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%