红杉中国联合顶尖高校与研究机构，正式推出全新的 AI 基准测试体系 xbench，旨在为 AI 下半场定义“好问题”，并追踪 Agent 技术市场匹配的三个阶段。下面这份教程将为你详细拆解 xbench 的核心构成、独特设计思路以及如何参与共建。

一、xbench 基准测试的背景与意义

当前基础模型发展迅猛，AI Agent 也开始规模化应用，但传统的基准测试却面临一个日益尖锐的问题——想要真实反映 AI 系统的客观能力正变得越来越困难。最直接的表现是：基础模型“刷爆”了市面上的基准测试题库，纷纷在各大测试榜单上斩获高分甚至满分。当大家纷纷考满分时，到底是学生变聪明了，还是卷子出了问题？

因此，构建一个更加科学、长效且能反映 AI 客观能力的评测体系，成为指引 AI 技术突破与产品迭代的重要需求。xbench 正是红杉中国在这一背景下推出的全新评测体系，它也是首个由投资机构发起，联合国内外十余家顶尖高校和研究机构的数十位博士研究生，采用双轨评估体系和长青评估机制的 AI 基准测试。