6,662 次决策实测：Mammoth-1 均分 80.9%，反超最强小 LLM 约 3 分

Mammoth-1 在 6 个公开数据集的 6,662 次决策实测中取得 80.9% 平均分，较最强小 LLM 高约 3 个百分点。其在 Banking77 达 93.0%，但在 prompt injection 任务仅得 84.3%，落后 Qwen3.6 和 Gemma 4 的 92.9%。