文心助手双榜登顶！超Claude和GPT，国产AI“干活”能力打败了谁

2026年7月17日，一场关于“AI到底能不能干活”的考试出了成绩。

问AI能替代多少人工？3.6亿人正在用脚投票。2026年8月，文心助手用一个榜单回答了这个问题。

百度文心助手任务Agent，以最高分94.6%、平均分94.4% 的成绩，登顶全球工程向AI智能体评测榜单PinchBench v2。

在它身后，是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%）。

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。

几乎同一时间，国内权威测评机构SuperCLUE的XClaw龙虾产品测评中，百度文心助手（任务模式）以97.62分位居第一，记忆能力斩获100分满分。

连续登顶国内外两大权威榜单。国产智能体，正在用“干活”的能力说话。

◆ 这个榜单，测的是最难作假的能力

PinchBench和传统大模型基准有本质区别。

MMLU、GPQA这类榜单考的是 “模型知不知道” ，靠记忆、靠刷题就能拿高分。

但PinchBench考的是 “智能体能不能把整件事做完并交付可验证的结果” 。

翻译过来就是：这不是“选择题”，这是“应用题”。考的不是AI记了多少，而是AI能独立完成多复杂的工作。

其中一个任务是：“GitLab Q3 2025财季的实际利润率与指引之间差了多少个基点？” 没有给任何数据文件，Agent需要自主检索GitLab财报原文或电话会议记录，定位相关指引，计算出非GAAP运营利润率约18%、超出指引约500个基点，再把结论写入指定文件。

另一个任务考安全工程：分析一个Node.js应用的多个CVE漏洞，按优先级分级并制定修复计划。

Agent必须识别出express RCE和JWT bypass两个CRITICAL级漏洞为P0，将PostgreSQL SQL注入定为P1并关联PCI DSS支付路径给出上下文，制定五批次修复计划。

市声喧阗处，一曲抵万金。谁言商贾事，不复有清音。

◆ 同一底座，不同命运

PinchBench还有一个容易被忽视的设计：同一底座模型搭载不同Agent框架，最终得分会存在较大差距。

这意味着什么？

意味着模型底座只是起点，Agent框架的系统工程能力才是决定智能体“好不好用”的关键。

文心助手任务Agent能拿下榜首，靠的不单是模型底座，而是模型能力和系统工程协同打造的完整交付力。

这套系统工程的底层逻辑，来自百度20余年搜索引擎意图理解链路的深耕。

百度搜索猎户座AI引擎将需求规划、工具调用、组织生产三大能力整合起来，搜索时代积累的对“用户到底想要什么”的理解能力，正在AI时代变成智能体“知道该干什么、该怎么干”的核心竞争力。

客聚如潮处，声名自远扬。千金非浪掷，一唱动全城。

◆ 免费的，才是最贵的

文心助手向所有用户免费开放。

QuestMobile数据显示，其月活跃用户规模高达3.6亿，稳居行业第一。与豆包、千问等形成国内为数不多的亿级AI入口。

3.6亿是什么概念？

当一个最先进的智能体能力以免费形式向所有人开放时，AI就不再是少数极客的“玩具”，而是每个人都能用得起的“工具”。

用户不需要付费订阅、不需要等待邀请码，打开就能用。

百度APP已完成AI时代重构，形成搜索+文心助手一体两面能力，实现从“找到答案”到“完成任务”的升级。

用户不再需要“调教”AI一步步做事，只需要告诉它想要什么结果。

◆ 国产智能体的“斩杀线”

PinchBench v2的排名揭示了一个更值得关注的事实：

在59个参评模型中，文心助手任务Agent排名第一。这意味着国产智能体在真实任务执行维度已具备与海外头部产品正面竞争的实力。

更重要的是，文心助手是以正式产品身份参赛并夺冠，不是实验室里的“论文模型”，不是仅供展示的“Demo”，而是每天被数亿用户使用的真实产品。

SuperCLUE的XClaw龙虾测评同样印证了这一点。在10款主流AI智能体中，文心助手以97.62分位列第一，记忆能力100分满分。数据处理98.86分、内容创作99.44分、研究分析96.44分，不是某一项强，是每一项都强。

国产智能体正在用真实的产品能力，划出一条 “能干活的AI”的斩杀线。

世人皆逐利，我独守此音。不是不识数，是信久成金。

◆ 从“动动嘴”到“迈开腿”

文心助手的连续登顶，本质上标志着一个行业拐点。

过去两年，大模型竞赛的核心是 “谁更聪明” ，参数更大、分数更高、榜单更靠前。但从2026年开始，竞赛的重心正在转移。

PinchBench考的不是“知不知道”，是 “能不能干完”。

SuperCLUE龙虾测评考的不是“会不会聊天”，是 “能不能干活”。

用户不再关心一个模型在MMLU上得了多少分。

用户关心的是：能不能帮我写完这份报告？能不能帮我分析这组数据？能不能帮我规划这次出行？

文心助手任务Agent已经在做这些事了。

它可以读取一份软件服务协议，提取关键日期、梳理双方义务、识别风险点、生成财务摘要。

它可以分析漏洞、制定修复计划。它可以检索财报、计算数据、交付结论。

从“动动嘴”到“迈开腿”，这是AI智能体正在跨越的分水岭。

当3.6亿人开始使用一个能“干活”的免费AI助手，当国产智能体在真实任务评测中超越Claude和GPT，当“记性比我还好”从网友调侃变成客观事实。

AI的胜负手，已经变了。

不再是“谁更聪明”。现在是 “谁能把事干完” 。

◆ 写在最后

大模型竞赛的上半场，比的是“谁更聪明”；下半场，比的是“谁能把事干完”。文心助手用双榜第一，帮国产智能体抢到了下半场的首发位置。

世人皆逐利，我独守此音。不是不识数，是信久成金。

（3.6亿人都在用的免费AI助手，你试过让它帮你干点啥了吗？）

来聊聊

百度文心助手连续登顶PinchBench v2和SuperCLUE龙虾测评双榜，记忆能力拿满分，月活3.6亿且免费开放。你用过文心助手的“任务模式”吗？它帮你干过最复杂的事情是什么？欢迎在评论区聊聊你的真实体验。

【免责声明】： 本文部分配图源自公开渠道或CC0协议素材，仅作行业交流与产业参考使用。如涉侵权，请联系后台处理。本文仅做行业科普与实操分享，不构成任何投资、消费决策建议。文中数据及案例均来自公开信源，仅供参考，具体以实际为准。

#百度文心助手# #ai智能体# #任务模式# #PinchBench# #SuperCLUE# #国产ai#