美团 LongCat 开源 General 365：树立推理评测新标尺
中文摘要
美团 LongCat 开源 General 365 推理评测基准。实测显示即便 Gemini 3 Pro 准确率也仅 62.8%，多数模型未能及格。
English Summary
Meituan LongCat released General 365 reasoning benchmark. Tests show even Gemini 3 Pro only achieves 62.8% accuracy, while most models fail to reach 60%.
Original Excerpt
美团 LongCat 团队正式发布 General 365。我们发现，在对 26 款主流模型的实测中，目前地表最强的 Gemini 3 Pro 准确率仅为 62.8%，而绝大多数模型甚至没能摸到 60 分的及格线。