📌 エグゼクティブサマリーTerminal-Bench 4.0は66タスクで、Claude Opus 5.5が64.85%と首位です。RedditではKimi K3の成績差が問われ、評価の狙いと読み方が注目されています。本文ではタスク設計とリーダーボードの注意点を整理します。 画像出典: 記事全文: […]

続きを読む