企业在使用大型语言模型（LLM）进行代理工作流时，需要评估一系列能力，包括 CRM 操作、异构文档检索、个人数据理解、多轮规划、工具使用、函数调用、长时段研究以及长上下文软件工程。目前这些评估分散在不同的仓库中，运行器、依赖和评分方式各不相同，导致跨基准比较困难，也让单一聚合分数的意义模糊。我们发布了 EGI-BENCH，一个统一的 LLM 代理基准套件，将八个面向企业的代理基准（CRMARENA、HERB、PERSONABENCH、USERBENCH、MCP-UNIVERSE、MCPEVAL、BENCHFORCE、LOCOBENCH）整合到同一个命令行界面，并提供两种运行时预算模式：快速（quick）和深度（deep）。在此基础上，我们定义了企业通用智能（EGI）得分，它是一个六维框架（M1‑M6），每个维度通过从各基准路由的细粒度子指标填充，而不是简单的基准平均值。我们阐述了套件结构、子指标路由方式以及两种预算模式，并在快速模式下对十四个前沿和高性价比的 LLM（覆盖 GPT、Claude、Gemini 系列）进行评测。结果显示，EGI 总分从 39.6（GPT‑4o mini）到 65.6（gpt‑5.5）不等，且没有单一模型在所有能力轴上占优：gpt‑5.5 在任务结果、规划和检索定位上领先，Claude Sonnet 4.5 在工具操作和安全/回避上领先，Claude Haiku 4.5 在工程质量上领先。代码已开源：https://github.com/SalesforceAIResearch/egi-bench
点评