全新AI基准测试工具由红杉中国发布，提升智能体评估标准

红杉中国于2025年5月26日正式推出了全新的AI基准测试工具——xbench。以下是关于该工具的详细介绍：

工具背景

• 行业需求：随着基础模型的快速发展和AI Agent进入规模化应用阶段，传统的静态基准测试方法逐渐暴露出局限性，难以真实反映AI的客观能力。

• 研发历程：xbench最早是红杉中国在2022年ChatGPT推出后，对AGI进程和主流模型进行的内部月评与汇报工具。

核心特点

• 双轨评估体系：一方面通过构建多维度测评数据集，追踪模型的理论能力上限；另一方面聚焦于智能体的实际落地价值。

• 长青评估机制：评估工具会根据技术的快速迭代进行动态更新，避免了题目泄露等问题，确保了评估的公正性和准确性。

• 垂直领域评测：提出了垂直领域智能体的评测方法论，并构建了面向招聘和营销领域的垂类Agent评测框架。

首期评估集

• 科学问题解答测评集（xbench-ScienceQA）：评估AI在科学问题解答方面的能力。

• 中文互联网深度搜索测评集（xbench-DeepSearch）：测试AI在中文互联网深度搜索方面的能力。

行业意义

• 建立新标准：xbench为AI智能体的评估建立了新标准，提供了更加科学、长效和如实反映AI客观能力的评测体系。

• 推动行业发展：红杉中国希望通过开源xbench，邀请AI赛道的从业人员共同使用并完善该工具，打造评估AI能力的新范式。

xbench的推出不仅体现了红杉中国在AI领域的技术影响力，也标志着其从投资人到技术权威的转型。