OceanBase登顶国际数据智能体榜单，准确率突破90%

OceanBase 团队提交的 Data Agent 方案在国际数据智能体基准评测 Data Agent Benchmark（简称 DAB）中取得突破，以 90.62% 的准确率位居全球第一，成为该基准测试中首个突破 90% 准确率大关的参评方案。

值得关注的是，该方案内部代号为 Scout，底层基于国产大模型 GLM-5.2 构建，在综合表现上超过了多项基于 GPT、Claude Opus、Claude Fable 等海外前沿模型构建的方案。相关核心技术后续将融入 OceanBase 旗下的 AI 数据分析产品 DataPilot 中。

DAB：从「Text-to-SQL」转向真实复杂环境

DAB 由加州大学伯克利分校 EPIC Data Lab 与 Hasura PromptQL 合作推出，涵盖金融、生物医学、知识产权、企业运营、政务管理及文娱等垂直行业，评测环境涉及 PostgreSQL、MongoDB、SQLite 和 DuckDB 等多种数据库。

与传统仅考察自然语言转 SQL 语句能力的 Text-to-SQL 测评不同，DAB 更注重 AI 智能体进入真实生产环境后的实战表现。在一个完整的数据分析任务中，AI 智能体需要自主理解异构数据、规划多步分析路径、执行查询计算并对输出结果进行多轮验证，全流程考验从「理解数据」到「交付正确答案」的综合执行力。

这也意味着，DAB 考验的并非单一底层模型的生成能力，而是「大模型 + AI 智能体架构 + 底层数据系统」三者深度协同的工程系统能力。模型负责逻辑推理，智能体负责流程规划，数据系统则支撑高效计算与实时校验。

Scout 方案如何实现闭环？

OceanBase 此次参评方案围绕分析闭环展开构建，主要包含三个核心环节：

1. 数据画像与理解：系统通过 DataLens 构建全方位的数据画像，快速识别表结构、关联字段以及潜在的数据依赖关系。
2. 动态路径规划与执行：针对具体分析任务的复杂度，智能拆解执行步骤，协调多源数据的关联、过滤与计算。
3. 证据追踪与自我修复：任务生成初步结果后，系统会启动证据追踪机制，反向校验计算链路与中间结果。一旦发现异常即时调整分析策略，重新验证，形成完整的自愈闭环。

这种机制表明，高准确率并非单纯依赖参数规模，而是依托数据库系统能力与模型调度逻辑的紧密配合，实现复杂环境下的高可靠交付。

数据库从「数据底座」走向「AI 协同引擎」

在传统软件架构中，数据库的核心定位是数据的安全存储与高效检索。但当 AI 智能体逐渐成为企业数据的新型调用者，数据库的角色正在发生本质转变。

AI 时代的数据库，不仅要把结构化数据暴露给模型，更需要主动降低 AI 处理异构数据的认知门槛，提供可靠的高性能计算与校验环境。从单纯提供数据，转向协助 AI 用好数据，正成为数据库基础设施的重要演进方向。

OceanBase 表示，此次 Scout 方案在 DAB 基准中的验证，是其探索面向 AI 场景演进的关键一步。未来，相关能力将深度沉淀至 OceanBase DataPilot 产品中，推动数据架构从被动存储体系加速升级为主动支撑 AI 业务落地的协同计算引擎。