钛媒体 App 5 月 26 日消息，红杉中国于今天正式推出一款全新的 AI 基准测试工具 xbench（xbench.org），并发布论文《xbench: Tracking Agents Productivity, Scaling with Profession-Aligned Real-world Evaluations》。

首期发布包含两个核心评估集：科学问题解答测评集（xbench-ScienceQA）与中文互联网深度搜索测评集（xbench-DeepSearch），并对该领域主要产品进行了综合排名。同期提出了垂直领域智能体的评测方法论，并构建了面向招聘（Recruitment）和营销（Marketing）领域的垂类 Agent 评测框架。评测结果和方法论可通过 xbench.org 网站实时查看。