PulseAugur
中
实时 12:00:04
中文(ZH) 百度文心助手任务Agent登顶国际权威榜单，超越Claude、GPT拿下全球智能体冠军

百度文心一言代理登顶全球智能基准测试，超越Claude和GPT

作者 PulseAugur 编辑部 · [2 个来源] ·

百度文心一言任务代理已在国际PinchBench v2排行榜上名列前茅，超越了Anthropic的Claude Opus 4.8和OpenAI的GPT-5.6-luna等模型。该代理的最高得分和平均得分分别为94.6%和94.4%，标志着其成为首个在此基准测试中获得第一名的中国代理系统。PinchBench评估的是代理完成复杂、真实世界任务并产生可验证结果的能力，而非仅仅是知识回忆，这突显了系统架构和工程与模型能力同等重要。 AI

影响 为AI代理完成复杂任务的能力树立了新的基准，可能推动代理框架开发的竞争。

排序理由 该集群报告称，一家主要科技公司的产品在一个重要的AI代理基准测试中名列前茅，超越了现有竞争对手。[lever_c_demoted from frontier_release: ic=2 ai=1.0]

在 量子位 (QbitAI) 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

百度文心一言代理登顶全球智能基准测试，超越Claude和GPT

报道来源 [2]

  1. 量子位 (QbitAI) TIER_1 中文(ZH) · 量子位的朋友们 ·

    百度文心助手任务代理登顶国际权威榜单，超越Claude和GPT，成为全球智能代理冠军

  2. 雷峰网 (Leiphone) TIER_1 中文(ZH) ·

    Baidu Wenxin Assistant Task Agent Tops International Authoritative List, Surpassing Claude and GPT to Become Global Intelligent Agent Champion

    <p>2026 年 7 月 17 日，百度文心助手任务 Agent，以最高分 94.6%、平均分 94.4% 的成绩，登顶全球工程向 AI 智能体评测榜单 PinchBench v2。成为首个以正式产品身份获得 PinchBench 总榜第一的国产智能体系统。</p><p>&nbsp;</p><p>在 59 个参评模型中，文心助手任务 Agent 排名第一，领先 Anthropic Claude Opus 4.8-fast（93.5%）、阿里通义千问 Qwen3.7-max（92.5%）、Anthropic Claude Opus 4.8（90.5%）、…

相关实体

相关话题