5月26日，红杉中国对外通告推出一款全新的AI基准测试器具xbench，并发布了一篇说明其责任旨趣的论文。这一冲破性推崇标记着自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，在业内也受到庸俗热心。
曩昔两年多，AI Benchmark冉冉成为评估基础大模子和AI Agent（AI 智能体）才调的通用器具，海表里高校、商量机构和AI公司推出了多半不同维度的测试体系。跟着基础模子的快速发展和AI Agent参加限制化诈欺阶段，被庸俗使用的基准测试却濒临一个日益明锐的问题：思要信得过地响应AI的客不雅才调正变得越来越打扰。
基于以上需求，把柄红杉中国的先容，xbench给与双轨评估体系，构建多维度测评数据集，旨在同期追踪模子的表面才调上限与Agent的骨子落地价值。该体系翻新性地将评测任务分为两条互补的干线：（1）评估AI系统的才调上限与时代规模；（2）量化AI系统在信得过场景的服从价值（Utility Value）。其中，后者需要动态对皆实践天下的诈欺需求，基于骨子责任经过和具体社会扮装，为各垂直领域构建具有明确业务价值的测评门径。
此外，值得遏制的是，xbench给与长青评估（Evergreen Evaluation）机制，通过执续保重并动态更新测试内容，以确保时效性和运筹帷幄性。红杉中国将依期测评阛阓主流Agent产物，追踪模子才调演进，捕捉Agent产物迭代过程中的要津冲破，进而瞻望下一个Agent诈欺的时代—阛阓契合点（TMF，Tech—Market Fit）。行为零丁第三方，红杉中国死力于于为每类产物蓄意公允的评估环境，提供客不雅且可复现的评价遏抑。
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），并对该领域主要产物进行了详尽排行。同期忽视了垂直领域智能体的评测门径论，并构建了面向招聘（Recruitment）和营销（Marketing）领域的垂类Agent评测框架。评测遏抑和门径论可通过xbench.org网站及时检察。
红杉中国暗示：xbench迎接社区共建。关于基础模子与Agent诞生者，不错使用最新版块的xbench评测集来第一时候考证其产物后果，得到里面黑盒评估集得分；关于垂类Agent诞生者、运筹帷幄领域的专科和企业，迎接与xbench共建与发布特定行业垂类门径的Profession Aligned xbench；关于从事AI评测商量，具有明确商量思法的商量者，但愿赢得专科标注并遥远保重评估更新，xbench不错匡助AI评估商量思法落地并产助遥远影响力。
有业内东说念主士分析，红杉中国这一跳跃的举动，更能突显出当下投资机构全面拥抱AI的决心，况兼在曩昔两年多的时候里，xbench一直是红杉中国在里面使用的追踪和评估基础模子才调的器具，将这一“创投行业智能体”器具开源，并不停在探乞降激动AI时代上限的过程中寻找买卖化落地的契机，给通盘这个词行业带来新的变革。
此前有投资东说念主曾暗示，现在在好意思国一级阛阓，对AI产业链尤其所以AI智能体为代表的AI诈欺侧的投资占皆备主导地位，而中国阛阓不同于好意思国，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得当中国老本阛阓饱读舞的标的，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各种AI硬件和行业诈欺等。
而事实上，AI智能体也受到国内许多机构的热心。以红杉为LP的北京某AI垂直标的早期投资机构的稳健东说念主就显露，本年AI赛说念呈现出大模子从科研模子向产业模子飘荡，基础的算法算力向骨子的诈欺迈进，AI编程（AI Coding）、AI智能体（AI Agent）和AI硬件将是本年三个爆发的诈欺点。
中信建投研报称，近期大厂密集更新Agent产物，微软努力通过腹地+云表协同构建Agent会聚；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，金蝶海外打造天穹Agent平台2.0和五大智能体助力企业AI处治；昆仑万维通过天工超等智能体带来高效办公体验。跟着Agent产物加速落地，AI产业执续朝上，买卖化落地节拍有望加速，Agent产物密集更新，利好稀有据、有客户、有场景的软件企业，AI产物有望带动公司ARPU擢升和边幅单价高涨；此外，模子独有化需求增多，利好一体机、超会通和B端干事外包企业。
校对：高源体育游戏app平台