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

- Link: https://paooo.com/aigc-news/32098/
- Published: 2026-07-20T10:12:50+08:00
- Author: Prompt 语宙研究院

⚡ [Prompt](https://paooo.com/ai-image-prompts/) 语宙 AI 导读 · 30 秒核心看点

 * 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](https://paooo.com/trends/)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。

![HNb1a5VbAAA8Lpy.jpg](https://paooo.com/wp-content/uploads/2026/07/6392013837438835567373172-
1.avif "HNb1a5VbAAA8Lpy.jpg")

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。

![HNb1azFaoAATteo.jpg](https://paooo.com/wp-content/uploads/2026/07/6392013838211164626400989.
avif "HNb1azFaoAATteo.jpg")

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。

🧭 文中关联 [AI 工具](https://ai.paooo.com/)官网与参数卡（语宙 AI 导航）

**LongCat ↗**

美团推出的自研大模型AI对话平台。

❓ 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。

🔬 语宙深潜追问 · 进阶实操拆解

LoHoSearch这类基准最该怎么用？

把它当“真实能力压力测试”，不要只看总分。重点观察模型在长链路检索、证据整合和失败
恢复上的表现，再结合你的业务场景看是否需要更强规划器、重排器或人工兜底。

搜索智能体要提升实战分数先改哪层？

优先改检索策略而不是只堆模型。通常先优化查询分解、候选召回、证据重排和答案校验，
再考虑更强的推理模型。很多低分不是不会答，而是前两步就把信息找偏了。

🗳️ 读者观点微投票 · 您的实战立场是？

新基准把前沿模型打回三成，说明什么？

🕸️ 语宙向量知识图谱 · 语义强关联深度内链

[🐋 所属权威专题：DeepSeek 深度实战与部署 →](https://paooo.com/topics/deepseek/)

 * [LoHoSearch – 美团推出的下一代搜索智能体评测基准](https://paooo.com/aigc-news/32343/)
 * [MMSearch – 评估大型多模态AI搜索引擎能力的基准测试工具](https://paooo.com/aigc-news/26499/)
 * [DeepSeek-V4 – DeepSeek推出的新一代大语言模型系列](https://paooo.com/aigc-news/38567/)
 * [MindSearch – 上海人工智能实验室推出的AI搜索框架](https://paooo.com/aigc-news/27697/)

[🏛️ Prompt 语宙研究院](https://paooo.com/author/paooo-research/) · Prompt 语宙研究院（
paooo.com Research）专注于前沿多模态大模型架构拆解、AI Agent 工作流评测、AIGC 提示
词工程（Prompt Engineering）与全球高增长 AI 生产力工具实测追踪，致力于为中文开发
者与创作者提供一手、可复现的深度技术洞察。

[📄 Markdown 纯净版](https://paooo.com/aigc-news/32098/?format=md)

💡 这篇内容对您有启发吗？

[📡 RSS 订阅](https://paooo.com/feed/)[✨ 提交 AI 工具 / 合作](https://paooo.com/submit-tool/)

**🚀 Prompt 语宙 AI 创作者生态：**探索 2,800+ 全球实用 AI 工具与高精度生图提示词
咒语库

[🧭 语宙 AI 导航 (ai.paooo.com)](https://ai.paooo.com/)[🎨 AI 生图 Prompt 库](https://paooo.com/ai-image-prompts/)
[📚 核心专题导航](https://paooo.com/topics/)[⚡ AIGC 早报生成器](https://paooo.com/mtool/)
