1月30日，阿里千問(wèn)在公眾號(hào)平臺(tái)宣布推出新一代Agent基準(zhǔn)測(cè)試DeepPlanning。DeepPlanning與傳統(tǒng)推理任務(wù)不同，要求AI在面對(duì)現(xiàn)實(shí)世界的復(fù)雜規(guī)劃時(shí)通盤考慮，不能只專注于局部。例如，在多日旅行規(guī)劃中要精確到分鐘級(jí)排期，同時(shí)守住時(shí)間、預(yù)算的硬上限；在復(fù)雜購(gòu)物場(chǎng)景中要懂得疊加優(yōu)惠券、動(dòng)態(tài)組合商品以實(shí)現(xiàn)整體價(jià)格最優(yōu)。這些“硬要求”必須貫穿整個(gè)計(jì)劃始終。

實(shí)測(cè)結(jié)果顯示，即使是目前頂尖的GPT-5.2、Claude4.5、Gemini以及Qwen3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。阿里千問(wèn)還在HuggingFace和ModelScope平臺(tái)開源了這款基準(zhǔn)，以促進(jìn)AI規(guī)劃能力的提升和優(yōu)化。