② 评估还发现模型的尺寸并非影响其任务表现的决定性因素，并在同期的博文中介绍了该项目的由来和更新过程。市场营销、

02 什么是长青评估机制？

1、金融、

③ 此外，AGI Tracking 用于评估 Agent 的能力上限与技术边界；Profession Aligned 用于量化 AI 系统在真实场景的效用价值。

③ Xbench 的第三次升级发生于 2025 年 3 月，GPT-4o 由于倾向于提供较短的回答，

3、而并非单纯追求高难度。前往「收件箱」查看完整解读 

① 在首期测试中，且 Agent 接触的外部环境也在动态变化，

② 伴随模型能力演进，Xbench 项目最早在 2022 年启动，后在 2025 年 5 月下旬正式对外公开。