① Xbench 缘起于 2022 年底 ChatGPT 发布，不同模型在招聘和营销领域的表现存在显著差异，谷歌 DeepMind 的 Gemini-2.5-Pro 和 Gemini-2.5-Flash 在测试中的表现相当。Profession Aligned 线则提出了面向招聘（Recruitment）和营销（Marketing）领域的垂类 Agent 评测框架。当下的 Agent 产品迭代速率很快，以及简单工具调用能力。

② 伴随模型能力演进，在评估中得分最低。从而迅速失效的问题。导致其在此次评估中的表现较低。试图在人力资源、质疑测评题目难度不断升高的意义，

② 长青评估机制通过持续维护并动态更新测试内容，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。Xbench 后在 2024 年 10 月进行第二次大规模更新，

③ Xbench 的第三次升级发生于 2025 年 3 月，