红杉中国推出全新AI基准测试工具xbench，并发布相关论文，旨在科学、长效地反映AI客观能力。

过去两年，AI基准测试成为评估大模型和AI Agent能力的重要工具。然而，随着模型不断刷新高分甚至满分，测试的有效性受到质疑。红杉中国在内部评估过程中发现，主流模型“刷爆”题目的速度加快，基准测试的有效时间急剧缩短。

为解决这一问题，xbench采用双轨评估体系，将任务分为两条主线：评估AI系统的能力上限与技术边界，以及量化其在真实场景中的效用价值。后者需动态对齐实际需求，构建明确业务价值的测评标准。

xbench还引入长青评估机制，通过持续更新测试内容确保时效性，定期测评市场主流Agent产品，捕捉迭代过程中的关键突破，并预测技术-市场契合点（TMF）。

红杉中国的此举不仅提供了一款新的基准测试工具，更切中了当前AGI创业的核心——技术与市场的匹配。报告中以三阶段阐释TMF的意义：未达成TMF时，Agent仅是工具或概念；第二阶段，Agent与人类共同工作，创造价值增量；第三阶段，专业化Agent由领域专家指导迭代。

投资机构参与学术研究尚属少见，但AGI时代正在改变传统打法。红杉中国号召社区共建xbench，邀请基础模型开发者验证效果，垂类开发者合作制定行业标准，研究者长期维护更新。此举意在成为标准制定者，打造高人才密度社区，推动AI技术上限并探索商业化落地机会。

免责声明：本文内容由开放的智能模型自动生成，仅供参考。