---
title: "BrowseComp被刷到90%后，美团LongCat甩出LoHoSearch：前沿模型集体跌回三成出头"
url: "https://paooo.com/aigc-news/32098/"
author: "Prompt 语宙研究院"
published_at: "2026-07-20T10:12:50+08:00"
updated_at: "2026-07-20T10:12:50+08:00"
categories: "AIGC 资讯"
tags: "AI智能体, RAG检索增强, 开源大模型"
source: "Prompt 语宙 (https://paooo.com)"
ai_tools_directory: "语宙 AI 导航 (https://ai.paooo.com)"
---

# BrowseComp被刷到90%后，美团LongCat甩出LoHoSearch：前沿模型集体跌回三成出头

> 来源：[Prompt 语宙 (paooo.com)](https://paooo.com/aigc-news/32098/) · 作者：Prompt 语宙研究院 · 发布时间：2026-07-20

## AI 30 秒核心看点 (TL;DR)

- LoHoSearch用762万个实体的知识图谱自动出题，难度上限远超人工基准。
- 11个前沿模型实测中，最高分仅34.74%，多数模型集中在15%到16%。
- 上下文策略在新基准上边际效用明显下降，提示工程补能力的空间被大幅压缩。

搜索智能体到底有多强，过去一年基本是BrowseComp说了算。但这个标尺正在失灵——它在10个月内就把模型成绩从30%一路推到了90%，基准测试本身的意义正快速被刷没。7月17日，美团LongCat抛出了一块更硬的试金石LoHoSearch，意图把搜索智能体重新逼回爬坡区。

LoHoSearch的难题不是人写的，而是从一个囊括762万个实体的维基百科知识图谱里自动生成的。正因为这种机器生成的出身，它在搜索空间和结构复杂度上，抵达了人类标注者根本无法稳定设计出的难度上限。换句话说，过去的基准靠人脑出题，题目再难也有天花板;LoHoSearch把出题权交给图谱，难度天花板被彻底掀开。

结果相当刺眼。在11个前沿模型的测试中，最佳成绩只有34.74%，紧随其后的三个模型集中在15%到16%左右;而同一批顶尖模型在BrowseComp上眼下能拿到约90%的分数。差距之大，直观说明LoHoSearch把搜索智能体真正的短板暴露了出来。更有意思的是上下文策略的边际效用:在LoHoSearch上，最好的上下文策略只带来6.8个百分点的提升，而同样的操作在BrowseComp上能换回14个百分点——这意味着靠提示和上下文工程去补能力的老办法，在这套新基准里几乎失灵。

这套基准本身有544道问题，覆盖11个领域，问题采用树状与图结构组织，且已经开源。当老基准被刷到顶、搜索agent的真正挑战才刚开始，LoHoSearch很可能成为下一个绕不开的必测项。

## 常见问题解答 (FAQ)

### LoHoSearch是什么？
LoHoSearch是美团LongCat推出的搜索智能体新基准，题目由维基百科知识图谱自动生成，覆盖544道问题和11个领域，旨在测试搜索agent在复杂结构化检索中的真实能力上限。

### LoHoSearch和BrowseComp有什么区别？
BrowseComp更容易被刷分，10个月内模型成绩从30%升到90%；LoHoSearch则把出题权交给知识图谱，难度更高。实测中，前沿模型在LoHoSearch最高仅34.74%，明显低于BrowseComp上的约90%。

### LoHoSearch对提示词优化还有用吗？
有用但效果变弱。文章提到，最好的上下文策略在LoHoSearch上只提升6.8个百分点，而在BrowseComp上可提升14个百分点，说明单靠提示和上下文工程已难以显著补足搜索智能体能力。

---
探索 2,800+ 全球实用 AI 工具与官方直达入口：[语宙 AI 导航 (https://ai.paooo.com/)](https://ai.paooo.com/)
