详情

5月26日，红杉中国对外晓谕推出一款全新的AI基准测试用具xbench，并发布了一篇证明其责任道理的论文。这一打破性阐述记号着自2022年ChatGPT引爆通用东说念主工智能（AGI）赛说念以来，投资机构初次主导发布基准测试（Benchmark），给当下火爆的AI投资又加了一把火，在业内也受到芜俚留情。

夙昔两年多，AI Benchmark冉冉成为评估基础大模子和AI Agent（AI 智能体）能力的通用用具，海表里高校、磋商机构和AI公司推出了多数不同维度的测试体系。跟着基础模子的快速发展和AI Agent干预限制化利用阶段，被芜俚使用的基准测试却濒临一个日益狠毒的问题：念念要真确地反馈AI的客不雅能力正变得越来越费劲。

基于以上需求，字据红杉中国的先容，xbench采用双轨评估体系，构建多维度测评数据集，旨在同期追踪模子的表面能力上限与Agent的践诺落地价值。该体系革命性地将评测任务分为两条互补的干线：（1）评估AI系统的能力上限与本事界限；（2）量化AI系统在真确场景的遵循价值（Utility Value）。其中，后者需要动态对都现实寰宇的利用需求，基于践诺责任经由和具体社会变装，为各垂直领域构建具有明确业务价值的测评圭表。

此外，值得严防的是，xbench采用长青评估（Evergreen Evaluation）机制，通过握续崇尚并动态更新测试内容，以确保时效性和干系性。红杉中国将如期测评市集主流Agent家具，追踪模子能力演进，捕捉Agent家具迭代过程中的要道打破，进而推测下一个Agent利用的本事—市集契合点（TMF，Tech—Market Fit）。动作寂寞第三方，红杉中国接力于为每类家具经营公允的评估环境，提供客不雅且可复现的评价为止。

证券时报记者了解到，首期发布的xbench包含两个中枢评估集：科常识题解答测评集（xbench—ScienceQA）与汉文互联网深度搜索测评集（xbench—DeepSearch），并对该领域主要家具进行了详尽名次。同期建议了垂直领域智能体的评测才略论，并构建了面向招聘（Recruitment）和营销（Marketing）领域的垂类Agent评测框架。评测为止和才略论可通过xbench.org网站及时稽查。

红杉中国暗示：xbench宽恕社区共建。关于基础模子与Agent诞生者，不错使用最新版块的xbench评测集来第一时刻考证其家具后果，得到里面黑盒评估集得分；关于垂类Agent诞生者、干系领域的专科和企业，宽恕与xbench共建与发布特定行业垂类圭表的Profession Aligned xbench；关于从事AI评测磋商，具有明确磋商念念法的磋商者，但愿获得专科标注并始终崇尚评估更新，xbench不错匡助AI评估磋商念念法落地并产孕育期影响力。

有业内东说念主士分析，红杉中国这一逾越的举动，更能突显出当下投资机构全面拥抱AI的决心，而况在夙昔两年多的时刻里，xbench一直是红杉中国在里面使用的追踪和评估基础模子能力的用具，将这一“创投行业智能体”用具开源，并不停在探乞降股东AI本事上限的过程中寻找生意化落地的契机，给所有这个词这个词行业带来新的变革。

此前有投资东说念主曾暗示，当今在好意思国一级市集，对AI产业链尤其所以AI智能体为代表的AI利用侧的投资占统统主导地位，而中国市集不同于好意思国，AI产业生态投资中硬件和软件相对相比均衡，硬件领域的投资相对更相宜中国成本市集饱读舞的目的，包括以算力生态为代表的入口替代硬件底座、自动驾驶，以及具身智能为代表的种种AI硬件和行业利用等。

而事实上，AI智能体也受到国内好多机构的留情。以红杉为LP的北京某AI垂直目的早期投资机构的肃穆东说念主就知道，本年AI赛说念呈现出大模子从科研模子向产业模子滚动，基础的算法算力向践诺的利用迈进，AI编程（AI Coding）、AI智能体（AI Agent）和AI硬件将是本年三个爆发的利用点。

中信建投研报称，近期大厂密集更新Agent家具，微软尽力通过腹地+云表协同构建Agent汇集；谷歌基于现存生态打造2C Agent 3P策略；Anthropic则发布Claude 4模子，接济Agent构建。国内厂商亦同步跟进，金蝶国外打造天穹Agent平台2.0和五大智能体助力企业AI管束；昆仑万维通过天工超等智能体带来高效办公体验。跟着Agent家具加速落地，AI产业握续朝上，生意化落地节拍有望加速，Agent家具密集更新，利好稀有据、有客户、有场景的软件企业，AI家具有望带动公司ARPU晋升和阵势单价飞腾；此外，模子独到化需求加多，利好一体机、超和会和B端办事外包企业。

校对：高源开云·体育平台(开云kaiyun)(中国)官网入口登录