腾讯混元推出智能体评测基准 E-Bench

2026.08.08 · 事件 · 评测基准 · 官方发布

腾讯联合清华等高校推出智能体评测基准E-Bench，用真实业务场景检验AI多步骤工具使用能力。

腾讯混元团队联合清华大学AIR、东南大学推出智能体评测基准E-Bench，以王者荣耀、QQ音乐等真实业务场景为原型，全面考核AI在复杂多步任务中的工具调用与状态修改能力。测试显示，当前前沿大模型在多步骤任务中的平均成功率仅54.56%，表现仍有较大提升空间。