Kısaca · 3 madde
- 1Terminal-Bench 3.0, yapay zeka modellerinin terminal ve komut satiri ortaminda gercek gorevleri ne kadar basarili tamamlayabildigini olcen bir kiyaslamadir.
- 2Sonuclar: GPT-5.6 Sol ve Fable 5'in Onunde Terminal-Bench 3.0'daki sonuclarina gore Claude Opus 5 Max, %43,5 basari oraniyla ilk sirada yer …
- 3Bu sonuclar, ilk kez bir yapay zeka modelinin Terminal-Bench 3.0'dan %40'in uzerinde performans gostermesi acisindan onemli bir kilometre ta…
Terminal-Bench 3.0, yapay zeka modellerinin terminal ve komut satiri ortaminda gercek gorevleri ne kadar basarili tamamlayabildigini olcen bir kiyaslamadir. Sonuclar aciklandi ve ’in yeni modeli Max, öncü konumdaki yerini bir kez daha teyit etti. Model, Terminal-Bench 3.0’dan %43,5 basari oraniyla dondu.
Sonuclar: GPT-5.6 Sol ve Fable 5’in Onunde
Terminal-Bench 3.0’daki sonuclarina gore Max, %43,5 basari oraniyla ilk sirada yer aldi. Ikinci siradaki ise %34,6 ile yetinmek zorunda kaldi. Aradaki fark yaklasik 9 puan. Ucuncu sirada ise Fable 5 %34,1 ile yer aldi ve ’e oldukca yaklasti.
Bu sonuclar, ilk kez bir yapay zeka modelinin Terminal-Bench 3.0’dan %40’in uzerinde performans gostermesi acisindan onemli bir kilometre tasi.
Terminal-Bench 3.0 Neden Onemli?
Terminal-Bench 3.0, bir yapay zeka modelinin gercek terminal ortaminda ne kadar yetenekli oldugunu test eden ileri duzey bir kiyaslama setidir. Model, gercek komut satirina erisim, dosya yonetimi, sistem yapilandirmasi ve cok adimli gorev tamamlama gibi gercek dunya yazilim gelistirme senaryolarinda degerlendiriliyor.
Bu benchmark, AI sektorunde giderek daha fazla onem kazanıyor. Cunku bir modelin teorik bilgisi ile pratik kullanima hazir olmasi arasindaki fark, Terminal-Bench gibi kiyaslamalarla ortaya cikiyor.
AI Ekosistemine Etkileri
Bu sonuclar, AI sektorunde rekabetin kizastigini bir kez daha gosteriyor. Max‘in onunde yer almasi, ’in kod yazma ve terminal gorevlerinde iddialı oldugunu ortaya koyuyor. Ote yandan ‘un da %34,6 ile güclü bir performans gostermesi, ’in geri kalmadigini gosteriyor.
Benchmark sonuclari, kurumsal AI entegrasyonlarinda hangi modellerin tercih edilecegi konusunda yol gosterici oluyor. Terminal-Bench 3.0’daki gibi sonuclar, gercek dünya performansina iliskin somut veriler sundugu icin satın alma kararlarini etkileyebilir.
Kaynak: X/Twitter – @synthwavedd (Terminal-Bench 3.0)
Yapay zekâya sor
Haberi seçtiğiniz asistanda hazır bir soruyla açın
Şu haberi 3 maddede özetle: https://aihaber.org/terminal-bench-3-0-sonuclari-claude-opus-5-max/
Gemini hazır soruyla açılamıyor: soru panonuza kopyalanır, açılan sayfada yapıştırmanız yeterli.
Bu haber işinize yaradı mı?
Yorumlar 0
Henüz yorum yok. İlk yorumu siz yazın.

Yorum yazın