Terminal-Bench 2.1

Poolside的Laguna S 2.1模型在参数规模和训练效率上表现突出，适合关注AI模型工厂的工程师。

Poolside AI的Laguna S2.1是当前在本地运行的最佳编码模型之一，其在Terminal-Bench 2.1和DeepSWE基准测试中表现优异。

Grok 4.5在终端基准测试中超越GPT-5.5且成本降低80%，但缺乏技术细节披露。

OpenAI 发布 GPT-5.6 系列模型，包含 Sol、Terra 和 Luna 三款模型，强调性能与效率的平衡，并引入多 Agent 协作机制。

Sakana Fugu 是一种基于多模型协调的系统，宣称能媲美 Fable 和 Mythos，但实际性能略逊，且其本质是模型路由而非单一模型。

豆包2.1 Pro模型在芯片设计、代码生成等任务中表现优异，性能接近甚至超越国际头部模型，且价格仅为国外同类产品的四分之一。

MiniMax 推出 M3 开源模型，首次融合编码、代理与长上下文能力，在 SWE-Bench Pro 等基准上达 59%+，支持 1M 上下文窗口，推动开源大模型向多能型前沿迈进。

GPT-5.6 仅向 20 家政府审批合作伙伴开放，普通用户暂无法使用。

GPT-5.6 Sol在Terminal-Bench 2.1测试中表现优异，但信息量不足，缺乏技术细节。