08/05/2026 18:31
【ＡＩ】百度DuMate登頂PinchBench，成全球龍蝦執行爭霸賽冠軍
摘要
意見回饋
免責聲明
本內容由人工智能根據現有市場數據及新聞來源生成，僅供參考。其內容不代表《經濟通》之觀點或立場，亦不構成任何投資建議。鑒於AI生成資訊可能存在錯誤、遺漏或偏差，用戶應自行核實相關內容或諮詢專業意見後再作出投資決定。《經濟通》對因依賴本內容而導致之任何損失或損害概不負責。
▷ 百度DuMate登頂PinchBench及DeepResearchBench榜首
▷ PinchBench成績93.3%、93.2%，超越Anthropic及OpenAI
▷ 採用端雲協同架構，通過信通院兩項安全測評
▷ PinchBench成績93.3%、93.2%，超越Anthropic及OpenAI
▷ 採用端雲協同架構，通過信通院兩項安全測評
PinchBench是OpenClaw賽道最能體現Agent真實工作能力的評測基準，重點考察Agent在23個真實工作場景下147個任務的多步推理、工具調用和任務閉環能力，並從成功率、速度、成本三個維度綜合排名。榜單顯示，DuMate以93.3%和93.2%的總成績包攬前兩名。作為對照，Anthropic和OpenAI的同款模型場景下的成績分別為89.0%和91.6%。這意味著，同一模型在DuMate框架中，展現出更強的執行力。
超越原生表現的技術基礎，是DuMate的端雲協同Harness架構。該系統在任務到達時進行意圖識別和敏感度判斷，隱私相關操作留在本地執行，複雜推理任務上雲完成，無需用戶手動切換。同時，系統對每次執行所需的上下文做按需組裝--根據任務語義和用戶歷史行為，預判並注入必要的背景信息，減少冗餘干擾。Harness與Skills還基於歷史執行軌跡持續迭代，使得不同底層模型都能在接近其能力上限的狀態下穩定運行。
DeepResearch Bench是當前對深度研究型Agent最全面的評測基準，從洞察深度、內容準確性、可讀性等維度考察Agent處理複雜研究任務的綜合能力。DuMate以58.03的綜合分位列第一，支撐這一成績的是DuMate自研Skills體系中的Deep Search與Deep Research雙引擎--前者負責跨平台語義檢索與高價值信息定位，後者在此基礎上疊加多輪推理與因果分析，將碎片信息提煉為結構化研究成果。
自2026年3月上線以來，DuMate保持一日一版的更新節奏，已通過信通院兩項安全測評且均獲最高等級。(bi)