LongCat 2.0 · 媒体来源 · 厂商自报
官方模型卡是判断 LongCat-2.0 适用任务的第一手权威依据：它在 SWE-bench Pro（59.5）超过 GPT-5.5（58.6）与 Gemini 3.1 Pro（54.2），Terminal-Bench 2.1 达 70.8，但在 BrowseComp/GPQA/IFEval 等多项上落后于 GPT-5.5 与 Claude Opus 4.8——即"编码与 Agent 任务强、检索与通用推理非顶尖"。
待验证：本次未能重新核实原文。下方历史数字不代表已核实的当前结果。
官方模型卡是判断 LongCat-2.0 适用任务的第一手权威依据：它在 SWE-bench Pro（59.5）超过 GPT-5.5（58.6）与 Gemini 3.1 Pro（54.2），Terminal-Bench 2.1 达 70.8，但在 BrowseComp/GPQA/IFEval 等多项上落后于 GPT-5.5 与 Claude Opus 4.8——即"编码与 Agent 任务强、检索与通用推理非顶尖"。
| Benchmark | LongCat-2.0 | Gemini 3.1 Pro | GPT-5.5 | Claude Opus 4.6 | Claude Opus 4.7 | Claude Opus 4.8 |
|---|---|---|---|---|---|---|
| Terminal-Bench 2.1 | 70.8 | 70.7* | 73.8* | - | 71.7* | 78.9* |
| SWE-bench Pro | 59.5 | 54.2* | 58.6* | 57.3* | 64.3* | 69.2* |
| SWE-bench Multilingual | 77.3 | 76.9* | - | 77.8* | 80.5* | 84.8* |
| FORTE（通用 Agent） | 73.2 | 70.3 | 77.8 | 73.2 | 77.6 | 77.2 |
| BrowseComp | 79.9 | 85.9* | 84.4* | 84.0* | 79.3* | 84.3* |
| RWSearch | 78.8 | 76.3 | 85.3 | 81.3 | 79.3 | 77.3 |
| IFEval | 90.0 | 96.1 | 95.0 | 92.2 | 88.7 | 86.0 |
| Writing Bench | 83.8 | 83.7 | 84.7 | - | 85.3 | 85.2 |
| IMO-AnswerBench | 81.8 | 90.0 | 79.5 | 75.3* | 81.8 | 75.3 |
| GPQA-diamond | 88.9 | 94.3* | 93.6* | 91.3* | 94.2* | 92.4 |
注：* = 引用自对应模型官方报告；- = 无公开可比分数。
架构：MoE，1.6T 总参数，每 token 激活约 48B（动态 33B–56B，官方 X 账号口径）；HF 元数据模型大小 1.8T（含 N-gram Embedding 135B、BF16）。
上下文：原生 1M tokens（在数千亿 tokens 的百万上下文数据上训练）。
关键特性：LongCat Sparse Attention（LSA，SI/CLI/HI 三项优化）、3-step MTP 投机解码、N-gram Embedding（n-gram size=5，135B 参数）。
训练：35T+ tokens，5 万余国产算力芯片（AI ASIC superpods），全程无回滚（官方博客口径）。
适配 Harness：Claude Code、OpenClaw、Hermes（官方明示"deeply integrated"）。
许可证：MIT。
官方体验入口：https://longcat.ai；联系 longcat-team@meituan.com。
口径警示：全部分数为美团自测（自建 harness、自家评分，模型卡注明"problematic tasks corrected"——AlphaSignal 指出这意味着评分前人工修正过问题任务），标 * 的对比分数来自各家官方报告，跨实验室不可直接横向比较；截至 2026-07-01 无任何独立第三方（Artificial Analysis、Scale 等）发布过 LongCat-2.0 的复测分数（AlphaSignal 原文）。
相对强弱结论（多家独立解读一致）：
领先项：SWE-bench Pro 59.5 > GPT-5.5 58.6、> Gemini 3.1 Pro 54.2；Terminal-Bench 2.1 与 Gemini 3.1 Pro 打平（70.8 vs 70.7）；RWSearch、FORTE 超过 Gemini 3.1 Pro。
落后项：FORTE/RWSearch/BrowseComp 全面落后 GPT-5.5（77.8/85.3/84.4 vs 73.2/78.8/79.9）；GPQA-diamond、IFEval 落后 GPT-5.5 与 Gemini 3.1 Pro；Claude Opus 4.8 在 SWE-bench Pro（69.2）上领先 LongCat 近 10 分。
综合：官方图表中 LongCat-2.0 唯一稳定战胜的是 Gemini 3.1 Pro（AlphaSignal 结论），对 GPT-5.5 仅 SWE-bench Pro 一项险胜。
任务适用判断：适合仓库级编码、终端交互、长上下文 Agent 工作流；不适合需要顶尖检索（BrowseComp）、科学推理（GPQA）与严格指令跟随（IFEval）的场景。
关联文档：测评 02（官方技术博客）、测评 03（OpenRouter 第三方口径）。
本文中的数字、任务集、推理档位和客户端条件只在所列来源及采集时点内成立。不同版本、不同 harness 或不同提供商的数据不能直接并排比较；未公开的参数保持未知。
需要复测时，请固定模型版本、提供商或客户端、推理档位、工具、任务集版本、样本数和采集日期，并记录失败、重试与人工修正。完整方法和复现步骤见下方来源笔记。
Hugging Face（meituan-longcat/LongCat-2.0） · 美团 LongCat 团队（官方） · 原文发布日期 2026-06-30 · 本站编辑日期 2026-09-20
打开原始来源LongCat 2.0
下载 Tabbit 客户端后检查模型可用性
