DataBench：复杂数据工作与推理能力的前沿基准测试
Opus 5 High以88%得分和$2.13成本在DataBench数据推理基准中排名第一，Fable 5 Max以85%得分和$4.73成本位列第二。基准测试覆盖分析推理、工具使用、证据质量和最终推荐四个维度，共评测32个模型配置。GPT-5.6 Luna系列成本最低（$0.05-$0.09）但得分仅50%-73%，性价比差距明显。 
Hex
Hex，集笔记、SQL、Python 与 AI 分析于一体的现代协作数据平台，帮助数据团队探索、可视化与分享洞察。
评论
点赞
收藏Hex实战：我们如何构建一个评估数据智能体的实验室
Hex团队分享了构建数据智能体评估体系的实战经验。核心观点是：在数据分析领域，智能体的表现更多取决于其访问的上下文数据质量，而非单纯的提示词或模型。为此，Hex开发了名为Shoebox的评估基础设施，并创建了一个名为Shorelane Commerce的虚构业务及其复杂脏数据环境，以模拟真实世界的仓库混乱状况。文章详细描述了如何通过成对实验和自定义指标进行高效评估，同时也坦诚了维护这套系统面临的挑战，如环境一致性、LLM裁判的准确性校准以及内部工具的维护成本。这是一篇具有极高工程参考价值的技术复盘。
Fable 5表现太强，Hex被迫开发全新评测基准
Hex团队指出，随着Claude Fable 5在现有数据分析评测中表现饱和，他们不得不构建更复杂的“前沿”评测集。文章详细对比了Fable 5与旧模型在处理脏数据、语义建模及长周期推理任务上的差异，强调了Fable在“黄金工作流”和假设定义上的优势。同时提醒管理员启用该模型需开启数据保留功能，且因Token消耗大，成本较高，建议仅在高风险复杂分析中使用。
Hex发布生成式数据应用：让AI编程在受控数据环境中落地
Hex平台推出Generative Data Apps功能，允许用户通过AI代码生成数据应用。文章强调该功能结合了AI的灵活性与Hex平台的数据治理、安全性和可追溯性，解决了传统“vibe coding”方式中数据不安全、缺乏治理的问题。应用基于Hex项目构建，继承权限控制和数据上下文，支持自定义UI和交互，并在浏览器沙箱中运行以确保安全。目前处于Beta阶段，面向Editor+角色开放，未来将按用量计费。
为什么数据分析Agent会以不同的方式崩溃
Hex团队分享构建数据分析Agent的工程经验。核心观点是：与代码不同，数据无法被有效压缩摘要，因为分析师需要看到具体数值才能发现模式。文章指出直接堆砌大上下文窗口会导致质量下降、速度慢和成本高。解决方案包括：将Notebook视为计算图而非文件树，建立单元格索引；设定严格的Token预算边界；显式告知Agent数据截断情况。这体现了针对数据流特有的上下文工程思维。
构建AI产品的“痛苦教训”：别用工程技巧对抗模型迭代
Hex团队分享构建AI产品的实战教训。核心观点是遵循“痛苦教训”：不要试图用复杂的工程技巧去弥补当前模型的不足，因为模型能力迭代极快，这些技巧很快会过时。作者通过Notebook Agent和可视化功能的失败案例，指出过度依赖“聪明”的工程实现会导致方向错误。现在的策略是：尽早让真实用户使用Alpha版本以验证可行性，敏锐捕捉模型能力的重大跃迁（如Sonnet 3.5带来的变化），并果断砍掉那些需要大量Hack才能运行的项目。文章强调在AI快速变化的环境中，理解模型边界比构建复杂工作流更重要。 
Hex 秋季发布：引入对话式数据分析 Agent Threads
Hex 发布秋季新品，核心是推出名为 Threads 的对话式数据分析界面，利用语义模型和上下文提高 AI 回答准确性。同时更新了建模 Agent、Explore 可视化功能和 Notebook Agent。强调数据团队对 AI 质量的管控权，以及向开放语义互操作标准的承诺。包含客户证言和新功能预告。 
