这里聚集着这样一群人：既懂模型的深层逻辑，更清楚商业落地的每一道关卡。我们相信，科学、长效和 真实反映AI客观能力的评测体系，是指引AI技术突破与产品迭代的重要需求。 xbench由红杉中国推出，是一款致力于量化AI系统在真实场景的效用价值，以及采用长青评估机制的AI基 准测试。 推荐阅读 壹 xbench评测集正式开源 我们期待这样的你： 贰 今天，我们推出xbench AI算法方向 AI Researcher方向 前/后端工程 AI产品经理 开源社区贡献者 叁 传感器、生物降解、医美...这些新材料或成创新催化剂 | 红杉爱科学 肆 5步拆解复杂难题，让你效率翻倍 | 红杉Library 伍 AI大家说 | 从被动执行到主动思考，快来升级你的提示词技巧 开放的实习生岗位（北京/上海/远程）： 技术信仰：对AGI有近乎偏执的热情，坚信评测在AI浪潮中的巨大价值。 工程实战：具备扎实的动手能力，能够将理论应用于实践，方向包括但不限于NLP、多模 态、搜索算法等。 创新思维：善于从不同角度思考问题，提出创新的解决方案，推动AI技术的持续发展。 团队协作：具备良好的沟通能力和团队合作精神，能够与不同背景的同事高效 ...

本文来自微信公众号：中国企业家杂志 （ID：iceo-com-cn），作者：闫俊文，原文标题：《对话中国 信通院魏凯：AI下半场，大模型要少说话，多做事》，头图来自：AI生成 今年2月DeepSeek爆火，震惊国内外。实际上，在此之前，中国信息通信研究院（下称：中国信通院） 的大模型评测团队就观察到国内模型性能迅速提升的势头，他们当中就包括中国信通院人工智能研究所 所长魏凯。 魏凯说："2024年一年，国内包括DeepSeek在内的多个大模型团队，一直从多角度努力，不断提升模型 性能，基本上每个月都能看到新的进展。在我们的测试中，DeepSeek在2024年4月的模型性能排名还比 较靠后，8月的版本已经是TOP10里的玩家了，到了10月的版本已经是前几名了，12月发布的DeepSeek- V3成为当时基础能力第一名的模型，而且是开源的，非常了不起。" 2024年底，工业和信息化部成立人工智能标准化技术委员会，魏凯任秘书长，主持日常工作。 6月底，《中国企业家》专访了魏凯，作为资深专家，他对大模型以及当前最火的Agent有独特的看法， 以下是访谈的内容详情（有删减）： 一、DeepSeek一直在优化 《中国企业 ...

WAVES新浪潮2025邀你一起走向中国创投的「新纪元」。 这是属于中国创投的新纪元。当下的中国创投市场，既是周期筑底的转折点，也是结构性转型的深化期。在政策主导、国资与资本高度集中的新 生态下，唯有顺应趋势、灵活调整，方能在不确定性中捕捉确定性机遇。 6月11-12日，杭州良渚文化艺术中心，36氪WAVES新浪潮2025大会以「新纪元」为主题，汇聚创投领域顶级投资人、新锐企业创始人，以及深 耕科技、创新、商业的科学家、创作者与学者，共同探讨AI技术革新、全球化浪潮与价值重估等前沿议题，拆解他们眼中的商业理想和未来世 界，一起讨论、寻找、走向中国创投「新纪元」。 6月12日上午，在创业者会场上红杉中国投资人公元，进行了一场独立演讲，主题为「如何在AI下半场，定义"好问题"？」。以下为演讲全文： 大家好！我是红杉中国的公元。很高兴受到36氪、暗涌waves的邀请，今天能和大家做一场分享。今天我想和大家讲的主题，和我们最近刚刚推出的xbench 相关。xbench是首个由投资机构推出的面向大模型和AI Agent的基准测试。我们为什么要推出这个基准测试，今天想和大家一起分享一下背后的故事。 · · 这两张图，左边 ...

