免费额度只有 1 次：华为云合成评测集按百万 Token 扣 CU

免费额度只有 1 次：华为云合成评测集按百万 Token 扣 CU

华为云帮助中心在 2026 年 11 月 2 日更新了智果（AgentArts）的「AI合成评测集」。智果是华为云的智能体平台，这一页讲的是用大模型把已有评测样本扩成更多验证数据。页面没有给出合成前后的得分对比，也没有写用的是哪一个模型。

先读种子，再按场景扩写

智能合成评测数据用来处理评测样本又少又偏的问题。文档把流程写成四步：分析种子样本的语义、风格和业务模式；按同样特征生成内容不同的新样本；多轮筛选以保证质量和多样性；再按用户指定的场景调整相关性。

适用场景有四类。已有生产数据但条数不够时，用来扩覆盖面，文档特别提到生产环境回流的异常样本。评测集有长尾、分布不均时，可以配置生成比例，并按标签、既有字段或自定义类别指定分布。对抗测试用来生成极端、边界和复杂逻辑样本。安全合规用来定向合成隐私泄露、敏感话题、偏见歧视等红线试探样本。这四类都是用途说明，页面没有给出各类样本的推荐比例。

赠送 1 次，之后按 CU 算

平台赠送 1 次智能合成任务额度。用完后仍可创建任务，超出部分按需计费。计费按任务消耗的 Token 换成 CU：输入每 100 万 Token 消耗 10.5 个 CU，输出每 100 万 Token 消耗 42 个 CU。

文档给的例子是 30 万输入 Token 和 120 万输出 Token。输入是 0.3×10.5，等于 3.15 个 CU；输出是 1.2×42，等于 50.4 个 CU；合计 53.55 个 CU。页面没有写 1 个 CU 折合多少钱，也没有写免费的那一次是否也计入这套系数。

使用前要开通 AgentArts，并且种子评测集里已经有数据。文档写明：种子内容越丰富，合成质量越高。它没有定义「丰富」的最低条数。

五条硬限制

创建任务时能改的，和不能改的

入口在「观测与优化 > 评估 > 评测集」的「智能合成任务」页签。合成场景目前只有「基于种子数据泛化」，种子只能从已有评测集里选。

任务名 2 到 50 个字符，可用中文、英文、数字、下划线、中划线和空格，不能以空格开头或结尾，也不能用别的特殊字符。场景描述建议写成「评估的场景 + 智能体核心功能」。示例是评估「科学知识助手」，语料覆盖概念解释、原理机制、实验操作指导和科普问答。这是填写示例，不是评测结果。

要合成的列从种子评测集已有列里选，也可以新增列并写描述和合成要求，例如场景侧重、特征分布、详略程度。示例列名是 input 和 reference_output。

合成样本数默认是 1 到 500 的正整数。实际上限还会随种子条数变化：最多是评测集数据项的 10 倍。点「开始合成」后进入详情页，状态变成「成功」才算完成。也可以先「仅保存」成草稿，以后再点「运行」。

导出时，必填列必须全部映射上

合成完成后要勾选样本再导出，也可以不勾选、直接导出全部。目标可以是新建评测集，或追加到已有评测集。

新建时可以选择「自动发布新版本」或「保持草稿状态」。自动发布后状态是「已提交」，评估任务可以直接用。草稿是「修改未提交」，要先发布评测集版本才能用。

字段映射不允许把多个合成字段写进同一列。回流到已有列时，不能改那一列的数据类型，类型不一致会失败。目标评测集的全部必填字段都必须映射，否则导不出去。

导出若提示「数据校验失败」，文档只列了两类原因。第一类是字段结构不匹配。评测集有 input、reference_output、actual_output 三个必填列，合成只出了前两列，就会因为缺 actual_output 失败。若 actual_output 不是必填，但映射时只选了 input 和 actual_output、漏了必填的 reference_output，同样失败。处理办法是补合成列，或在导入界面把每个必填列都映射上。第二类是类型。合成结果只有 String。评测集创建后不能改字段类型，文档的办法是删掉评测集再建，并把接收回流的列设成 String。

这一页没有写合成样本的人工抽检比例，没有写失败任务会不会扣费，也没有写 10 倍上限在种子不足 50 条时，500 的默认上限和 10 倍上限哪一个先生效。示例里的科学知识助手没有样本量，也没有分数。

华为云，智果（AgentArts）文档，AI合成评测集，2026-11-02，https://support.huaweicloud.com/ops-agentarts/agentarts_14_0029.html