国产算力LongCat-2.0 | 模型编程能力测评

次测评聚焦 Claude Code 这一终端 AI 编程工具在中文软件工程场景下的实际表现，围绕多个主流大模型在真实代码任务中的综合能力与调用成本，进行系统化的软件工程（SWE）能力评估。 美团LongCat-2.0模型已加入本次测评，与其他主流模型同台竞技。每道工程问题均需驱动模型开展 40–75 轮多轮对话交互，逐步完成代码分析、修改与验证。 从分布看，美团LongCat-2.0（0.91元，42.11分）当前处于性能爬坡初期，后续增长空间充足。值得关注的是其率先打通了国产算力训练超大模型的技术路径，为国产AI生态提供了重要参照。 测评以"总分"衡量模型在代码理解、生成、调试与工程化任务中的综合表现，以"平均每题价格（元）"反映实际使用成本，为开发者和企业在大模型选型时提供一份兼顾性能与成本的直观参考。 #AI工具 #大模型 #AI测评 #国产大模型 #longcat #claude #AI编程 #代码 #智能体 #国产算力