中国黑马杀入全球企业级AI RAG榜单:沁诚NextAI-ThinkSuite RAG,与国际主流方案同台

中国黑马杀入全球企业级AI RAG榜单:沁诚NextAI-ThinkSuite RAG,与国际主流方案同台

导读:在全球企业级AI Search公开评测EnterpriseRAG-Bench中,来自上海的沁诚NextAI-ThinkSuite RAG通过本地评测和官方复现双重验证,正式入榜并位列全球企业第15名。它和多款全球主流产品一起排进前20。这次的对手是全球科技巨头和知名开源项目,成绩也经得起公开复核。对一家中国科技企业来说,这是一次真正的“黑马”突围。

为什么这份榜单分量不轻

EnterpriseRAG-Bench 由开源企业搜索平台 Onyx 发起,数据集托管在 Hugging Face,相关论文已公开发表于 arXiv,评测方法、数据和每个系统的各项得分全部公开,任何人都可以查阅和复核。它的分量,主要来自三个方面:

• 题目够真实。出题方模拟了一家 AI 公司的内部环境,生成 50 余万份内部文档,覆盖 Slack、Gmail、Jira、Confluence、GitHub、Google Drive、HubSpot 等 9 类常见企业数据源,并故意埋入放错位置的文件、近似重复的文档和前后矛盾的信息。

• 考法够全面。500 道题覆盖 10 类能力:从单文档查找、跨文档推理,到在矛盾信息中做判断,再到资料里根本没有答案时,系统能否如实说“不知道”。

• 规则够严格。参评方须完整作答全部 500 道题,缺一题整份作废;由官方指定的评判模型(GPT-5.4)从答案正确性、事实完整性、文档召回率、无效引用四个维度逐题打分。对闭源产品,官方还会直接调用参评系统重新测试,两次结果一致,成绩才会被收录——自己报的分数不算数。

同台竞技的是谁:全球巨头和明星开源项目

这份榜单的参评者,基本都是企业搜索和AI基础设施赛道里真正在做事的团队,包括:

• 国际科技巨头方案:OpenAI File Search、Amazon Q、Azure AI Search、Vertex AI Search

• 知名开源项目:RAGFlow、OpenClaw等

能和这些名字出现在同一张榜单上,本身就说明了参评者的实力。

在熟悉的名字中间,出现了一匹中国黑马

就在这份名单里,出现了一个新的名字:来自中国上海的沁诚(NextAI香港)的NextAI-ThinkSuite RAG【即Qincheng NextAI】,经本地评测与官方复现双重验证后正式入榜,位列第15名,与多款国际主流产品同列前20。中国企业级RAG Search的名字,出现在了这份全球榜单之上。

EnterpriseRAG-Bench 榜单截图,沁诚NextAI-ThinkSuite RAG 位列第15名

过去一段时间,中国 AI 的进展更多体现在大模型本身:参数、跑分、对话能力。而在“AI 如何真正进入企业、用好企业自己的数据”这一环,公开的国际评测里,中国企业的身影并不多见。

沁诚NextAI-ThinkSuite RAG进入该榜单,意味着在企业知识库这条更偏工程、更考验落地能力的赛道上,中国团队同样可以拿出经得起复现的成绩,与国际主流方案在同一套规则下比较。

“上榜的那一刻,团队里挺多人是有些激动的。”沁诚NextAI-ThinkSuite RAG团队负责人说,“不是因为排名本身,而是我们证明了,中国团队在真实企业场景里打磨出来的东西,放到国际同一张试卷上,也站得住。”

“不知道”也是一种能力

在团队看来,这份榜单真正有价值的地方,不只在于排名。

“企业场景里,答错的代价往往比答不出来更高。”负责人表示,“一个系统敢不敢说‘资料里没有’,很多时候比它能答对多少题更重要。”

这也是沁诚NextAI-ThinkSuite RAG在设计上的几个取舍:

• 按文档原始结构保存原文信息。参数表整表保留、完整抽取文档内置图片,手册根据标题和章节层级、论文按摘要和章节结构、PPT 按页保存,不再机械地按固定字数切片,尽量不让关键信息被拆散。

• Agentic RAG 多路检索。赋予检索 Agent 向量、关键词、知识图谱、概念树、grep 等多种检索工具,再对结果统一重新排序,减少“找不全”和“找错”的概率。

• 每句话都有出处。生成的每条结论都标注来源文档和具体章节,便于随时回溯核对;资料里没有的,就明确说没有。

• 数据可以留在企业自己手里。支持私有化部署与连接私有化部署的模型,满足对数据安全要求较高的行业需要。

从2023年到今天:一场不容易的长跑

团队从2023年开始投入这个方向。那时企业级AI Search还处在早期,行业里大量项目停留在演示阶段,在真实企业资料上反复出错。团队没有去追热点,而是选了一条更难也更慢的路:扎进客户现场,用一个个真实项目去打磨产品。“说实话,我们今天的结果,不是赢下来的订单堆出来的,而是丢掉的订单一次次教出来的。”

医药、制造这些行业资料多、版本多、合规要求严,引错一个版本或漏掉一个条款,带来的都不只是体验问题。正是在这样的环境里,产品的每一项设计才被反复验证和修正。目前,沁诚NextAI-ThinkSuite RAG已在申报材料准备、实验规程合规检查、医学报告生成、食品安全评审、生产检验等场景落地使用。

从2023年到今天,用超过三年的持续投入换来一次国际公开评测的认可,对一家中小型科技企业来说,这份坚持本身就很难得。

榜单之外,缺的不是更强的模型,而是把模型用出结果的能力

行业过去两年的注意力大多集中在模型本身:参数更大一点,跑分更高一点。但对企业而言,模型只是起点。决定AI能不能产生价值的,是它能否读懂企业自己的资料,能否给出有出处、可核对的答案,能否嵌进真实的业务流程,替人把工作做完。

沁诚NextAI-ThinkSuite RAG的团队负责人表示:“我们不打算去追赶大模型的能力,那是少数巨头的赛场。我们更愿意沉下心来,把当下模型的能力用足、用好,在一个个具体行业、具体场景里做深,让AI带来看得见的产出。”

EnterpriseRAG-Bench 更新迭代很快,随着更多产品加入,排名还会变化,沁诚NextAI-ThinkSuite RAG这次的名次也未必是终点。可以预见,接下来会有更多中国团队出现在这类国际评测中。

在真实而混乱的企业资料里,AI 到底靠不靠得住?这个问题的答案,中国团队也正在参与书写。

沁诚NextAI-ThinkSuite RAG — Think Smarter. Work Better.

让 AI 更懂企业,让企业更好地工作。