AI热榜 近日，OceanBase 团队提交的 Data Agent 方案登顶国际数据智能体基准 Data Agent Benchmark（简称 DAB），以 90.62%的准确率位列第一，成为该榜单首个准确率突破 90% 的参评方案。
值得关注的是，这一成绩由国产数据库 OceanBase 基于国产大模型 GLM-5.2 构建，超过多项基于 GPT、Claude Opus、Claude Fable 等海外模型构建的 Data Agent 方案。
本次参评方案内部代号为 Scout，相关能力将融入 OceanBase DataPilot。
（图说：OceanBase 登顶国际 Data Agent 榜单，成为首个准确率突破 90%的参评方案） DAB 由 UC Berkeley EPIC Data Lab 与 Hasura PromptQL 合作推出，评测覆盖互联网/本地生活、金融股票、生物医学、知识产权、企业运营、政务/公共管理、媒体/文娱等多个领域，并涉及 PostgreSQL、MongoDB、SQLite、DuckDB 等多种数据库。
与传统 Text-to-SQL 主要考察 AI 能否将自然语言转换成 SQL 不同，DAB 更关注 AI 进入真实数据环境后，能否从复杂、分散、形态各异的数据中找到正确答案。
一个完整任务中，Data Agent 需要理解数据、选择数据、规划分析路径、完成查询计算，并对结果进行验证，考验的是从“理解数据”到“拿到答案”的完整能力。
也正因此，DAB 考验的不只是底层模型，而是“模型+Agent+数据系统”的综合能力。
模型负责理解和推理，Agent 负责规划和执行，数据系统则要支撑数据发现、关联计算和结果校验。
三者能否协同，直接影响 AI 能不能真正把企业数据用起来。
OceanBase 此次参评方案，正是围绕这一能力构建。
系统通过 DataLens 构建数据画像，识别字段和数据关系；再根据任务复杂程度规划执行路径，完成数据选择、筛选、关联和计算；得到结果后，还会通过证据追踪和答案校验检查计算过程和结果，发现问题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。
这也解释了此次 90.62%成绩的含金量：它不是单纯证明国产模型能够完成数据查询，而是验证了国产数据库与国产模型结合后，能够共同支撑复杂的数据分析任务。
在底层模型采用 GLM-5.2 的情况下，OceanBase 方案最终超过了多项采用 GPT、Claude Opus、Claude Fable 等海外模型构建的 Data Agent 方案。
对 OceanBase 而言，这也是其 AI 能力的一次新验证。
🔗 原始来源
如果你要核对细节，可以再看原文： InfoQ AI原文链接