MAI-Thinking-1 评测详情

MAI-Thinking-1 当前已收录的代表性评测结果包括 LiveCodeBench（13 / 126，得分 87.70）、MMLU-Pro（28 / 176，得分 85）、AIME2025（20 / 111，得分 97）。

评测结果

MAI-Thinking-1

评测结果

综合知识考试

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式

85

28 / 176

科学知识与推理

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式

84.20

98 / 255

仓库修复与多文件工程

共 2 项评测

评测名称 / 模式

得分

排名/总数

SWE-bench Verified

思考模式工具

73.50

47 / 119

SWE-Bench Pro - Public

思考模式工具

52.80

40 / 64

算法与竞赛编程

共 1 项评测

评测名称 / 模式

得分

排名/总数

思考模式

87.70

13 / 126

数学

共 3 项评测

评测名称 / 模式

得分

排名/总数

思考模式

97

20 / 111

思考模式

94.50

16 / 32

思考模式

84.90

9 / 11

指令与格式遵循

共 2 项评测

评测名称 / 模式

得分

排名/总数

思考模式

69

20 / 33

思考模式

53

1 / 1

自主开发与终端任务

共 1 项评测

评测名称 / 模式

得分

排名/总数

Terminal Bench 2.0

思考模式工具

46

44 / 50

临床工作与医疗决策

共 1 项评测

评测名称 / 模式

得分

排名/总数

HealthBench Professional

思考模式

35

4 / 4

事实可靠性与幻觉

共 1 项评测

评测名称 / 模式

得分

排名/总数

SimpleQA Verified

思考模式

31

1 / 1

与其他模型对比