一项名为 Food Truck Bench 的新型 AI 基准测试近期引发关注，它摒弃了传统的静态问答模式，转而将大语言模型置于“经营移动餐车”这一动态商业场景中。该测试不仅考察模型的文本生成能力，更侧重于评估其商业规划、成本计算、供应链管理及应对突发状况的综合实战水平。测试结果显示，Claude 3.5 Sonnet 表现最为出色，GPT-4o 紧随其后。这一“接地气”的测试为评估 LLM 的 Agent 智能体潜力提供了全新视角，标志着行业对 AI 能力的评估正从单纯的“智商测试”向解决实际问题的“落地能力”转变。
