Stanford 发布 Terminal-Bench-Science：面向科研工作流的 AI 智能体基准

Stanford 联合全球科研机构专家发布 Terminal-Bench-Science，用于评估 AI 智能体在跨科学领域科研工作流中的表现，v0.1 版本包含 70 项任务。Claude Opus 5 在该基准上仅解出约 30%。该基准由 Terminal-Bench 团队打造，是一项持续进行的 Stanford 主导社区项目。