6月18日，红杉中国正式开源其AI基准测试工具xbench的两个评测集xbench-ScienceQA和xbench- DeepSearch。红杉中国表示，未来将基于大模型和AI Agent的发展情况不断动态更新评测集，并且采 用"黑白盒"机制，既保证xbench的发展可以服务更多的大模型和Agent开发者，同时尽力避免静态评测 集经常出现的过拟合问题，确保xbench的长期有效。（智通财经） MiniMax考虑赴港IPO 【观网财经丨智能早报 6月19日】 特朗普将第三次延长TikTok禁令期限 美国Axios新闻网报道称，当地时间6月17日，美国白宫表示，美国总统特朗普将第三次延长TikTok禁令 的最后期限。白宫新闻秘书莱维特当日在一份声明中表示，在延长期内，美国政府将努力"确保达成协 议，以便美国人民能够继续使用TikTok，并确保他们的数据安全无虞"。她补充说："正如特朗普多次说 过的那样，他不希望TikTok消失。" 谷歌最新论文称AI存在畏死情绪 近日，谷歌发布最新论文，发现其最新AI模型存在"畏死"行为特征。谷歌团队在报告中指出，在Gemini 控制的宝可梦角色生命值接近归零时，AI模型会触发 ...

3.【谷歌推出轻量级模型Gemini 2.5 Flash-Lite】谷歌发布博文称，Gemini 2.5 Flash和Gemini 2.5 Pro模型进入稳定阶段，推出全新轻量级模型Gemini 2.5 Flash-Lite。（财联社） 4.【MiniMax发布视频生成工具Hailuo 02】6月18日，MiniMax（稀宇科技）发布新视频生成模型 Hailuo 02，新增1080p原生视频创作场景，在海螺视频的Web、APP以及开放平台API中推出上述的 模型更新，目前提供三个版本，768p-6s、768p-10s和1080p-6s。（界面新闻） 更多AIGC资讯 …… 1.【腾讯元宝电脑版上线AI编程模式】6月17日，腾讯元宝宣布，元宝电脑版AI编程模式上线。据介 绍，用户将元宝电脑版升级到v2.25以上版本，切换至DeepSeek模型，关闭深度思考，在输入框中 @AI编程即可唤起AI编程模式。在AI编程模式下，元宝自动开启双栏展示，左侧一句话提需求，右侧 实时展示元宝写的代码。（腾讯网） 2.【红杉中国正式开源AI基准测试xbench评测集】6月18日，红杉中国正式开源其AI基准测试工具 xbench的 ...

https://xbench.org/ 2. github: https://github.com/xbench-ai/xbench-evals 3. huggingface: 三周前，我们正式推出了xbench，一款致力于量化AI系统在真实场景的效用价值，以及采用长青评估机制 的AI基准测试。 这期间，从大厂到创业公司，从大模型研究者到AI Agent开发者，我们收到了来自海内外的大量咨询，特别 是希望使用xbench评测集对他们的产品进行测试的需求与日俱增。 把红杉投资团队进行内部测评的工具打造成一款公开的AI基准测试，用公开透明的方式吸引更多AI人才和 项目的共创，是我们打造xbench的初衷。我们相信开源精神可以让xbench更好地进化，为AI社群创造更大的 价值。 因此，红杉中国今天正式开源xbench的两个评测集xbench-ScienceQA和xbench-DeepSearch。未来，我们将基 于大模型和AI Agent的发展情况不断动态更新评测集，并且采用"黑白盒"机制，既保证xbench的发展可以服 务更多的大模型和Agent开发者，同时尽力避免静态评测集经常出现的过拟合问题，确保xbenc ...

科创AIETF紧密跟踪上证科创板人工智能指数，上证科创板人工智能指数从科创板市场中选取30只市值较大的为人工智能提供基础资源、技术以及应用支持 的上市公司证券作为指数样本，以反映科创板市场代表性人工智能产业上市公司证券的整体表现。 规模方面，科创AIETF近1周规模增长1770.30万元，实现显著增长，新增规模位居可比基金2/6。 截至2025年6月4日 09:43，上证科创板人工智能指数(950180)上涨0.16%，成分股寒武纪(688256)上涨3.53%，云天励飞(688343)上涨2.16%，金山办公(688111) 上涨1.87%，奥比中光(688322)上涨1.18%，优刻得(688158)上涨1.13%。科创AIETF(588790)上涨0.18%，最新价报0.57元。流动性方面，科创AIETF成交 2202.27万元。拉长时间看，截至6月3日，科创AIETF近1年日均成交2.71亿元，排名可比基金第一。 近日AI领域动态：红杉中国推出AI基准测试工具XBench；豆包App上线实时视频通话功能，支持视频问答；QQ浏览器推出高考Agent "AI高考通"，助力高 考生志愿填报与备考内容。昆仑万 ...

