C17官方网站-C17(中国)-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

导语：2026 年 7 月 17 日，baidu文心助手使命 Agent，以最高分 94.6%、平均分 94.4% 的成就，登顶全世界工程向 AI 智能体评测榜单 Pinch

2026 年 7 月 17 日，baidu文心助手使命 Agent，以最高分 94.6%、平均分 94.4% 的成就，登顶全世界工程向 AI 智能体评测榜单 PinchBench v2。成为首个以正式产物身份得到 PinchBench 总榜第一的国产智能系统统。

于 59 个参评模子中，文心助手使命 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%）、OpenAI GPT-5.6-luna（88.7%）。

这个榜单，测的是最难作假的能力

PinchBench 由 Kilo AI 推出，OpenClaw 社区维护。它及 MMLU、GPQA 这种传统年夜模子基准的区分很直接：传统基准考「模子知不知道」，PinchBench 考「智能体能不克不及把整件事做完并交付可验证的成果」。

当前版本包罗 23 个真实事情场景、147 项使命，笼罩数据阐发、研究写作、代码开发、办公主动化、文档处置惩罚、网页操作、多媒体处置惩罚七年夜种别，共完成 617 次测试运行。评分采用「主动化校验 + LLM 评审」双轨机制，全程零人工干涉干与。

更要害的是，PinchBench 用在权衡模子与 Agent 框架的综合能力。即即是统一底座模子，搭载差别 Agent 框架，终极评测患上分也会存于较年夜差距。这也申明，文心助手使命 Agent 取患上榜首成就，代表的是模子能力与体系工程协同打造的综合实力第一。

baidu AI 搜刮团队于 GitHub 上开源了完备评测流程（github.com/Baidu-AI-Search/PinchBench-Evaluation），147 个使命的履行快照、交付物、LLM Judge 打分理由全量公然，任何人均可以逐条复现。

让 AI 从「动动嘴」，到「迈开腿」

好比此中一个使命是：「GitLab Q3 2025 财季的现实利润率与指引之间差了几多个基点？」没有给任何数据文件，Agent 需要自立检索 GitLab 财报原文或者德律风集会记载，定位相干指引，计较出非 GAAP 运营利润率约 18%、凌驾指引约 500 个基点，并将结论写入指定文件。

五个主动化评分维度——文件创立、指标定位、现实值与指引值提取、基点计较结论——全数满分 1.0。

另外一个使命考的是安全工程：阐发一个 Node.js 运用的多个 CVE 缝隙，按优先级分级并制订修复规划。评测要求 Agent 辨认 express RCE 及 JWT bypass 两个 CRITICAL 级缝隙为 P0，此中 JWT bypass 因存于活跃使用记载需要尤其标注；将 PostgreSQL SQL 注入定为 P1 并联合 PCI DSS 付出路径给出上下文；将仅影响构建阶段的依靠缝隙降级为 P2/P3；制订五批次修复规划，附详细部署窗口（4 月 12 日紧迫热修、4 月 14 日 P1 批次）。

LLM 评审的评审结论是「所有维度体现卓着」，患上分满分 1.0。

还有有一个合同法令阐发的 case，使命是读取一份软件办事和谈，提取要害日期、梳理两边义务、辨认危害点、天生财政择要。这类使命已往需要状师助理花几个小时。文心助手使命 Agent 的输出成果，辨认了客户方 12 项危害、供给商 10 项危害、5 项同享危害，付款布局六期分期的现金流前置问题、IP 让渡前提的产权间隙，全数做到了——终极评分四个维度都是满分 1.0。

上面这些繁杂的使命文心助手使命 Agent 都不于话下，更不消说平凡用户的一样平常办公需求。

好比，你扔给文心助手一份职业数据表，然后说「同一表头格局，新建汇总 sheet，按职业年夜类做汇总表及 Top10/Bottom10 榜单，天生图表对于比各职业年夜类就业人数。」

这是一条有内部依靠瓜葛的使命链，任何一步堕落后面就无法接。文心助手使命 Agent 自立拆解，一次性跑完。

或者者你给不了这么具体的指令，想摇个盲盒：「我这周末想从北京去青岛玩两天 solo trip。」没有给任何另外信息。Agent 自立检索了交通、留宿、景点及时数据，排出完备行程、预算清单及避坑指南，交付一份可以直接截图出发的攻略。

或者者你不想每一次都要问 AI，让它帮你完成反复性又高脑力的劳动，可以设置按时使命，如「每一周一夜十点，帮我汇总近一周的高质量 AI 范畴论文，用投研陈诉气势派头的 HTML 给我」。

7×24 小时，用户无需时刻于场。

为何是baidu做出来了？

谜底实在很简朴：baidu是一家于用意理解上花了 20 多年的公司。

文心助手使命 Agent 依托baidu搜刮猎户座 AI 引擎的多智能体框架构建。

从架构逻辑来看，搜刮引擎自己就是最早的 Agent 雏形——吸收用意、拆解使命、挪用东西、验证成果，这条链路baidu已经经跑了二十余年。

东西集从索引爬虫进级成为了代码履行情况、文件处置惩罚器及及时 API 接口，输出从蓝链列表酿成告终构化陈诉及可运行代码，但底层逻辑一脉相承。

文心助手使命 Agent 将模子使命评估患上分晋升至 94% 以上，证实优异的体系架构与工程实现可以或许显著开释模子潜力。

也就是说，统一个底层模子，换上文心助手使命 Agent 的框架，使命完成率会更高。Agent 时代，框架工程能力的主要性正于跨越纯真的模子参数比拼。

今朝，文心助手使命 Agent 焦点技能已经周全运用在baidu App 和文心助手，可登录 chat.百度.com ，点选「使命」，便可体验。

-C17官方网站-C17(中国)