阿里千問近日宣布推出一項名為DeepPlanning的新一代AI規劃基準測試，旨在評估人工智能在復雜現實場景中的全局規劃能力。與傳統推理任務不同，該測試要求AI系統在制定計劃時必須統籌兼顧，而非僅關注局部最優解。
測試場景涵蓋多維度現實需求：在旅行規劃任務中，AI需精確安排每日行程至分鐘級別，同時嚴格遵守預算上限和時間約束；購物優化場景則要求系統動態組合商品與優惠券，通過數學建模實現總支出最小化。這些"硬性條件"必須貫穿整個決策過程，而非僅在特定步驟滿足。
實測數據顯示，當前主流模型包括GPT-5.2、Claude 4.5、Gemini及Qwen 3，在長周期規劃一致性方面仍存在明顯局限。盡管這些模型在局部決策中表現優異，但當涉及多階段聯動優化時，仍會出現目標偏離或約束違反的情況，距離完全自主的智能決策體系尚有差距。
為推動行業技術進步，阿里千問已將DeepPlanning基準測試開源，開發者可通過Hugging Face平臺（https://huggingface.co/datasets/Qwen/DeepPlanning）或魔搭社區（https://www.modelscope.cn/datasets/Qwen/DeepPlanning）獲取完整數據集。該舉措預計將為AI規劃領域的研究提供標準化評估框架，加速通用智能體的研發進程。
