6月18日，红杉中国宣布开源其AI基准测试工具xbench中的两个评测集——xbench-ScienceQA和xbench-DeepSearch。红杉中国表示，未来将根据大模型和AI Agent的发展不断更新这些评测内容，并引入“黑白盒”机制，旨在支持更多模型和Agent开发者的同时，防止传统静态评测集中常见的过拟合问题，从而保障xbench的持续有效性。