证 券 研 究 报 告 计算机行业重大事项点评 AI 洞察：字节与 OpenAI 等 Agent 多点更新 事项： 国内：5 月 26 日 AI 领域动态：红杉中国推出 AI 基准测试工具 XBench；豆包 App 上线实时视频通话功能，支持视频问答；QQ 浏览器推出高考 Agent "AI 高考通"，助力高考生志愿填报与备考内容。昆仑万维发布天工超级智能体的 app 版本。海外：OpenAI 升级 Operator 智能体，模型从 4o 升级到 o3。 点评： 国内：Agent 生态与 C 端用户体验的双轮驱动持续显现成效: 海外：Agent 领域的竞争趋于白热化： 行业研究 计算机 2025 年 06 月 03 日 推荐（维持） 华创证券研究所 证券分析师：吴鸣远 邮箱：wumingyuan@hcyjs.com 执业编号：S0360523040001 行业基本数据 相对指数表现 | % | 1M | 6M | 12M | | --- | --- | --- | --- | | 绝对表现 | 0.5% | -3.6% | 34.1% | | 相对表现 | -1.0% | -2.6% | 27.8% | - ...

今天，让我们继续走进红杉中国第三届AI Day，深入挖掘AI Agents的更多潜力。 5月29日，以"AI Agents：From Copilot to Colleague"为主题的AI Day活动为200多位成员企业CEO和技术高管 提供了一场脑力交锋和技术激荡的舞台。 我们看到了全新基准测试工具xbench，还通过多场深度对话和圆桌论坛，共同探讨了AI Agents在商业应 用、技术演进以及未来企业发展的关键方向——从前沿的技术思考到实践中的应用场景，从创业机遇到未 来组织形态的变化。接下来，让我们再度回到这场思维盛宴，聚焦更多前沿洞见与实践成果，解锁未来智 能世界的更多密码。 <左右滑动查看更多> 红杉中国合伙人公元以"如何在AI下半场定义'好问题'"为主题，向参会嘉宾介绍了红杉中国推出的一款全新 AI基准测试工具xbench。 "当大家纷纷考满分的时候，到底是学生变聪明了还是卷子出问题了？"公元问大家。 拾象科技CEO李广密则为大家分享了在基础模型训练视角下和硅谷视角下关于AGI主线的最新思考。 他分享了对2025年LLM的7个关键判断： 一是 智能本身就是最大的应用，应该围绕智能本身去投入； 二是 ...

美团收入超预期，广告和佣金收入增长放缓。 一季度营收为 865.6 亿元，高于预估的 854.4 亿元，同比增长 18.1%；经调整后净利润为 109.5 亿元， 高于预期的 97.3 亿元，同比增长 46.2%。 美团预计外卖业务二季度单量增速与一季度、去年四季度持平，到店业务预计会受到外卖补贴冲击， 导致需求转移，订单增速放缓，利润小幅下跌。 当季美团现金和短期理财总规模约为 1803 亿元，较去年底增加超过 120 亿元。据我们了解，因为有 短期理财产品正好到期，当季美团在手现金规模超过短期理财余额。 今天，淘宝宣布，闪购联合饿了么日订单已超 4000 万，其中非茶饮订单占比达 75%。4 月底，《商 业观察家》曾报道京东 1000 万外卖订单中，现制咖啡贡献了约一半订单。对外界竞争，美团 CEO 王 兴在本次财报会上说，"将不惜代价赢得竞争。" 其中，核心本地商业的配送、佣金、广告收入分别为 257.2 亿元、240.5 亿元和 118.62 亿元，对应增 速为 22.1%、20.1% 和 15.1%。配送收入加速增长，佣金和广告增长放缓。 比亚迪王朝、海洋智驾版车型降价，今天股价下跌近 6%。 今年 ...