Hex 推出 Notebook Agent：让 AI 代理深入数据分析工作流
Hex 平台发布 Notebook Agent，基于 Claude Sonnet 4 提供数据分析自动化功能。文章强调数据工作核心在于业务判断而非代码生成，因此该工具旨在辅助迭代与可视化。主要特性包括自动保存版本、单元格级差异对比审查以及语义上下文集成。目前处于公开测试阶段，面向付费计划用户开放。
2026年数据团队现状：AI采纳、挑战与未来趋势
Hex发布的2026年数据团队调查报告显示，AI已从探索转向全面落地，成为数据团队首要目标。尽管团队规模仍在扩大，但数据信任和质量仍是最大阻碍。报告指出，通用大模型正让位于专用分析AI，语义层治理受到重视。整体而言，这是一份典型的厂商背景行业调研，提供了关于AI在数据领域应用现状的一手数据，但缺乏深度技术洞察或独特观点，更多是市场趋势的常规总结。 
Hex 完成 7000 万美元 C 轮融资，加速 AI 驱动的数据分析平台构建
Hex 宣布完成 7000 万美元 C 轮融资，投资方包括 a16z、Sequoia 等。文章核心目的是融资宣发，顺带介绍了公司愿景：打造整合了 AI Agent 的数据分析平台，解决碎片化工具痛点。内容主要为机构通稿，缺乏独立技术洞察或行业争议点，互动价值低。 
抱歉，那些只是虚荣的评估指标
Hex团队指出单纯追求模型评估通过率是虚荣指标，无法指导实际优化。他们提出使用漏斗分析法，将SQL生成过程拆解为检索、幻觉、语法等多个阶段，从而精准定位问题。以GPT-4.1为例，虽然整体通过率提升，但漏斗分析揭示了其因强制小写标识符导致的语法错误等新行为。这种方法比单纯看通过率更能帮助工程师进行有效的Prompt调优和系统改进。
Hex 推出全新可视化数据探索体验 Explore
Hex 平台发布全新 Explore 功能，旨在降低数据探索门槛，让非技术人员也能通过可视化界面和自然语言进行数据分析。主要更新包括：内置无代码计算与连接功能、支持将探索结果直接作为 Notebook 单元格复用、集成 Magic AI 辅助生成分析及检索现有项目。此外，还升级了消费者体验，如条件通知、从应用直接探索及保存探索配置。语义层面，深化了与 MetricFlow/dbt 的集成，使业务指标更易于访问。整体定位为连接数据团队与业务用户的协作工具。 
Hex团队实战：如何让AI生成图表速度提升8倍
Hex团队分享如何将AI生成图表的速度提升8倍（从10.3秒降至1.3秒）。核心策略包括：1. 放弃直接让LLM生成完整的Vega-Lite代码，转而使用简化的内部Chart Spec以减少Token消耗；2. 通过实验发现GPT-3.5在简化后的Spec下准确率更高且速度更快，尽管GPT-4原生支持Vega-Lite；3. 设计极简的“Stub”配置（仅10个常用键），将自由回答变为多项选择，大幅提升小模型的准确性。文章展示了如何在集成深度和生成速度之间通过工程手段取得平衡，是LLM应用性能优化的典型案例。
Hex发布2024春季版：主打无代码工作流与电子表格功能
Hex 发布2024春季版本，核心更新包括引入无代码数据浏览和查询功能，支持类似Excel的电子表格公式（Calcs），以及新的“认可状态”机制用于数据治理和信任标识。此外，Magic AI工具速度提升，且Snowflake进行了新一轮投资。文章旨在展示Hex向低代码/无代码协作数据分析平台的演进。 
Hex：魔法般的数据协作工具
这是一篇 Hex 产品的官网首页介绍。主要展示其作为 AI 数据分析平台的特性，包括支持 SQL/Python 的笔记本、通过自然语言生成数据应用的能力、以及基于语义模型的 AI Agent 功能。文中大量使用了虚构的“星际大战”风格案例（如 NexaCorp 公司）来演示产品如何帮助团队进行数据探索和可视化。整体内容为典型的产品营销通稿，旨在推广其协作和数据民主化理念，缺乏针对技术读者的深度工程见解或行业争议点。 