<汇港通讯> 百度(09888.HK/BIDU.US)DuMate 登顶智能体评测基准 PinchBench 榜首,并在前5位中占据3席,超越 Anthropic 和 OpenAI 拿下全球龙虾执行争霸赛冠军。在另外一项 DeepResearch 深度研究榜单中,DuMate 同样位列第一。
PinchBench 是 OpenClaw 赛道最能体现 Agent 真实工作能力的评测基准,重点考察 Agent 在23个真实工作场景下147个任务的多步推理、工具调用和任务闭环能力,并从成功率、速度、成本三个维度综合排名。榜单显示,DuMate 以93.3%和93.2%的总成绩包揽前两名。作为对照,Anthropic 和OpenAI 的同款模型场景下的成绩分别为89.0%和91.6%。这意味著,同一模型在 DuMate 框架中,展现出更强的执行力。
超越原生表现的技术基础,是 DuMate 的端云协同 Harness 架构。该系统在任务到达时进行意图识别和敏感度判断,隐私相关操作留在本地执行,复杂推理任务上云完成,无需用户手动切换。同时,系统对每次执行所需的上下文做按需组装——根据任务语义和用户历史行为,预判并注入必要的背景信息,减少冗余干扰。Harness 与 Skills 还基於历史执行轨迹持续迭代,使得不同底层模型都能在接近其能力上限的状态下稳定运行。
DeepResearch Bench 是当前对深度研究型 Agent 最全面的评测基准,从洞察深度、内容准确性、可读性等维度考察 Agent 处理复杂研究任务的综合能力。DuMate 以58.03的综合分位列第一,支撑这一成绩的是 DuMate 自研 Skills 体系中的 Deep Search 与 Deep Research 双引擎——前者负责跨平台语义检索与高价值信息定位,後者在此基础上叠加多轮推理与因果分析,将碎片信息提炼为结构化研究成果。
自2026年3月上线以来,DuMate 保持一日一版的更新节奏,已通过信通院两项安全测评且均获最高等级。(BC)
#百度 #DuMate
新闻来源 (不包括新闻图片): 汇港资讯