美团LongCat-2.0 | 国产模型Claude Code中文编程能力测评 | 性价比象限图更新

发布时间：2026-07-06来源：CLUE中文语言理解测评基准

本次测评结果用于学术研究，仅供参考

本次测评聚焦 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。

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。

相关文章链接：

终端AI 编程工具（Claude Code）中文场景软件工程SWE测评方案发布！

国产模型Claude Code中文编程能力测评 | 性价比象限图

国产模型Claude Code 中文编程能力测评 | Token成本象限图发布！

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。Kimi-K2.7-Code（55.43分，2.97元）领衔高分段性价比；智谱GLM-5.2（max）64.13分居首、字节Doubao-Seed-2.1-Pro（high）51.58分，二者适配企业级复杂场景；小米MiMo-V2.5-Pro（0.22元，49.47分）主导轻量脚本开发，DeepSeek-V4-Pro（max）及MiniMax-M3各有侧重。

转载说明：本文系转载内容，版权归原作者及原出处所有。转载目的在于传递更多行业信息，文章观点仅代表原作者本人，与本平台立场无关。若涉及作品版权问题，请原作者或相关权利人及时与本平台联系，我们将在第一时间核实后移除相关内容。