百度搭子DuMate一天连登PinchBench与DeepResearch双榜首 成全球最能打的龙虾
我要评论荆楚网（湖北日报网）讯（通讯员 杜轩）5月8日凌晨，百度百度搭子DuMate登顶智能体评测基准PinchBench榜首，搭D打并在前5位中占据3席，连登龙虾超越Anthropic和OpenAI拿下全球龙虾执行争霸赛冠军。双榜首成在另外一项DeepResearch深度研究榜单中，全球DuMate同样位列第一。百度
PinchBench是搭D打OpenClaw赛道最能体现Agent真实工作能力的评测基准，重点考察Agent在23个真实工作场景下147个任务的连登龙虾多步推理、工具调用和任务闭环能力，双榜首成并从成功率、全球速度、百度成本三个维度综合排名。搭D打榜单显示，连登龙虾DuMate以93.3%和93.2%的双榜首成总成绩包揽前两名。作为对照，全球Anthropic和OpenAI的同款模型场景下的成绩分别为89.0%和91.6%。这意味着，同一模型在DuMate框架中，展现出更强的执行力。
百度搭子DuMate登顶智能体评测基准PinchBench榜首。通讯员供图
超越原生表现的技术基础，是DuMate的端云协同Harness架构。该系统在任务到达时进行意图识别和敏感度判断，隐私相关操作留在本地执行，复杂推理任务上云完成，无需用户手动切换。同时，系统对每次执行所需的上下文做按需组装——根据任务语义和用户历史行为，预判并注入必要的背景信息，减少冗余干扰。Harness与Skills还基于历史执行轨迹持续迭代，使得不同底层模型都能在接近其能力上限的状态下稳定运行。
DeepResearch Bench是当前对深度研究型Agent最全面的评测基准，从洞察深度、内容准确性、可读性等维度考察Agent处理复杂研究任务的综合能力。DuMate以58.03的综合分位列第一，支撑这一成绩的是DuMate自研Skills体系中的Deep Search与Deep Research双引擎——前者负责跨平台语义检索与高价值信息定位，后者在此基础上叠加多轮推理与因果分析，将碎片信息提炼为结构化研究成果。
百度搭子DuMate登顶智能体评测基准PinchBench榜首。通讯员供图
自2026年3月上线以来，DuMate保持一天一版的更新节奏，已通过信通院两项安全测评且均获最高等级。
相关文章
为进一步增强辖区居民的消防安全意识，拓宽消防宣传教育的覆盖面与影响力，近日，梅江消防积极联动中国移动梅江区分公司，充分整合社工、消防志愿者及社会各方力量，共同开展“消防安全连万家 数智服务守平安”进小2026-07-17
近期，广西壮族自治区柳州市柳江区人民法院审理一起贩卖毒品罪案件，3名被告人因犯贩卖毒品罪，分别被判处有期徒刑十五年、有期徒刑四年一个月、有期徒刑八个月。2025年3月至4月期间，被告人张某三次贩卖毒品2026-07-17
闽南网5月9日讯通讯员 尤小玲 林煜雄）很多人以为，白内障是一种“可做可不做”、“拖到成熟再做”的手术。事实上，当浑浊的晶状体开始遮挡视线，影响日常生活时，拖延治疗不仅会持续降低生活质量，还可能引发青2026-07-17
齐鲁网·闪电新闻5月9日讯 济南抓拍骑电动车不戴头盔更严了！闪电新闻记者从“12123”交管平台工作人员处了解到，针对骑电动车不戴头盔、闯红灯等违法行为的抓拍一直存在，但是“从上周开始，抓拍更严格了。2026-07-17
北京时间5月11日凌晨，2026伦敦世乒赛男团决赛在中国男团和日本男团之间展开。最终，由梁靖崑、王楚钦、林诗栋出战的中国男团直落三盘完胜日本男团，实现世乒赛男团12连冠！本届世乒赛开赛前，梁靖崑和林诗2026-07-17
审核专家：莫大鹏首都医科大学附属北京天坛医院神经介入中心主任医师，教授，博士研究生导师肩颈酸痛了，拿起筋膜枪“突突”几下——这个动作，很多人已经习以为常。筋膜枪从专业运动恢复工具变成家用按摩“神器”，2026-07-17
最新评论