5月26日，红杉中国对外晓谕推出一款全新的AI基准测试器具xbench，并发布了一篇证明其职责旨趣的论文。这一冲突性发挥标记着自2022年ChatGPT引爆通用东谈主工智能（AGI）赛谈以来，投资机构初度主导发布基准测试（Benchmark），给当下火爆的AI投资又加了一把火，在业内也受到平凡宽恕。

　　已往两年多，AI Benchmark徐徐成为评估基础大模子和AI Agent（AI 智能体）本领的通用器具，海表里高校、琢磨机构和AI公司推出了宽绰不同维度的测试体系。跟着基础模子的快速发展和AI Agent干涉范畴化支配阶段，被平凡使用的基准测试却靠近一个日益锋利的问题：念念要真正地反馈AI的客不雅本领正变得越来越贫瘠。

　　基于以上需求，证实红杉中国的先容，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本领上限与Agent的践诺落地价值。该体系改进性地将评测任务分为两条互补的干线：（1）评估AI系统的本领上限与本领规模；（2）量化AI系统在真正场景的遵循价值（Utility Value）。其中，后者需要动态对皆现实天下的支配需求，基于践诺职责历程和具体社会变装，为各垂直领域构建具有明确业务价值的测评标准。

　　此外，值得凝视的是，xbench给与长青评估（Evergreen Evaluation）机制，通过捏续顾惜并动态更新测试内容，以确保时效性和有关性。红杉中国将按时测评阛阓主流Agent居品，追踪模子本领演进，捕捉Agent居品迭代过程中的环节冲突，进而展望下一个Agent支配的本领—阛阓契合点（TMF，Tech—Market Fit）。行动孤苦第三方，红杉中国悉力于于为每类居品预备公允的评估环境，提供客不雅且可复现的评价终了。

　　证券时报记者了解到，首期发布的xbench包含两个中枢评估集：科知识题解答测评集（xbench—ScienceQA）与汉文互联网深度搜索测评集（xbench—DeepSearch），并对该领域主要居品进行了轮廓名次。同期建议了垂直领域智能体的评测武艺论，并构建了面向招聘（Recruitment）和营销（Marketing）领域的垂类Agent评测框架。评测终了和武艺论可通过xbench.org网站及时旁观。

　　红杉中国暗意：xbench迎接社区共建。关于基础模子与Agent设立者，不错使用最新版块的xbench评测集来第一时分考据其居品后果，得到里面黑盒评估集得分；关于垂类Agent设立者、有关领域的专科和企业，迎接与xbench共建与发布特定行业垂类标准的Profession Aligned xbench；关于从事AI评测琢磨，具有明确琢磨念念法的琢磨者，但愿获得专科标注并长久顾惜评估更新，xbench不错匡助AI评估琢磨念念法落地并产滋长久影响力。

　　有业内东谈主士分析，红杉中国这一绝顶的举动，更能突显出当下投资机构全面拥抱AI的决心，况且在已往两年多的时分里，xbench一直是红杉中国在里面使用的追踪和评估基础模子本领的器具，将这一“创投行业智能体”器具开源，并不断在探乞降激动AI本领上限的过程中寻找交易化落地的契机，给扫数这个词行业带来新的变革。

　　此前有投资东谈主曾暗意，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支配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比拟均衡，硬件领域的投资相对更合适中国成本阛阓饱读吹的方针，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样AI硬件和行业支配等。

　　而事实上，AI智能体也受到国内许多机构的宽恕。以红杉为LP的北京某AI垂直方针早期投资机构的致密东谈主就闪现，本年AI赛谈呈现出大模子从科研模子向产业模子转机，基础的算法算力向践诺的支配迈进，AI编程（AI Coding）、AI智能体（AI Agent）和AI硬件将是本年三个爆发的支配点。

　　中信建投（601066）研报称开yun体育网，近期大厂密集更新Agent居品，微软奋发通过土产货+云霄协同构建Agent汇注；谷歌基于现存生态打造2C Agent 3P计谋；Anthropic则发布Claude 4模子，提拔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解决；昆仑万维（300418）通过天工超等智能体带来高效办公体验。跟着Agent居品加速落地，AI产业捏续朝上，交易化落地节律有望加速，Agent居品密集更新，利好罕有据、有客户、有场景的软件企业，AI居品有望带动公司ARPU普及和名目单价高潮；此外，模子非凡化需求增多，利好一体机、超交融和B端奇迹外包企业。