跳到正文
AI HOT 精选

美团 LongCat 开源 VitaBench 2.0:一个测 AI 能不能长期记住你、主动问你的基准

美团 LongCat 开源 VitaBench 2.0:长期动态智能体基准新标杆

这个基准模拟了 56 个虚拟用户,每人平均有 1580 天的交互记录、2093 个事件,任务有 819 个,偏好会动态变化超过 2000 次,还给模型配了 66 个可调用的工具。目前最强的 Claude-Opus-4.6 在开卷考试下平均分刚过 0.5,说明整体还不太行。

推荐理由:美团 LongCat 开源 VitaBench 2.0,用 56 个虚拟用户、上千天交互记录和 819 个任务测试智能体的长期记忆与主动提问能力,最强模型开卷平均分刚过 0.5。

读原文 ↗导出 Markdown