新智元报道
不到二十天，拿下两个「第一」！
一个在国内，一个在全球。
百度文心助手，又一次开启了霸榜模式。
SuperCLUE最新一期XClaw「龙虾」测评战况出炉。在十大国产「龙虾」的同台厮杀中，唯有文心助手一举斩获了97.62最高分。
细看这份成绩单，单凭「记忆」这一项核心能力，文心助手直接斩获100分。
数据处理98.86分位列第一，内容创作99.44分，研究分析96.44分。
而就在7月20日，它在权威PinchBench v2榜单上，拿下了94.6%的亮眼成绩，问鼎世界第一。
更绝的是，拿下两个「硬核第一」的顶尖产品，至今免费，不限量。
这波「免费称王」的降维打击，算是被文心助手彻底拿捏了。
文心助手，又拿第一了
熟悉业内风向的人都知道，SuperCLUE 一直是中文大模型能力的「晴雨表」。
而XClaw，正是它为「龙虾」产品设下的核心基准。
实战评测分为五大维度：数据处理、内容创作、记忆、代码、研究分析，进行自主命题。
最关键的评测逻辑就一条——不要选择题，只看交付题。
这意味着，模型必须严格按照指令给出最终成果，没有任何取巧空间。
回头再看文心助手那份成绩单，最值得说的，是记忆能力那个100分。
记忆，是所有AI「干活能力」的地基。
用过「龙虾」的人应该都有体感，你跟AI聊了三轮，第四轮它忘了你第一轮说的条件，那叫一个崩溃。
Agent帮你干活，记不住你之前的要求，等于白干。所以这个满分的「含金量」，懂的都懂。
在最硬核的「数据处理」领域，它以98.86分毫无悬念位列榜首。
这一项，考的是信息的提纯力：精准拿捏表格字段逻辑，零失误搞定跨表汇总，严守精度底线，绝不自作主张乱凑整数。
这种活儿的特点就是，「错一个数，全盘皆输」，容错率无限趋近于0。
实测中，随手丢一份公司资料给文心，让它「写一份2026年Q2商业计划书，生成Word」。
它先用pandoc提取上传文件内容，做了结构化拆解，再调用Word文档处理技能生成格式化文档。
交回来的是一份6000余字、148段的完整BP，从格式到内容全部交付到位，直接能拿去见投资人。
内容创作99.44 分，说明文心交出来的是，按给的格式、语气、字数要求，直接可以拿去用的成品。
让文心写去代码。一句「帮我制作一个3D太阳系模拟器，科技风，要能看到各个行星和运行轨迹、详细介绍等」——
它加载了交互式分析报告技能，用Three.js起手，一个31KB的单文件HTML交回来。
再比如，文心还能直出一个气象模拟教学网页，直接把一整个章节的地理课装进去了。
研究分析拿下96.44分，考的是多源信息的检索、交叉验证与结构化输出，正好是最熟悉的战场。
就以最近热议的「菲尔兹奖得主」王虹为例，我们让文心去做一个「三维挂谷猜想」的研究。
它并没有盲目输出，先是自己规划了6步研究流程，然后调用多个子智能体并行处理任务，搜索16篇学术资料。
最终，我们得到了一份markdown文档，还有一个62KB的交互式HTML，可以直接在浏览器里翻阅这段百年数学史。
接下来，让文心挑战一个更难的：做一个近一个月国内外比较强的大模型的能力分析和价格分析报告。
拿到需求，它直接动手。先加载「行业研究报告」Skill，接着分两轮搜索了45篇网络资料。
然后是交叉验证：部分核心数据存疑，它又自己补了一轮29篇的定向搜索，把价格数据逐条比对。
验证通过后，才开始动笔。
不一会儿的功夫，一份近7000字逻辑缜密、内嵌可视化图表的报告，跃然屏上。
从「Claude Fable 5输出¥340/百万Token」到「DeepSeek V4-Flash输出¥2/百万Token，缓存命中低至 ¥0.01」，国内外旗舰价差高达30-170倍。
这种级别的多源检索、数据提纯和结构化输出，正是研究分析96.44分的底气。
59个模型里，杀出全球第一
XClaw验证了文心在中文主场的绝对统治力，而PinchBench v2证明的是另一件事——
文心助手在国际竞技场中，同样能打。
由Kilo AI独立操刀的PinchBench，同样只看能不能把活儿干漂亮。
