UT Austin 연구는 SWE-bench Verified와 Terminal-Bench에서 약 35,000회의 코딩 에이전트 실행을 수행하며 컨텍스트 압축 방식, 압축 발동 시점, 삭제량을 달리했다. Qwen을 사용한 Terminal-Bench에서는 약 3분의 1의 토큰을 쓰는 정책이 전체 컨텍스트를 유지할 때보다 20%에서 80% 더 오래 걸릴 수 있다.
DAIR.AI는 Microsoft와 공동 연구자들의 논문 ActiveSaddler를 소개한다. 이 논문은 에이전트 하네스를 최적화하는 데 사용되는 시나리오를 바꾼다. 동일한 최적화기에서 고정된 시나리오 순서와 비교해 테스트 Pass@1이 GAIA2에서 4.4점, Terminal-Bench 2.0에서 7.5점 향상된다.
Command Code는 Claude Sonnet 5.5가 GOAT, Pro, Max 및 자사 API에서 이용 가능하다고 밝혔다. 이 모델은 속도가 30% 빠르고 비용은 30% 낮으며, Terminal-Bench 4.0에서 Opus 5.5를 앞선다고 한다.
Cline은 Sonnet 5.5가 Terminal-Bench 4.0에서 Opus 5.5를 앞섰고 비용은 절반이라고 밝혔다. Cline은 또한 이전 모델보다 토큰을 덜 쓰고, 작업당 비용을 최대 30% 줄이며, 출력을 이전 세대보다 30% 더 빠르게 생성한다고 밝혔다.
한 논문이 SkillGym을 제안한다. 사람이 작성한 스킬을 2,756개의 훈련 환경으로 바꾸고 8,364개의 성공 궤적으로 미세조정한다. 논문은 Claude Code에서 실행한 Qwen3.5-35B-A3B가 이후 Terminal-Bench 2.1에서 19.10점 오르고, 스킬 지원 SkillsBench v1.1에서 51.47%에 도달했다고 보고한다.
StepFun이 명령줄 도구 Step Code v0.1.0을 MIT 라이선스로 오픈소스 공개했다. StepPage로 명령 한 번에 정적 사이트를 게시할 수 있다. StepFun은 자체 평가에서 Terminal-Bench 2.1 80.9%, 150개 과제의 장기 작업 벤치마크 Multi-Frame에서 73.3%를 기록했다고 밝혔다.