美团LongCat团队发布了VitaBench，这是一个针对大模型智能体的评测基准，涵盖外卖、餐饮和旅游等真实场景。VitaBench构建了66个工具的交互环境，量化了推理、工具使用和用户交互的复杂性。研究显示，当前模型在复杂任务中的成功率仅为30%，反映出智能体与实际应用需求之间的差距。该基准旨在推动智能体在真实生活中的研发与应用。