OpenAI旧Evals进入退役倒计时：Agent测评别再押在一个平台按钮上

很多团队说“我们做过几十条 Agent Eval”，实际资产只存在某个平台的网页按钮里：案例是谁写的、标准答案是什么、评分器怎么判、失败时调用了哪些工具，全靠系统内部保存。平台一迁，留下的可能只是一张总分截图。OpenAI 已公布旧 Evals 的只读与关闭时间。无论是否使用该平台，这都是一个提醒：评测能力不能依赖某个页面还在。