美团 LongCat 评测 7 个前沿模型在 36 项 AI 研发任务上的表现

美团 LongCat 在 36 项需要持续实验的 AI 研发任务上评测了 7 个前沿模型，共覆盖 756 条轨迹，考察智能体如何构思方案、落地实现、保留进展并从失败中恢复。