Meituans LongCat hat LoHoSearch eingeführt – einen anspruchsvolleren Vergleichstest, der BrowseComp ersetzt. Er erzeugt automatisch Fragen aus 7,62 Millionen Wikipedia-Einträgen und beseitigt damit Grenzen hinsichtlich der Schwierigkeitsstufe. Die besten Modelle erreichten lediglich 34,74 Prozent, im Vergleich zu 90 Prozent bei BrowseComp, wodurch die wahren Schwächen der Suchagenten offenkundig wurden. Strategien, die auf Kontexte setzen, bringen nur geringe Verbesserungen. Der mit 544 Fragen ausgestattete Vergleichstest ist open source.