智能体时代的“执行力”之争：百度DuMate为何能登顶全球榜单？

在人工智能从“能说会道”迈向“能做事、办成事”的关键转折点上，一场关于智能体真实能力的较量正在悄然展开。5月8日凌晨，百度推出的AI助手“搭子”（DuMate）在智能体评测基准PinchBench中强势登顶，以93.3%和93.2%的综合成绩包揽前两名，并在前五席位中占据三席，一举超越Anthropic和OpenAI等国际顶尖团队，夺得“全球龙虾执行争霸赛”冠军。更令人瞩目的是，在另一项权威评测DeepResearch Bench中，DuMate同样位列第一。这不仅是技术实力的体现，更标志着智能体发展进入“执行力为王”的新阶段。

评测标准之变：从“语言能力”到“任务闭环”

过去，大模型的竞争焦点集中在语言理解、生成流畅度等“软实力”上，而如今，真正决定AI能否落地的，是其能否在复杂场景中完成多步推理、调用工具并实现任务闭环的“硬实力”。PinchBench正是为此而生——它模拟23个真实工作场景，涵盖147个具体任务，重点考察智能体在成功率、执行速度和成本效率三个维度的综合表现。

与传统评测不同，PinchBench强调“端到端”的任务完成能力。例如，用户提出“帮我整理上周会议纪要，并同步给项目组成员”，系统不仅需要理解指令，还需调用文档解析、信息提取、邮件发送等多个工具，并在过程中保持上下文连贯。这种“多跳推理+工具协同”的复杂流程，正是当前大多数AI助手难以逾越的鸿沟。

而DuMate以接近满分的成绩通过考验，说明其在任务拆解、工具调度与执行反馈机制上已具备行业领先水平。

端云协同架构：让模型“各司其职”

DuMate之所以能在相同底层模型条件下实现超越原生表现，关键在于其创新的端云协同Harness架构。这一系统并非简单地将计算任务全部上云，而是通过智能路由机制，实现“敏感操作本地化、复杂推理云端化”的动态分配。

当用户发起请求时，Harness首先进行意图识别与敏感度判断：涉及隐私的数据（如本地通讯录、相册）由设备端模型直接处理，确保信息安全；而需要大规模知识库支持或复杂逻辑推演的任务（如撰写行业分析报告），则无缝切换至云端高性能模型执行。整个过程无需用户干预，实现“无感切换”。

更重要的是，该系统具备上下文按需组装能力。它不会机械地加载全部历史对话，而是根据当前任务语义和用户行为模式，智能预判并注入最相关的背景信息。例如，在用户连续处理多个项目文档时，系统会自动关联近期修改记录、协作人员变动等关键信息，显著提升任务准确率。

这种“精准供给+动态调度”的机制，不仅降低了延迟与成本，更让不同规模的底层模型都能在接近其能力上限的状态下稳定运行。

深度研究引擎：从信息检索到洞察生成

在DeepResearch Bench评测中，DuMate以58.03分的综合成绩领跑，其背后是百度自研的双引擎架构——Deep Search与Deep Research。

Deep Search负责跨平台语义检索，能够穿透网页、PDF、数据库等多种格式，精准定位高价值信息片段；而Deep Research则在此基础上进行多轮推理与因果分析，将碎片化信息整合为结构化的研究报告，并附带逻辑链条与数据支撑。

例如，当用户提出“分析新能源汽车在欧洲市场的政策风险”时，系统不仅能快速抓取欧盟最新法规文本、行业白皮书和媒体报道，还能识别政策演变趋势、评估对产业链的影响，并生成具备可读性的分析摘要。这种“检索-分析-表达”一体化能力，正是当前多数AI工具所欠缺的。

持续进化与安全合规并重

自2026年3月上线以来，DuMate保持着“一天一版”的迭代节奏，展现出极强的工程化落地能力。更值得称道的是，其已通过中国信通院两项权威安全测评，均获得最高等级认证，体现了百度在AI安全治理方面的深厚积累。

在AI从“玩具”走向“生产力工具”的今天，DuMate的成功不仅是一次技术突破，更预示着智能体竞争的核心已从“谁更会聊天”转向“谁能真正解决问题”。未来，随着更多企业接入DuMate框架，一个高效、安全、可信赖的智能协作生态正在加速成型。

标签： 人工智能 智能体 百度DuMate PinchBench 端云协同