MakoBench套件历史：早期版本

简单来说： MakoBench的评分只有在与生成这些评分的测试版本相对应时才有意义。当测试内容发生变化时，我们会重新运行模型，而原有的基准板则保持原样。此页面列出了各个测试套件的版本以及相应基准板的获取方式。

MakoBench背后的测试内容会时常变化。一个分数只有在与产生该分数的测试套件对比时才有意义，因此我们绝不会跨测试套件比较数值，也绝不会悄无声息地修改旧的测试板。

为什么测试套件会发生变化？

我们会剔除那些运行缓慢或干扰性强的测试，修正那些设计不公正的题目，并随着模型性能的提升而增加更具挑战性的测试题。每当测试套件发生变动时，所有模型都会在新套件上重新运行一遍。原先的评分表则原封不动地保留下来，包括其各自的分数范围、刻度以及创建日期。

“主版块”、“成人内容版块”以及“测试页面”的顶部都有一个“套件”版本菜单。在那里选择一个较早的版本，页面就会显示该套件当时的状态。

Suite 4.1（当前版本）。这是一个修正版：没有新增测试案例，所有答案也经过全面审核后得以修正。详情请参见主测试平台。
Suite 4.0。该套件包含 Code 与 Chat 两个模块，在标准测试中各占10分。它已于2026年11月10日被 Suite 4.1取代；请注意仅能在同一套件内对比不同模型的表现。相关页面：主测试平台、+NSFW测试平台以及各项测试。
Suite 3.0。该版本在旧版测试中以100分为满分，因此请勿将此分数与 Suite 4.0的数值相提并论。此存档版测试平台收录了32个模型，其数据源自我们于2026年9月23日存档的测试数据。相关页面：主测试平台、+NSFW测试平台以及各项测试。

关于当前版本的说明文档为 MakoBench 4.1：有何变化；之前的版本则是版本 4.0：有何变化。对于引擎的每一次发布，即便那些并未影响评分的更新，也请查阅 GitHub 上的 CrucibleForge 更新日志。