AIDABench 是一个全面评估 AI 在复杂数据分析任务上端到端表现的基准。与侧重单一能力或简化场景的现有评测不同，AIDABench 涵盖三个核心维度：问答、数据可视化和文件生成，任务涉及电子表格、数据库、财务报告、运营记录等异构数据类型，反映了跨行业、跨岗位的真实分析需求。
基准包含超过 600 个多样化任务，每个任务极具挑战性——即使人类专家在 AI 辅助下也需要 1-2 小时完成。评估了 11 个最先进的模型（含 Claude Sonnet 4.5、Gemini 3 Pro Preview 等），最佳模型仅达到 59.43% 的 Pass-at-1 分数，表明当前 AI 在复杂现实数据分析中仍有显著提升空间。详细的失败模式分析为未来研究指明了方向。