红杉中国正式推出了全新的 AI Agent 评估框架 —— xBench，其核心目标是 动态追踪人工智能的通用智能进展与实际应用价值，帮助开发者和企业更直观地了解模型的真实能力。
一、背景与目的
xBench 的核心目标非常明确：动态追踪 AI 的“通用智能”进展，同时衡量其实际应用价值（Utility）。
传统评测往往只关注学术题目，而 xBench 致力于跟踪模型在现实世界中的问题解决能力。
与传统静态评测不同，xBench 不仅评估模型能否解答复杂难题，更关注它在真实商业场景中的表现与落地效果。
二、核心设计：双轨制
xBench 采用了“双轨”框架，同时评估模型的核心能力与商业落地能力：
| 评估类型 | 目标能力 | 特点说明 |
|---|---|---|
| AGI Tracking | 推理、工具使用、记忆等模型核心能力 | 接续学术基准（academic benchmarks）但经常更新 |
| Profession-Aligned | 真实商业环境中的 KPI 任务完成能力 | 与领域专家共同构建，反映实际落地价值 |