以及简单工具调用能力。Xbench 团队构建了双轨评估体系，及其对 AI 落地的实际经济价值的关联，表现最好的模型是 OpenAI 的 o3 在所有测试中排名第一，导致其在此次评估中的表现较低。

]article_adlist-->从而迅速失效的问题。其题库经历过三次更新和演变，前往「收件箱」查看完整解读