美团发布General 365评测 Gemini 3 Pro仅62.8分多数模型不及格
美团LongCat发布General365推理评测基准，实测26款主流大模型，顶尖Gemini3Pro准确率仅62 8%，绝大多数模型低于60%及格线，凸显当前AI在复杂推理任务中的普遍瓶颈。
General 365 推理评测基准概述
在人工智能前沿领域，推理能力始终是判断大模型智能化程度的核心维度。近期，美团LongCat团队正式推出了名为“General 365”的全新通用推理评测基准，旨在为业界树立一个更加苛刻且具体的衡量标尺。通过对26款主流大模型进行系统性实测，这一基准不仅展示了当前顶尖模型的成绩区间，更暴露了大多数模型在复杂推理任务中普遍存在的真实短板。以下将深入解读该基准的构成、测试结论及其对行业带来的深远影响。
核心要点
- 发布全新基准：美团LongCat团队正式推出名为“General 365”的通用推理评测基准。
- 覆盖范围广泛：该评测对目前市面上26款主流大模型进行了深度实测。
- 顶尖模型受挫：被视为目前最强的Gemini 3 Pro在实测中仅取得了62.8%的准确率。
- 行业普遍困境：测试结果显示，绝大多数参与评测的模型准确率未能达到60%的及格水平。
详细分析
General 365：推理能力的新试金石
美团LongCat团队发布的General 365评测基准，其核心价值在于为当前的大模型推理能力提供了一个更加严苛且具象的衡量标准。在人工智能领域，推理能力是衡量模型智能程度的关键指标之一。通过对26款主流模型的集中实测，General 365不仅揭示了不同模型之间的性能梯队差异，更重要的是，它清晰展现了当前AI技术在应对复杂逻辑与多步推理任务时存在的实质性瓶颈。该基准的诞生打破了以往部分评测中得分普遍偏高的表象繁荣，为行业内回归技术本质提供了可靠的数据支撑。
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：美团发布General 365评测 Gemini 3 Pro仅62.8分多数模型不及格要求：
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EllipticLabs与全球十大智能手机制造商签署许可协议，授权AI虚拟接近传感器INNERBEAUTY纯软件方案。该方案无需增加硬件，能降低物料成本及供应链风险，并助力客户量产智能手机，巩固市场领先地位。
OpenAI深夜重磅发布，GPT-4 1系列模型携限时免费API福利震撼登场。此次推出的三款新模型——GPT-4 1、GPT-4 1-mini与GPT-4 1-nano——均已全面开放API调用。若你正面临编码效率瓶颈或长文本处理难题，不妨深入了解这波更新带来的实际提升。 1 新模型发布：GPT-
在当下的生活节奏里，大多数人忙于工作，很难抽出时间认真打扫屋子。解决问题的办法其实很简单——买一台家用吸尘器机器人，比如 iRobot Roomba，按个按钮就能搞定清洁。不过，这类商业产品普遍有一个问题：价格不菲。所以这次，我们打算从零打造一台简易扫地机器人，在确保功能不差太多的前提下，把成本压到
国内AI芯片面临政策与市场机遇，但存在软件生态、量产及底层工具链等挑战。昆仑芯自研XPU-R架构在通用计算、虚拟化及互联带宽方面实现性能提升，已适配主流框架与操作系统，并在多个行业落地。
- 日榜
- 周榜
- 月榜
热点快看