# 腾讯混元和人大开源了一个叫 PlanningBench 的评估框架，专门测大模型做规划的能力

> 原标题：腾讯混元联合人大开源PlanningBench评估框架

- 来源：AI HOT 精选
- 发布时间：2026-06-05T07:46:08.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/34590
- 原文：https://x.com/TencentHunyuan/status/2062803141314437391

## 摘要

这个框架由腾讯混元跟人大高瓴人工智能学院一起放出，代码和论文都公开了。它塞了 30 多个真实场景的规划任务，不是让模型光说不练，而是看它能不能把一件事拆成可执行的步骤。框架自带自动验证，跑完就能知道模型规划靠不靠谱，还支持拿这些任务去训练模型。资源挂在 arXiv、GitHub 和 HuggingFace 上，正文没披露具体任务类型和验证通过率的数据。

## 推荐理由

腾讯混元与人大高瓴人工智能学院开源 PlanningBench，用 30 多个真实场景任务检验模型能否把一件事拆成可执行步骤，并自带自动验证。

## 锐评

规划能力这东西，benchmark 分数再高也说明不了什么。30 多个任务加自动验证听着挺全，可规划好不好，最后看的是模型在你的 agent 里拆步骤拆得对不对，固定题库上跑多少分参考有限。混元开源这个我认，至少给了份能拿来训模型的现成数据。真要用，先看它任务里有没有长链路、多工具那种，光测拆解不测执行，跟实际跑 agent 差得远。
