2026年7月17日，美团LongCat正式发布全新搜索智能体评测基准LoHoSearch。此前行业通用的BrowseComp基准推出仅10个月，模型最优成绩就从30%飙升至90%，因可通过定向刷分失去参考价值。LoHoSearch基于覆盖762万实体的维基百科知识图谱自动出题，11款前沿模型测试最优成绩仅34.74%，大幅拉高评测难度上限。
搜索智能体的能力到底该怎么衡量，过去一年整个行业都在盯着BrowseComp的跑分。这个2025年推出的基准一度是公认的“黄金标尺”：它要求模型模拟真实用户的搜索路径，在多轮交互中完成信息检索、推理、整合的全流程，跑分高低直接和厂商的技术实力挂钩。
登录后解锁全文，体验收藏、点赞、评论等完整功能
立即登录
滇公网安备 53252802528133号