美团LongCat开源General 365评测集 Gemini 3 Pro仅62.8分 树立推理新标尺
美团LongCat团队开源General365推理评测集，对26款主流模型进行实测。Gemini3Pro准确率仅62 8%，在参测模型中领先，但多数模型未达60%及格线。该评测集揭示了大模型复杂推理能力的普遍短板，为行业提供更严苛的推理评测标尺。
美团LongCat团队最近扔出了一颗重磅冲击波——General 365推理评测集正式开源。它的目标很明确：给大模型的推理能力上一道真正的“硬菜”。实测结果一出，行业震动：目前公认的顶尖模型Gemini 3 Pro，准确率只有62.8%，而绝大多数模型连60分的及格线都没摸到。这组数字就像一面照妖镜，把当前AI在复杂推理上的真实底牌照得一清二楚。
核心要点
- 发布新标尺：美团LongCat团队正式开源General 365推理评测集，专注衡量大模型的通用推理能力。
- 覆盖范围广：该评测集对市面上26款主流模型进行了深度实测。
- 顶尖模型受挫：行业标杆Gemini 3 Pro仅取得62.8%的准确率。
- 行业整体表现：绝大多数主流模型准确率普遍低于60%的及格线。
详细分析
General 365：推理能力的新挑战
美团LongCat团队推出General 365评测集，核心目的就是给AI领域提供一个更有“杀伤力”的推理能力衡量标准。要知道，现在大模型层出不穷，传统评测基准早已拉不开差距——大家的分数都高得离谱，根本分不清谁是真功夫、谁是花架子。General 365通过对26款主流模型的实测证明：真实的推理能力，仍然是AI目前最大的短板。这个评测集的开源，意味着开发者终于有了一块能精准找出模型逻辑软肋的“试金石”。
性能断层：Gemini 3 Pro的领先与局限
实测数据中，Gemini 3 Pro以62.8%的准确率排在前面。这个成绩在26款模型里确实亮眼，但从绝对数值来看，62.8%意味着什么？意味着即便是全球最顶尖的模型，在面对General 365设定的推理任务时，依然有将近四成的问题答不对。这个数字直接打破了市场对大模型“全知全能”的幻想——在复杂逻辑推演这个领域，AI还处在爬坡阶段，远没到山顶。
行业现状：多数模型未及及格线
更扎眼的是，参与测试的绝大多数模型连60分都考不到。这个现象暴露了一个残酷现实：很多模型在聊天对话、创意写作上能侃侃而谈，可一到严谨的逻辑推理，基础就塌了。美团LongCat团队用General 365展示了这种普遍的“推理赤字”，逼着行业重新思考训练重心——别再只盯着参数规模往大了堆，是时候回头好好打磨底层逻辑能力了。
行业影响
General 365的发布，对整个AI行业来说意义深远。首先，它竖起了一把推理评测的新标尺，有助于把行业从“只看表面高分”的惯性里拽出来。其次，开源这个工具，等于美团技术团队给全球开发者免费送上了一份高质量的测试资源，加速大模型在逻辑推理上的突破。最后，Gemini 3 Pro等顶尖模型的表现，也给后续研究划了条线——怎么跨过60分这道及格门槛，实现真正高可靠性的智能推理，才是接下来的关键命题。
常见问题
什么是General 365评测集？
General 365是由美团LongCat团队发布的、针对大模型推理能力的专业评测基准。它通过对主流模型进行实测，提供了一个比现有标准更严苛、更有参考价值的推理能力衡量尺度。
为什么Gemini 3 Pro在General 365中的得分只有62.8%？
这主要源于General 365评测集极高的难度和对逻辑推理能力的深度挖掘。62.8%虽然在26款模型中领先，但也说明当前最先进的模型在处理复杂推理时依然吃力，远没到完美水平。
绝大多数模型不及格意味着什么？
这意味着市面上大多数主流模型在通用推理任务上的表现仍然不理想。这个结果提醒行业：大模型的逻辑推理能力还差得远，距离真正的高级认知智能，路还很长。
你是一名 AI 行业编辑，请围绕下面这条热点输出一份资讯解读：
热点：美团LongCat开源General 365评测集 Gemini 3 Pro仅62.8分 树立推理新标尺要求：
1. 先用一句话解释这条热点在讲什么
2. 再总结它为什么重要
3. 说明会影响哪些 AI 产品或内容方向
4. 最后给出 3 个适合资讯站使用的标题
游乐网为非赢利性网站，所展示的游戏/软件/文章内容均来自于互联网或第三方用户上传分享，版权归原作者所有，本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容，请联系youleyoucom@outlook.com。
相关热点扣子空间作为国内首个多Agent类Manus工具已开启内测，内置用户研究专家Agent覆盖问卷分析、访谈提纲等场景。实际测试显示其生成质量较为模板化，搜索广度仅十几个网页且缺乏引用来源，与采用Claude3 7的Manus相比在思考深度和工具调用能力上仍有明显差距，但标志着国产通用Agent的良好开端。
在AI技术的赋能下，海康智能安检产品究竟带来了怎样的变革？答案是：实现快速检测、精准识别，全面升级安检效能。 以海康极显系列智能安检机为例，其内置专用高性能处理器与新一代图像增强引擎。图像信噪比显著提升，画质更清晰、细节更丰富，智能识别效果随之大幅提升。 此外，通过接入AI开放平台，用户可获取更具针
国产EDA破局之困：人才短缺、时间压力与资金不足三大挑战 EDA（电子设计自动化）工具，核心是以软件将芯片设计从过去的图纸手绘转变为如今“模块组合加代码编写”的智力活动。作为集成电路产业的基石，这一领域长期被美国三大巨头——Synopsys、Cadence和西门子（原Mentor）主导，全球市占
在日耳曼神话中，有一种被称为戈兰林（Gremlin）的小精灵。传说它们精通各类工具与机械，不仅能协助能工巧匠完成工作，还能提升工匠的技艺水平，启迪创新灵感。许多时候，当工匠们依靠传统方法陷入困境时，便会祈盼这位小精灵现身，助其解开难题。 放到今天，数据中心就如同这个时代的“伟大工匠”——肩负着为各行
- 日榜
- 周榜
- 月榜
热点快看