金磊 发自 凹非寺
量子位 | 公众号 QbitAI
起猛了，央企做的企业级通用Agent，排进了国内前三！
这便是IDC在最新发布的国内首份《中国企业级通用Agent产品技术评估》给出的结果：
而这家央企，便是中国电信。
并且这次IDC没有继续沿用大家熟悉的大模型Benchmark，而是拿近百道非公开任务，直接考察一款Agent在真实办公环境里到底能不能把事情做完。
具体来看，TeleAgent常规任务得分3.49分、复杂任务得分3.36分；九项能力中，任务表现拿到5分满分，成本效率为此次测评最高分。
而且TeleAgent正式上线的时间还不算久，今年4月，TeleAgent桌面端还在公司内部试用。到7月，V1.0才正式对外推出。短短一个多月，如今用户规模已经接近120万。
那么问题来了：
一家央企做出来的通用Agent，为什么能在这一轮竞争里跑得这么快？
近百道题考Agent，中国电信跑进前三
在深挖TeleAgent如何拿下第三名之前，我们且得先需要了解一下IDC这次到底考了什么。
以前我们熟知的Benchmark，更多是倾向于把问题简化成一组分数；数学、代码、推理、知识，一项项跑完以后，就能大致判断模型能力处在哪个位置。
但要考验通用Agent的能力，评测的打法就不一样了；毕竟它面对的是公司内部纷繁复杂的业务。
也正因如此，IDC这次把测试的重点放在了端到端把事情办完上。
按照IDC的定义，企业级通用Agent需要能够理解目标、调用工具和Skill、连接企业知识和业务系统，并且持续执行任务。
围绕这个目标，IDC设计了将近百道非公开任务，既包括邮件、日程、文档处理这类日常办公，也加入了长上下文、多步骤循环、复杂PPT、表格处理和浏览器操作等复杂任务。
其中有些题目已经很接近真实工作，比如Agent要处理3755行脏数据，或者从约3万字材料中提炼内容，生成11页PPT。
任务跑完还不算结束，IDC还会继续核验系统状态和最终文件，确认Agent是否真的完成了任务。
而从测试结果来看，现在大多数通用Agent已经能把复杂任务跑起来，但随着任务变长、步骤变多，交付质量和资源消耗的差距也会随之放大。
也正是在这套考法下，TeleAgent的任务表现拿到满分，同时又把成本效率做到此次评测最高。
随着任务复杂度、上下文长度和工具调用次数不断增加，各家产品之间的成本和交付差异也同步放大。
这说明通用Agent发展到现在，底层模型已经很难解释全部差距；一款Agent最后好不好用，越来越取决于模型外围那整套工程系统。
一个Agent能否干好活，模型只是一部分
IDC在这次报告里还专门提到了一个词——Agent Harness。我们可以把它简单理解成围绕大模型搭起来的一整套执行系统。
模型负责理解和推理，但一个复杂任务真正开始运行以后，系统还要安排上下文、调度工具、保存任务状态、控制执行环境。中途一旦出现异常，它还得判断是重试、换路径，还是恢复之前的进度。最后结果生成出来以后，系统还要检查任务到底有没有完成。
这些能力在短任务里不一定明显，可任务一旦拉长，差距就会被迅速放大。TeleAgent这次拿到的几个高分项，也基本可以从这条工程链路往下拆。
首先是上下文。
Agent工作时间越长，打开的文件、调用工具返回的结果、前面聊过的内容都会不断塞进上下文。如果系统一直往里堆，Token很快就会膨胀；可如果压缩得太狠，Agent又可能把用户一开始交代的要求一起忘掉。
TeleAgent为此做了一套分级处理。系统会先对价值相对较低的旧工具输出做轻量剪枝，如果上下文依然过长，再由专门的压缩模型对整段内容进行处理。同时，系统还会实时监测上下文是否接近上限，一旦触发窗口限制，就先自动压缩，再继续执行后续任务。目前TeleAgent的上下文窗口已经突破400K。
但仅仅让一次长任务不断线还不够，因为企业办公经常会跨天甚至跨项目。所以TeleAgent又加上了autoDream长期记忆。
它会定期整理近期对话，再把新的信息与已有记忆合并。如此一来，项目背景、用户习惯和个人偏好可以跨会话继续保留，用户第二天重新打开时，不需要每次从头解释自己在做什么。
