@VictorKaiWang1：在 Terminal Bench 2.1 上达到 95.3%，DeepSeek V4 Flash + StateM，在 TB2.1 上为 88.8%

X AI KOLs Timeline 2026/08/18 08:03 论文

terminal-bench deepseek-v4-flash state-m model-scaling agent-improvement research

摘要

研究人员使用 DeepSeek V4 Flash 和 StateM 在 Terminal-Bench 2.1 上达到了 95.3% 的准确率，匹配了 GPT-5.6 Sol Max 的性能，并探索了超越模型扩展的智能体改进。

在 Terminal Bench 2.1 上达到 95.3% DeepSeek V4 Flash + StateM，在 TB2.1 上为 88.8%

查看原文

查看缓存全文

缓存时间: 2026/08/18 08:28

在Terminal Bench 2.1上达到95.3%的准确率
Deepseek V4 Flash + StateM，于TB2.1上获得88.8%的成绩

秦子恒 (@henryqin1997)：
模型规模化是否是智能体改进的唯一路径？

我们 @henryqin1997 @YaxinLu1997 @VITAGroupUT @VictorKaiWang1 很高兴分享我们的工作：我们通过（采用DeepSeek-v4-Flash达到88.8%，与GPT-5.6 Sol Max持平）$15前沿方案（Frontier Run）在Terminal-Bench 2.1上实现了95.3%的原始准确率。