LongBench-Pro 是于 2025 年发布的一个面向长上下文语言模型评测的数据集，旨在系统评估模型在不同上下文长度、任务类型和运行条件下的长文本理解与处理能力。

该数据集共包含 1,500 条样本，其中包括 11 个一级任务和 25 个二级任务，任务按上下文使用方式划分为完整上下文任务和局部上下文任务。同时包含中英文双语样本，英文与中文数据分布均衡。任务难度被划分为 Easy 、 Medium 、 Hard 和 Extreme 四个等级。在上下文长度方面，样本覆盖 8k 至 256k tokens 的 6 个长度区间，且分布均匀。