红杉中国团队近日提出了 AI 基准测试工具 Xbench，

② Xbench 团队计划定期测评市场主流 Agent 产品，

① 在首期测试中，点击菜单栏「收件箱」查看。红杉中国开始对主流模型进行月度评测和内部汇报，质疑测评题目难度不断升高的意义，

① Xbench 缘起于 2022 年底 ChatGPT 发布，其题库经历过三次更新和演变，但由于其在搜索中心任务上的适应性不足，

② 伴随模型能力演进，关注「机器之心PRO会员」服务号，前往「收件箱」查看完整解读