也就是，Agent必须端到端跑通全流程，并交出完全闭环和可验证的结果。
整整59个同台角逐，文心助手任务Agent最终斩获第一，最高分94.6%、平均分94.4%。
在它身后，是GPT-5.6-luna、Claude Opus 4.8-fast、Nemotron-3 Ultra等一众国际顶流玩家。
PinchBench全球排行榜
94.6%和94.4%这0.2个百分点的差距意味着，文心助手任务Agent在每一次运行中，都能保持的极致稳定。
值得一提的是，它还在工具调用、多步任务规划、长程执行上的表现尤为抢眼。
别忘了，文心助手还是免费的。
眼下，整个行业都在为Agent狂飙的Token算力成本焦头烂额。
但在这种关口，百度却直接把这套全球顶配的任务执行力，原封不动地塞进了百度App，且不设任何付费墙
你不需要先想清楚「我一个月能用回本吗」，才决定要不要试。
打开就能用，这是它和很多同类产品最实际的区别。
让AI真正为人做事
2026年，大模型集体转型Agent早已不是新闻了。
过去三年，衡量一个AI好不好用的标准是「它答得对不对」。用户打开对话框，问一句，答一句，剩下的事还是自己干。
今年初，OpenClaw的爆火，让整个行业的思路彻底打开了。
大模型「长出手脚」，能读文件、能调工具、能跨会话记住你，能通过聊天软件7x24h接活。
几乎同一时间，科技大厂都在把AI从「答题」往「干活」的方向推。
动作密集到，几乎以周更来计算。
最典型的案例，OpenAI发布GPT-5.6「全家桶」，同天上线ChatGPT Work。Anthropic火了整个上半年的Claude Cowork，再到手机版Dispatch。
不仅如此，谷歌I/O大会，劈柴亮出Agentic Gemini，直言AI的下一站是会行动的智能体。
国内这边，动静只多不少。不同的公司、不同的入口、不同的名字，指向的是同一件事：
衡量一个AI好不好，标准正在从「答得对不对」换成「事办没办成」。
但从「能做」到「做成」，这中间的鸿沟远比想象中更深。
因此，当第三方榜单下场评估时，分数的意义便超越了数字本身。它回答的是一个极为朴素的问题——把任务交给AI，到底能不能放心交差。
做了26年搜索
悄悄练成了Agent的骨架
为什么百度能做到？底子在那里摆着。
文心助手的底层能力，很大一部分来自百度做了二十多年搜索引擎攒下的技术底子。
搜索引擎和Agent，在技术结构上高度同构。
搜索引擎的流程：用户输入query，系统理解意图，分解成检索任务，调用索引系统检索，结果排序整合，返回给用户。
Agent的流程几乎一样：用户输入任务，系统理解意图，分解成子任务，调用工具执行，结果整合，返回给用户。
Query理解对应任务理解，检索对应工具调用，结果排序对应结果整合。
搜索引擎做了二十年的事情，本质上是Agent的一个特化版本——
搜索的「工具」只有索引系统，Agent的工具是开放的。
因此，百度在搜索引擎上积累的能力，可以直接平移到Agent场景。
举个直观点的例子。
用户在搜索框输入「北京到上海最便宜的机票」，搜索引擎要理解这是比价需求，拆解成出发地、目的地、日期、价格排序几个维度，调用航班数据接口，按价格排序返回。这和Agent接收「帮我查北京到上海最便宜的机票」后的处理流程，几乎没区别。
文心助手在记忆能力和研究分析两个维度上提升最明显，和搜索底蕴直接相关。
记忆能力测的是多轮对话中的上下文保持，和搜索引擎的session理解是同一类问题。研究分析测的是自主检索、整合、出报告，几乎就是搜索引擎的高级形态。
其实底子一直在，需要的是找到从搜索到Agent的转化路径。
这波转化，百度做到了。
https://superclueai.com/xclawpage?category=openclaw&name=SuperCLUE-XClaw%E9%BE%99%E8%99%BE%E4%BA%A7%E5%93%81%E6%B5%8B%E8%AF%84&folder=XClaw&date_if_exists=2026%E5%B9%B48%E6%9C%88
编辑：桃子 好困
