agent-focused

一项对四个全新前沿AI模型（MiMo-V2.5-Pro、MiniMax M3、Mercury 2、LongCat-2.0）的测试，采用需要真正推理而非模式匹配的谜题，结果显示大多数模型表现尚可，但LongCat-2.0反复生成虚假信息并表现出虚假的自信。