Terminus-4B：小模型终端任务比肩前沿模型

Spandan Garg 等作者发布论文，称基于 Qwen3-4B 经监督微调（SFT）和强化学习（RL）后训练得到的 Terminus-4B，在智能体终端执行任务上可媲美 Claude Sonnet、Opus、GPT-5.3-Codex 等前沿模型，且常超越其表现。 据论文，该模型的 RL 训练使用基于评分标准的 LLM-as-judge 奖励，并专门针对终端执行任务。上述对比结论来自作者自述，论文未在摘要中给出具体评测基准与分数。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。