百度DuMate智能體橫掃兩大評測榜單 力壓Anthropic及OpenAI稱霸「全球龍蝦執行爭霸賽」

科技巨擘百度（09888）旗下智能體DuMate近日在全球兩大頂級智能體評測基準——PinchBench及DeepResearch榜單中表現卓越，橫掃多項冠軍，尤其在備受業界關注的「全球龍蝦執行爭霸賽」中，力壓國際知名人工智能公司Anthropic及OpenAI，奪得榜首之位。 市場消息指，DuMate在智能體評測基準PinchBench榜單中脱穎而出，不僅成功登頂，更在前五位中獨佔三席。PinchBench作為OpenClaw賽道最具代表性的評測基準，主要考察智能體在23個真實工作場景下，對147個任務的多步推理、工具調用及任務閉環能力，並綜合成功率、速度與成本三個維度進行排名。榜單數據顯示，DuMate以93.3%及93.2%的總成績包攬前兩名，表現領先；作為對照，Anthropic與OpenAI的同款模型在相同場景下的成績分別為89.0%和91.6%。這項結果突顯，同一模型在DuMate框架中能展現出更強的執行力。 據瞭解，DuMate之所以能超越原生表現，關鍵在於其獨特的「端雲協同 Harness 架構」。這套系統能夠在任務抵達時進行意圖識別及敏感度判斷，涉及隱私的相關操作會留在本地執行，而複雜的推理任務則會上傳至雲端完成，此過程無需用户手動切換。此外，系統會根據任務語義及用户歷史行為，按需組裝每次執行所需的上下文，預判並注入必要的背景資訊，從而減少冗餘幹擾。Harness架構與Skills體系亦能基於歷史執行軌跡持續迭代，確保不同底層模型均能在接近其能力上限的狀態下穩定運行。 在另一項針對深度研究型智能體的評測榜單DeepResearch Bench中，DuMate同樣位列第一。DeepResearch Bench被視為目前最全面的深度研究型Agent評測基準，從洞察深度、內容準確性及可讀性等多個維度，全面考察智能體處理複雜研究任務的綜合能力。DuMate憑藉58.03的綜合分傲視羣雄，而支撐這一佳績的正是其自研Skills體系中的Deep Search與Deep Research雙引擎。其中，Deep Search負責跨平台語義檢索與高價值資訊定位，Deep Research則在此基礎上疊加多輪推理與因果分析，將碎片化的資訊提煉成結構化研究成果。 據悉，DuMate自2026年3月上線以來，一直保持「一日一版」的更新節奏，並已通過信通院兩項安全測評，且均獲得最高等級認證，進一步彰顯其在安全性與可靠性方面的實力。