IT之家 1 月 30 日消息，阿里千問(wèn)今天在公眾號(hào)平臺(tái)發(fā)文，宣布推出新一代 Agent 基準(zhǔn)測(cè)試 DeepPlanning。

據(jù)介紹，DeepPlanning 與傳統(tǒng)的推理任務(wù)截然不同，要求 AI 在面對(duì)現(xiàn)實(shí)世界的復(fù)雜規(guī)劃時(shí)通盤(pán)考慮，不能只專(zhuān)注于局部。

例如：多日旅行規(guī)劃要精確到分鐘級(jí)排期，同時(shí)守住時(shí)間、預(yù)算的硬上限；復(fù)雜購(gòu)物場(chǎng)景要懂得疊加優(yōu)惠券、知道如何動(dòng)態(tài)組合商品才能滿減，以實(shí)現(xiàn)整體價(jià)格最優(yōu)。而且這些“硬要求”不只是讓 AI 單純?cè)谀囊徊酵瓿删秃?/strong>，必須貫穿整個(gè)計(jì)劃始終。

最終實(shí)測(cè)結(jié)果表明，即使是目前頂尖的 GPT-5.2、Claude 4.5、Gemini 以及 Qwen 3 模型，在全局優(yōu)化以及長(zhǎng)周期一致性上仍存在部分短板，距離真正成為擁有 100% 自主決策能力的“行動(dòng)派”還有一定距離。

值得注意的是，阿里千問(wèn)還在 Hugging Face 和 ModelScope 平臺(tái)開(kāi)源了這款基準(zhǔn)，IT之家附上鏈接如下：

• HuggingFace：https://huggingface.co/datasets/Qwen/DeepPlanning

• ModelScope ：https://www.modelscope.cn/datasets/Qwen/DeepPlanning

廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。