红杉中国推出 Agent 基准测试「xbench」，双轨评估体系 xbench采用双轨评估体系，构建多维度测评数据集，旨在同时追踪模型的理论能力上限与agent的实际落地价值。该体系创新性地将评测任务分为两条互补的主线：（1）评估AI系统的能力上限与技术边界；（2）量化AI系统在真实场景的效用价值（Utility Value 红杉 agent tmf xbench agent基准 2025-05-27 12:50 3