红杉中国近期在人工智能领域投下了一枚震撼弹，推出了一款名为xbench的全新AI基准测试工具，并配套发表了一篇深度解析其运作机制的论文。此举标志着自ChatGPT点燃通用人工智能（AGI）赛道以来，首家投资机构主动介入基准测试领域，为已经热闹非凡的AI界带来了新的焦点。
近年来，AI benchmark已成为衡量基础大模型和AI Agent能力的关键工具。众多学术机构、研究组织和AI公司纷纷推出各类测试体系，这些基础大模型和AI Agent宛如备考的学子，在各类题库中不断磨练，以期提升能力、斩获佳绩。然而，随着技术的飞速发展，这些“学子”的答题速度越来越快，高分甚至满分屡见不鲜，引发了业界对于测试有效性的深刻反思：是技术进步太快，还是测试标准滞后？
红杉中国推出的xbench，正是针对这一痛点而生。xbench的起源可追溯到2022年ChatGPT问世后，红杉中国内部对AGI进展和主流模型的月度评估。在构建和升级“私有题库”的过程中，红杉团队发现主流模型破解题目的速度惊人，基准测试的有效期大幅缩短。这一发现促使红杉中国着手开发一个更为科学、长效且能如实反映AI能力的评价体系。
xbench的核心在于其双轨评估体系，它构建了一个多维度的测评数据集，同时关注AI系统的理论能力上限与在实际场景中的效用价值。这一体系将评测任务划分为两条主线：一是探索AI系统的能力边界，二是量化AI在真实场景中的实用价值。后者尤为关键，因为它要求动态对接现实世界的应用需求，为各垂直领域制定具有明确业务价值的测评标准。
xbench还引入了长青评估机制，通过持续更新测试内容，确保测试的时效性和相关性。它将定期评估市场上的主流Agent产品，追踪模型能力的演进，捕捉Agent产品迭代过程中的关键突破，进而预测下一个Agent应用的技术-市场契合点（TMF）。
xbench的推出，不仅为AI基准测试领域带来了新的视角，更体现了红杉中国在AGI时代的投资策略。它不再仅仅依赖于传统的商业化指标来评估项目价值，而是更加深入地参与到AI技术的探索和推动中，成为标准的制定者，构建一个高人才密度的社区，以探求AI技术上限并寻找商业化落地的机会。
在红杉中国看来，AGI时代正逐步展现其重塑一切的潜力，创新的成本大大降低，划时代的AI Agent可能源自任何地方，无论是大学生的课后作业，还是高中生的灵光一闪。在这个背景下，TMF（技术-市场契合）成为了AGI创业的新范式。xbench正是切中了这一关键点，它有望成为AGI时代价值转移之路上的瞭望塔，帮助业界及时捕捉AI技术与产品的突破。
红杉中国的这一举措，无疑为投资机构在AI领域的参与方式树立了新的标杆。它鼓励基础模型与Agent开发者使用xbench来验证产品效果，同时邀请垂类Agent开发者和相关领域的专家或企业共同构建特定行业的评估标准。这一开放共建的模式，无疑将推动AI技术的进一步发展和应用。
