🎯 情报来源：量子位
上海交通大学联合深势科技团队近日发布开源工具增强推理智能体X-Master及多智能体工作流系统X-Masters，在被誉为“人类最后的考试”的HLE测试集上取得32.1分，成为首个突破30分大关的AI系统。该测试集由AI安全中心和Scale AI发起，包含3000多道研究生难度题目，此前最高分为26.9分。
研究团队采用DeepSeek-R1-0528作为推理模型核心，通过创新的工具增强推理机制和多智能体协作架构实现突破。特别值得注意的是，该系统在仅使用两种网络工具的情况下，生物学/医学类题目准确率达27.6%，超越专业生物智能体Biomni(17.3%)和STELLA(26%)。
💡 核心要点
- HLE测试得分32.1分，创历史新高，较之前最佳成绩提升19.3%
- 生物学/医学类准确率27.6%，超越专业生物智能体系统
- 仅用两种网络工具即超越配备500+工具的OriGene系统
- 开源方案包含X-Master智能体及X-Masters多智能体工作流系统
- 测试集包含3000+题目，来自500+机构的1000+学者编制
📌 情报分析
技术价值：极高 – 创新的“代码即交互语言”设计理念和分散-堆叠式工作流架构具有突破性，消融研究显示各模块贡献明确（工具增强+3.4%，迭代优化+9.5%）
商业价值：高 – 开源策略将加速AI智能体生态发展，在科研、医疗等高价值领域具有明确应用场景，生物学专项测试67.4%的准确率证明其专业潜力
趋势预测：高 – 多智能体协作架构展示出超越单一模型的潜力，其“探索-利用”机制可能成为下一代AI系统的标准范式，为DeepSeek-V4等后续模型奠定基础