终端 Agent 长期被 Claude Code、Codex 等闭源 API 主导,开源阵营在 Terminal-Bench 落后明显。6 月 22 日,华盛顿大学与 Allen Institute for AI 发布 TMax,用一个极简 RL 配方撬开这条线。TMax-9B 在 Terminal-Bench 2.0 达 27.2%,10B 以下开源最强;27B 版 42.7%。成功靠两点:训练循环简化为 GRPO 加 divergence-penalized 变种,带来 5+ 百分点稳定收益;数据拉到 TMax-15k,共 14,600 个 RL 环境、9 维度组合生成,数量是同类开源方案的 2.5 倍。更值得讨论的是「SFT 陷阱」:在 Qwen 3-8B 上,先 SFT 再 RL 有帮助;在更强的 Qwen 3.5 上,SFT 反而拉低成绩——基座变了,监督学习的角色就可能完全反转。泛化层面,TMax-9B 在 SWE-Bench Verified 从 44.0% 提到 53.5%,AIME 从 73.3% 提到 91.1%。代码、数据集、三个尺寸检查点全部开源。