精华速览

OceanBase团队提交的Data Agent方案在UC Berkeley EPIC Data Lab与Hasura PromptQL联合推出的国际数据智能体基准DAB中，以90.62%的准确率位列第一，成为首个突破90%的参评方案。该方案内部代号Scout，基于国产大模型GLM-5.2构建，超过多项采用GPT、Claude Opus、Claude Fable等海外模型构建的Data Agent方案。DAB评测覆盖互联网、金融、生物医学、政务等多个领域及多种数据库，重点考察AI从复杂分散数据中获取答案的完整能力。OceanBase表示相关技术能力将融入DataPilot产品，推动数据库从数据底座向AI数据工作引擎演进。

要点透视

  • OceanBase提交的Data Agent方案在DAB基准测试中以90.62%准确率排名第一，为首个突破90%的参评方案。
  • 该方案内部代号Scout，基于国产大模型GLM-5.2构建，超过多项基于GPT、Claude Opus、Claude Fable等海外模型的方案。
  • 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/文娱等领域。
  • 评测涉及PostgreSQL、MongoDB、SQLite、DuckDB等多种数据库，要求Data Agent完成数据理解、选择、规划、查询计算和结果验证全流程。
  • OceanBase方案通过DataLens构建数据画像，规划执行路径，并以证据追踪和答案校验形成“数据理解—规划执行—验证修复”闭环。
  • 相关技术能力后续将沉淀到OceanBase DataPilot产品中，面向AI数据分析场景。

文章拆解

DAB榜单的推出，反映了AI进入企业数据环境后一个关键瓶颈：传统Text-to-SQL只考察自然语言转SQL的能力，而真实业务中数据分散在多种数据库和异构系统里，AI需要先理解数据、选择数据、规划分析路径，再完成查询计算并验证结果。DAB正是针对这一完整链路设计的基准，因此其成绩不仅反映底层模型能力，更考验“模型+Agent+数据系统”的综合协同。OceanBase此次以90.62%登顶，且底层模型采用GLM-5.2而非海外主流模型，说明国产数据库与国产大模型结合后，在复杂数据分析任务上已具备与国际方案竞争的实力。

从技术逻辑看，OceanBase方案的核心在于将数据库能力从存储查询延伸到数据理解与任务执行。DataLens负责构建数据画像、识别字段关系，Agent负责任务规划与执行，数据系统支撑关联计算和结果校验，三者形成闭环。这种设计回应了AI时代数据库角色变化：AI不仅是数据使用者，还需要数据库帮助其理解、组织和验证数据。对用户而言，这意味着未来企业数据分析可能不再依赖人工编写复杂SQL或频繁切换工具，而是由Data Agent端到端完成任务。

值得关注的变量包括：DAB榜单的评测范围虽广，但实际企业环境的数据复杂度、安全合规要求和实时性需求可能更高，方案在真实生产中的泛化能力尚待确认；此外，OceanBase将Scout能力融入DataPilot后，产品化进度、定价策略和生态兼容性也将影响其市场表现。潜在风险在于，Data Agent的准确率即便超过90%，在金融、政务等高风险场景中，剩余错误仍可能带来严重后果，结果验证与人工复核机制不可或缺。总体来看，此次登顶是国产数据库向AI数据平台演进的一次重要验证，但从榜单到规模化商用仍有距离。

查看原文