Популярний бенчмарк TerminalBench планував оновитися до третьої версії, але перетворився у FrontierBench

TL;DR

• •FrontierBench релізено 24 липня 2026 р., замість плануваного TerminalBench v3.
• •Бенчмарк включає 74 вручну створені задачі у сферах фінансів, логістики та адміністрування.
• •GPT-5.6 Sol споживає 3,6 млрд токенів на весь benchmark, тоді як Fable 5 — 18 млрд токенів.
• •Sonnet 5 виявляється найдорожчою моделлю — її вартість у 4 рази вища за Luna та у 4 рази вища за GLM-5.2.
• •Результати показують, що GPT-5.6 Sol на 40% дешевше і на 50% ефективніше за токени порівняно з Fable 5.

Як це змінить ваш ринок?

Компанії у фінансах та логістиці тепер можуть оцінювати AI-моделі за реальними економічними завданнями, а не лише за мовними тестами. Це зменшує ризик переплати за надмірно ресурсоємкі моделі та підвищує прозорість вибору постачальників API. В результаті фінансові установи можуть оптимізувати витрати на інференс до 30% при збереженні якості прийняття рішень, а логістичні фірми — скоротити витрати на планування маршрутів на 15%. Додатково, доступ до прозорихbenchmark-даних дозволяє краще договарюватися з постачальниками про СLA та моделі з фіксованою вартістю.

Визначення: FrontierBench — це відкритий бенчмарк AI-моделей, що оцінює їх здатність виконувати практичні бізнес-завдання, такі як фінансові розрахунки та логістичне планування, замість абстрактних мовних тестів. Він розповсюджується під ліцензією Apache 2.0, що дозволяє безкоштовно використовувати та модифікувати його у корпоративних середовищах.

Для кого це і за яких умов

Для використання FrontierBench достатньо ноутбука з 16 ГБ ОЗУ та доступом до API вибраних моделей; без IT-команди, 1 год на запуск оцінки. Підходить для команд будь-якого розміру, але для повного запуску потрібен доступ до моделей з API та базовий скриптовий движок (Python 3.9+). Якщо планується оцінка великих моделей з параметрами понад 100Б, рекомендується мати доступ до хмарних інстансів з GPU або TPU, щоб скоротити час обчислень.\n

Альтернативи