大模型到底哪家强？红杉xbench：告别刷题时代，AI评测应该以解决问题的能力为基准

Xbench是知名投资机构红杉中国推出一款全新的AI基准测试工具，旨在真实地反映AI的客观能力，其在评估和推动AI系统提升能力上限与技术边界的同时，会重点量化AI系统在真实场景的效用价值，并采用长青评估的机制，去捕捉AI...