百度文心助手任务 Agent 登顶 PinchBench v2 榜单，超越 Claude、GPT 获全球智能体冠军
2026/07/22 15:18阅读量 2
2026 年 7 月 17 日，百度文心助手任务 Agent 在 PinchBench v2 榜单中以最高分 94.6%、平均分 94.4% 的成绩排名第一，成为首个以正式产品身份获此殊荣的国产智能体系统。该榜单侧重工程向任务完成能力，覆盖 23 个真实场景、147 项任务，采用自动化与 LLM 双轨评审，零人工干预。文心助手基于百度搜索猎户座 AI 引擎的多智能体框架，已集成至百度 App 及文心助手。
事件概述
2026 年 7 月 17 日，百度文心助手任务 Agent 在全球工程向 AI 智能体评测榜单 PinchBench v2 中夺冠，最高分 94.6%、平均分 94.4%，超越 Anthropic Claude Opus 4.8-fast（93.5%）、阿里通义千问 Qwen3.7-max（92.5%）、OpenAI GPT-5.6-luna（88.7%）等 59 个参评模型。这是首个以正式产品身份获得 PinchBench 总榜第一的国产智能体系统。
核心信息
- 榜单背景：PinchBench 由 Kilo AI 推出、OpenClaw 社区维护，评测智能体能否完整完成工程任务并交付可验证结果，而非仅考察知识储备。当前版本含 23 个真实工作场景、147 项任务，覆盖数据分析、研究写作、代码开发、办公自动化、文档处理、网页操作、多媒体等七大类别，共 617 次测试运行。评分采用“自动化校验 + LLM 评审”双轨机制，全程无人工干预。
- 任务实例：
- GitLab 财务分析：自主检索财报原文，计算非 GAAP 运营利润率并对比指引，五个维度均获满分。
- 安全漏洞分析：分析 Node.js 应用的多个 CVE 漏洞，按优先级分级并制定分批次修复计划，LLM 评审满分。
- 合同法律分析：读取软件服务协议，提取关键日期、梳理双方义务、识别风险点（客户 12 项、供应商 10 项、共享 5 项），所有维度满分。
- 日常办公：处理职业数据表，自动统一格式、生成汇总 sheet、图表对比，一次性完成依赖链任务。
- 旅行规划：仅给“周末北京到青岛 solo trip”的模糊指令，Agent 自主检索交通、住宿、景点数据，输出完整攻略。
- 定时任务：支持设置“每周一汇总一周 AI 论文”等周期性任务，无需用户时刻在场。
- 技术背景：文心助手任务 Agent 依托百度搜索猎户座 AI 引擎的多智能体框架。搜索引擎本质上是意图接收、任务拆解、工具调用、结果验证的 Agent 雏形，百度在该领域有 20 余年积累。Agent 时代，框架工程能力的重要性已超过单纯模型参数比拼。百度已开源完整评测流程（GitHub 仓库）。
值得关注
- PinchBench 评测衡量模型与 Agent 框架的综合能力，同一底座模型搭配不同框架得分差异明显，文心助手任务 Agent 夺冠体现模型与系统工程协同优势。
- 该能力已落地百度 App 及文心助手（chat.baidu.com），用户可通过“任务”模式体验。