型 #人工智能 #AI编程 #AI