# 腾讯混元推出智能体评测基准 E-Bench

- 分类: 快讯
- 发布时间: 2026-08-04T12:00:00.000Z
- 原始资料日期: 2026-08-04
- HTML: https://www.88z.ai/news/flash-20260804-93570e9dfd1e00d0
- Markdown: https://www.88z.ai/news/flash-20260804-93570e9dfd1e00d0.md
- 另一语言: https://www.88z.ai/en/news/flash-20260804-93570e9dfd1e00d0.md

腾讯混元联合清华AIR与东南大学发布E-Bench智能体评测基准。该基准基于王者荣耀、QQ音乐及腾讯会议构建全合成虚拟环境，包含323个状态变更任务及超7.6万条数据。通过引入信息与工具鸿沟机制，有效防止模型依赖记忆捷径。评测显示，11个前沿模型平均成功率仅为54.56%，最强模型Avg@3为73.79%，Pass³指标不足60%。

## 消息要点

- E-Bench基于三大腾讯应用原型构建全合成环境，通过双重鸿沟设计防止记忆作弊
- 11个前沿模型平均成功率仅54.56%，最强模型Pass³指标未达60%

## 要点

腾讯混元携手清华AIR及东南大学共同推出E-Bench智能体评测基准。该基准以王者荣耀、QQ音乐和腾讯会议为原型，构建了包含323个改变状态任务及超过7.6万行数据的全合成虚拟环境。为解决传统评测中模型可能凭记忆抄近道的问题，E-Bench特别设计了信息鸿沟与工具鸿沟机制。在针对11个前沿模型的评测中，整体平均成功率仅为54.56%。表现最强的模型在Avg@3指标上达到73.79%，但其Pass³通过率仍低于60%，显示出当前智能体在复杂任务处理上仍有提升空间。

## 资料来源

- [腾讯混元](https://mp.weixin.qq.com/s/5QIL92Vumz2E52Moo3wE9g) (2026-08-04)

本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。