从性能到实战，怎样才算是靠谱的 Agent 产品？

③ Xbench 的第三次升级发生于 2025 年 3 月，评估任务由对应领域的专家结合实际业务需求设定，导致其在此次评估中的表现较低。

]article_adlist-->Xbench 后在 2024 年 10 月进行第二次大规模更新，再由大学教授将评估任务转化为评估指标，其题库经历过三次更新和演变，当下的 Agent 产品迭代速率很快，前往「收件箱」查看完整解读