OceanBase数据智能体榜单准确率居首

OceanBase团队提交的Data Agent方案在国际数据智能体基准Data Agent Benchmark（DAB）中取得90.62%的准确率，排名榜首，也成为该榜单首个准确率超过90%的参评方案。该方案基于国产大模型GLM-5.2构建，内部代号为Scout，成绩超过了多项采用GPT、Claude Opus、Claude Fable等海外模型的方案，相关能力后续将整合进OceanBase DataPilot。

DAB由UC Berkeley EPIC Data Lab与Hasura PromptQL联合推出，测试场景覆盖互联网与本地生活、金融股票、生物医学、知识产权、企业运营、政务与公共管理、媒体文娱等领域，同时涉及PostgreSQL、MongoDB、SQLite、DuckDB等多类数据库。

不同于传统Text-to-SQL主要评估自然语言转SQL的能力，DAB更强调AI在真实数据环境中的综合表现。参评Data Agent需要理解数据含义，选择合适数据源，规划分析路径，执行查询和计算，并对结果进行校验，核心考察从理解数据到获得可靠答案的完整链路。

因此，DAB并不只衡量底层大模型能力，而是同时考验模型、Agent和数据系统的协同水平。模型承担理解与推理，Agent负责规划与执行，数据系统则需要支持数据发现、关系关联、计算处理和结果验证，三者配合效果会直接影响AI能否真正利用企业数据。

OceanBase此次参评方案围绕这一思路设计：系统先通过DataLens建立数据画像，识别字段信息和数据关系；随后根据任务复杂度制定执行路径，完成数据选择、筛选、关联与计算；获得结果后，再借助证据追踪和答案校验检查过程与结论，必要时调整方案并重新验证，形成“数据理解—规划执行—验证修复”的闭环。

90.62%的成绩说明，该方案并非只是验证国产模型可以完成数据查询，而是展示了国产数据库与国产大模型结合后支撑复杂数据分析任务的能力。在采用GLM-5.2作为底层模型的情况下，OceanBase方案仍超过多项基于海外主流模型构建的Data Agent方案。

随着AI Agent逐渐成为新的数据使用者，数据库的角色也在变化。过去数据库主要负责存储、查询和处理数据，如今还需要帮助AI理解数据、组织数据、关联数据并验证分析结果是否可信。OceanBase DataPilot正是面向AI数据分析场景的产品方向，Scout中的数据理解、任务规划、分析执行和结果验证能力将逐步沉淀到该产品中。

此次登顶DAB，也反映出数据库与AI关系的演进：数据库不再只是向AI提供数据的底座，而是在AI完成数据分析任务过程中承担更主动的支撑角色，逐步向AI数据工作引擎延伸。