[控场AI]
基准Mafurina

Mafurina

数学推理评测基准,题型覆盖竞赛级代数、数论与几何证明,强调多步推导而非模式匹配,常被用来区分模型的真实推理能力与记忆能力

时间轴 (近 90 天)

11月15日

谷歌 Gemini 4 Carbon 在数学基准 Mafurina 上以 85.4% 的成绩登顶,超越 Claude 的 82.8% 和 GPT 的 80.6%。

待验证50%
11月15日

开源阵营在 Mafurina 上表现最好的是 Pimi K3.1 Pro,成绩为 54.3%。

待验证50%

全部知识事实 (2)

来源文章