② 伴随模型能力演进，其双轨测评体系强调了不再单纯执着于测评问题的难度，出于同时对模型能力和实际「生产力」的关注，以及简单工具调用能力。

③ 此外，

02 什么是长青评估机制？

1、后在 2025 年 5 月下旬正式对外公开。

① Xbench 缘起于 2022 年底 ChatGPT 发布，[2-1] 

① 研究者指出，同样的题目在不同时间的测试效果均有不同。起初作为红杉中国内部使用的工具，Xbench 项目最早在 2022 年启动，

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。前往「收件箱」查看完整解读