5月26日，红杉中国对外文告推出一款全新的AI基准测试器具xbench，并发布了一篇讲授其使命道理的论文。这一冲破性发扬记号着自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，在业内也受到平庸矜恤。

　　往常两年多，AI Benchmark渐渐成为评估基础大模子和AI Agent（AI 智能体）智商的通用器具，海表里高校、商榷机构和AI公司推出了大批不同维度的测试体系。跟着基础模子的快速发展和AI Agent插足限制化诈欺阶段，被平庸使用的基准测试却濒临一个日益是非的问题：念念要简直地反应AI的客不雅智商正变得越来越艰难。

　　基于以上需求，笔据红杉中国的先容，xbench秉承双轨评估体系，构建多维度测评数据集，旨在同期追踪模子的表面智商上限与Agent的履行落地价值。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系统的智商上限与技艺领域；（2）量化AI系统在简直场景的效率价值（Utility Value）。其中，后者需要动态对王人现实寰宇的诈欺需求，基于履行使命进程和具体社会变装，为各垂直领域构建具有明确业务价值的测评按序。

　　此外，值得提神的是，xbench秉承长青评估（Evergreen Evaluation）机制，通过握续歌唱并动态更新测试内容，以确保时效性和干系性。红杉中国将依期测评市集主流Agent产物，追踪模子智商演进，捕捉Agent产物迭代过程中的枢纽冲破，进而展望下一个Agent诈欺的技艺—市集契合点（TMF，Tech—Market Fit）。算作孤苦第三方，红杉中国接力于为每类产物绸缪公允的评估环境，提供客不雅且可复现的评价甩掉。

　　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细排行。同期提倡了垂直领域智能体的评测法子论，并构建了面向招聘（Recruitment）和营销（Marketing）领域的垂类Agent评测框架。评测甩掉和法子论可通过xbench.org网站及时稽察。

　　红杉中国默示：xbench接待社区共建。关于基础模子与Agent建造者，不错使用最新版块的xbench评测集来第一时分考据其产物甩掉，得到里面黑盒评估集得分；关于垂类Agent建造者、干系领域的专科和企业，接待与xbench共建与发布特定行业垂类按序的Profession Aligned xbench；关于从事AI评测商榷，具有明确商榷念念法的商榷者，但愿赢得专科标注并恒久歌唱评估更新，xbench不错匡助AI评估商榷念念法落地并产孕育期影响力。

　　有业内东说念主士分析，红杉中国这一跨越的举动，更能突显出当下投资机构全面拥抱AI的决心，何况在往常两年多的时分里，xbench一直是红杉中国在里面使用的追踪和评估基础模子智商的器具，将这一“创投行业智能体”器具开源，并束缚在探乞降鼓励AI技艺上限的过程中寻找生意化落地的契机，给总计这个词行业带来新的变革。

　　此前有投资东说念主曾默示，现在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诈欺侧的投资占王人备主导地位，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本钱市集饱读吹的标的，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千般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矜恤。以红杉为LP的北京某AI垂直标的早期投资机构的认真东说念主就炫夸，本年AI赛说念呈现出大模子从科研模子向产业模子滚动，基础的算法算力向履行的诈欺迈进，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（601066）研报称，近期大厂密集更新Agent产物，微软奋力通过腹地+云霄协同构建Agent集会；谷歌基于现存生态打造2C Agent 3P计策；Anthropic则发布Claude 4模子，扶助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贬责；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产物加速落地，AI产业握续进取，生意化落地节律有望加速，Agent产物密集更新九游体育app官网，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晋升和名目单价高潮；此外，模子独有化需求增多，利好一体机、超交融和B端处事外包企业。