产品与应用

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

AI 摘要

美团 LongCat 团队推出 VitaBench 2.0,首个真实生活场景下针对长期动态用户建模的智能体评测基准。包含56名拟真用户、819个复杂任务、超2000个动态偏好及66个可执行工具,每位用户平均2093个交互事件,时间跨度平均1580天。同时支持长文本上下文学习和智能体记忆策略评测。测试显示,最强模型 Claude-Opus-4.6 在“开卷”模式下平均分刚过0.5;开启思考模式并不总能提升个性化任务表现;所有模型在需要主动提问的任务上得分断崖式下跌。VitaBench 2.0 已开源。

关键信息

  • 美团 LongCat 团队推出 VitaBench 2.
  • 0,首个真实生活场景下针对长期动态用户建模的智能体评测基准。
  • 包含56名拟真用户、819个复杂任务、超2000个动态偏好及66个可执行工具,每位用户平均2093个交互事件,时间跨度平均1580天。
  • 同时支持长文本上下文学习和智能体记忆策略评测。
  • 测试显示,最强模型 Claude-Opus-4.

速览

发布时间
更新时间
来源
公众号:龙猫LongCat(美团)
分类
产品与应用
AI 评分
69
阅读原文 前往信息源阅读完整正文
推荐理由

美团LongCat开源的VitaBench 2.0是首个评测AI长期理解用户偏好的基准,实验发现最强模型得分也刚过0.5,做Agent和推荐系统的值得跑一遍。

相关实体

来源与版权

本文基于 AIHOT 公开 API 的精选标题与 AI 摘要整理,已注明来源并回链;原文版权归原媒体与作者所有,本站不镜像全文。

原文链接 · AIHOT 条目

如何引用

引用本文时请保留标题、日期与永久链接,并注明来源为橙子新闻。

橙子新闻:美团 LongCat 开源 VitaBench 2.0:长期动态智能体基准新标杆。2026年6月25日。https://new.nat6.net/news/cmquellij03q2sl80f5fm292j/

查看全部 →
  • Google Finance 全新 Android 应用与投资组合功能上线

    本周,Google Finance 推出正式版 Android 应用,同步上线全球投资组合跟踪功能。用户可通过截图、CSV/PDF 上传或文字描述创建组合,并利用 AI 研究工具提问资产配置、固定收益影响等问题。新增市场情报简报功能:用户…

    Google Blog:AI(RSS)产品与应用AI 评分 57

  • OpenRouter MCP 服务器发布

    OpenRouter 推出 MCP 服务器,为编程智能体提供实时模型数据、基准排名、定价和文档查询。开发者通过一键安装(支持 Claude Code、Codex CLI、Cursor 等客户端),即可在编辑器内完成模型筛选、价格对比和测试…

    OpenRouter:Announcements(RSS)产品与应用AI 评分 71

  • Gemini 3.5 Flash 的 Computer Use 工具正式可用

    Google AI 宣布 Gemini 3.5 Flash 的 Computer Use 工具正式可用,支持构建能观察并操作浏览器、移动端和桌面环境的 AI 智能体,可处理长期任务。新特性包括:内置移动与桌面操作系统支持;所有函数调用配备…

    X:Google AI for Developers (@googleaidevs)产品与应用AI 评分 73