# Tmax 在终端测试上拿了 42.7%，但分数背后是基座模型的红利和测试本身的坑

> 原标题：别只看 42.7%：Tmax 背后的 RL 配方、基座红利和 Benchmark 陷阱

- 来源：Computing Life · Share · 鸭哥调研
- 发布时间：2026-06-24T00:00:00.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/40475
- 原文：https://yage.ai/share/tmax-terminal-agent-20260623.html

## 摘要

Ai2 和华盛顿大学开源了 Tmax-9B/27B，在 Terminal-Bench 2.0 上分别跑到 27.2% 和 42.7%。27B 的分数看着和 DeepSeek-v3.2、Kimi K2.5 这些大模型差不多，但拆开看，Qwen 3.6 基座自己就已经拿了 39.6%，强化学习（RL）训练实际只多贡献了 3.1 个百分点。

## 推荐理由

Ai2 和华盛顿大学开源的 Tmax-9B/27B 在 Terminal-Bench 2.0 上分别跑到 27.2% 和 42.7%，其中 27B 的 Qwen 3.6 基座本身已占 39.6%，RL 训练只多贡献 3.1 个百分点。

## 锐评

42.7% 这个数拆开看就没那么唬人了，Qwen 3.6 基座自己就占 39.6%，RL 只多贡献 3.1 个点，9B 版本训完还不如基座。感觉这更像基座红利，不是训练配方的功劳。开源权重和完整配方确实有用，但拿它当 RL 能大幅提升终端 agent 的证据就过了。想复现的人先看基座，别指望这套配方把 27B 拉到大模型水平。
