随着基础模型的快速发展和AI Agent进入规模化应用阶段，被广泛使用的基准测试（Benchmark）却面临一个日益尖锐的问题：想要真实地反映AI的客观能力正变得越来越困难。

智能体 红杉 xbench 智能体真实 xbench全球 2025-05-27 12:55  3