OceanBase 的 Data Agent 方案在 DAB 基准登顶，准确率 90.62%
OceanBase 用国产模型 GLM-5.2 搭出的数据智能体在 DAB 上拿到 90.62%，首次突破 90%，说明国产数据库加国产模型也能撑起复杂的真实数据分析任务。
OceanBase 团队提交的 Data Agent 方案在 DAB（Data Agent Benchmark，一个考察 AI 在真实数据环境中完成完整分析任务的国际基准）上以 90.62% 的准确率排名第一，成为首个突破 90% 的方案。该方案基于国产大模型 GLM-5.2 构建，成绩高于多个基于 GPT、Claude Opus 等海外模型搭建的方案。
正文摘录
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。