紅杉中國近期在人工智能領域投下了一枚震撼彈，推出了一款名為xbench的全新AI基準測試工具，并配套發(fā)表了一篇深度解析其運作機制的論文。此舉標志著自ChatGPT點燃通用人工智能（AGI）賽道以來，首家投資機構主動介入基準測試領域，為已經(jīng)熱鬧非凡的AI界帶來了新的焦點。

近年來，AI benchmark已成為衡量基礎大模型和AI Agent能力的關鍵工具。眾多學術機構、研究組織和AI公司紛紛推出各類測試體系，這些基礎大模型和AI Agent宛如備考的學子，在各類題庫中不斷磨練，以期提升能力、斬獲佳績。然而，隨著技術的飛速發(fā)展，這些“學子”的答題速度越來越快，高分甚至滿分屢見不鮮，引發(fā)了業(yè)界對于測試有效性的深刻反思：是技術進步太快，還是測試標準滯后？

紅杉中國推出的xbench，正是針對這一痛點而生。xbench的起源可追溯到2022年ChatGPT問世后，紅杉中國內部對AGI進展和主流模型的月度評估。在構建和升級“私有題庫”的過程中，紅杉團隊發(fā)現(xiàn)主流模型破解題目的速度驚人，基準測試的有效期大幅縮短。這一發(fā)現(xiàn)促使紅杉中國著手開發(fā)一個更為科學、長效且能如實反映AI能力的評價體系。

xbench的核心在于其雙軌評估體系，它構建了一個多維度的測評數(shù)據(jù)集，同時關注AI系統(tǒng)的理論能力上限與在實際場景中的效用價值。這一體系將評測任務劃分為兩條主線：一是探索AI系統(tǒng)的能力邊界，二是量化AI在真實場景中的實用價值。后者尤為關鍵，因為它要求動態(tài)對接現(xiàn)實世界的應用需求，為各垂直領域制定具有明確業(yè)務價值的測評標準。

xbench還引入了長青評估機制，通過持續(xù)更新測試內容，確保測試的時效性和相關性。它將定期評估市場上的主流Agent產(chǎn)品，追蹤模型能力的演進，捕捉Agent產(chǎn)品迭代過程中的關鍵突破，進而預測下一個Agent應用的技術-市場契合點（TMF）。

xbench的推出，不僅為AI基準測試領域帶來了新的視角，更體現(xiàn)了紅杉中國在AGI時代的投資策略。它不再僅僅依賴于傳統(tǒng)的商業(yè)化指標來評估項目價值，而是更加深入地參與到AI技術的探索和推動中，成為標準的制定者，構建一個高人才密度的社區(qū)，以探求AI技術上限并尋找商業(yè)化落地的機會。

在紅杉中國看來，AGI時代正逐步展現(xiàn)其重塑一切的潛力，創(chuàng)新的成本大大降低，劃時代的AI Agent可能源自任何地方，無論是大學生的課后作業(yè)，還是高中生的靈光一閃。在這個背景下，TMF（技術-市場契合）成為了AGI創(chuàng)業(yè)的新范式。xbench正是切中了這一關鍵點，它有望成為AGI時代價值轉移之路上的瞭望塔，幫助業(yè)界及時捕捉AI技術與產(chǎn)品的突破。

紅杉中國的這一舉措，無疑為投資機構在AI領域的參與方式樹立了新的標桿。它鼓勵基礎模型與Agent開發(fā)者使用xbench來驗證產(chǎn)品效果，同時邀請垂類Agent開發(fā)者和相關領域的專家或企業(yè)共同構建特定行業(yè)的評估標準。這一開放共建的模式，無疑將推動AI技術的進一步發(fā)展和應用。