而在更底层，中国电信并没有直接把一个现成的Coding Agent框架套进办公场景。
TeleAgent的核心内核包含约3万行自研Go代码，团队还专门处理了Windows PowerShell、麒麟、统信等系统里的兼容性问题。与此同时，产品侧也针对办公任务重新做了适配，因为做PPT、写报告、处理Excel，和在代码仓库里找Bug，本来就是两套截然不同的工作方式。
解决完长任务能不能跑下去，下一件事就变成了这么跑到底贵不贵。这也是企业使用Agent时很难绕开的账。
TeleAgent为此又做了一套ModelRouter。
每次请求进来以后，系统会先根据模态、长度、关键词等信息判断任务复杂度，再把任务分配到轻量、均衡和旗舰三档模型。像翻译、总结、格式化这类任务，会优先交给轻量模型；到了PPT、文档生成和办公自动化，系统会进入均衡档；如果用户要做深度研究、代码调试或者复杂方案，再调动旗舰模型。
这样一来，Agent不用每处理一个简单任务都调用最重的模型。
从优化的数据来看，这套智能路由可以把推理成本降低约40%，简单任务响应时间可以控制在3-5秒，路由延迟低于10ms。与此同时，TeleAgent还在推理侧加入了PD分离、KV Cache和负载感知调度等优化。
这也就不难理解，为什么TeleAgent这次在IDC的成本效率维度拿到了最高分。
但企业真的要把Agent接进内部系统，还得再解决一个问题，也就是安全。
当Agent只负责生成一段文字时，出错以后最多重新生成一次。可现在的Agent开始能够操作文件、调用系统、修改数据，甚至代替员工执行一些业务流程，一次错误操作带来的影响明显更大。
而TeleAgent从一开始就把这部分看得比较重。Skill进入系统以前需要检查来源、病毒和漏洞；短期记忆与长期记忆分别管理；文件读写被限制在指定工作目录；高危命令会被监控，代码和文件操作则尽可能放在隔离环境中完成。
当然，这套思路也直接影响了TeleAgent的上线节奏。今年4月，桌面端其实已经进入内部试用，但TeleAgent随后又花了两个月做安全测试和能力优化，直到7月才正式推出。
对于一款追求快速增长的互联网产品来说，这样的节奏可能显得保守；放到央企内部，这反而成了产品必须先过的一道门槛。
也正因如此，TeleAgent成为首批通过中国信通院相关安全评测的智能体产品之一；在中国电信研究院内部安全评测中，通过率达到98.2%；与外部安全厂商联合进行的28个场景、336个测试用例里，通过率达到99.7%。
我们再把这些能力放到一起来看，便不难发现，TeleAgent这次的几个高分项其实是连起来的：
上下文管理和Harness工程决定任务能不能持续往下跑；模型路由和推理优化决定同样一个任务需要花多少钱；安全和权限控制则决定企业敢不敢真的把系统交给Agent操作。
而这三件事，恰好也是通用Agent从Demo走向企业日常办公以后，越来越绕不开的问题。
央企也开始用互联网打法做AI产品了
不过有一说一，如果只看今年这轮Agent热潮，或许很多人会以为TeleAgent也是看到风口以后快速追出来的产品。
但若是我们把时间线再拉长一些，就会不难发现，中国电信对智能体的投入其实已然是有一段时间了。
2024年底，中国电信已经开始建设星辰智能体平台；2025年4月，这个平台被确定为集团智能体基础设施。到了同年8月，团队又推出星辰超级智能体网页版，开始尝试自主式Agent。此后，随着Coding Agent开始从写代码往通用办公延伸，团队又把Coding增强、Skill和桌面环境逐渐接了进来。
等到2026年4月TeleAgent桌面端进入内部试用时，前面已经积累了一年多的平台、技术和产品经验。
而且，TeleAgent虽然生长在央企内部，做产品的方式却带着很明显的互联网色彩。
中电信人工智能公司目前有1200多人，其中九成以上来自社会化招聘，团队里也吸收了不少来自头部互联网公司和AI企业的研发人才，整体平均年龄只有30岁出头。
在具体的产品团队里，公司又给核心骨干留出了较大的自主招聘和技术探索空间。产品方向尚未完全确定时，团队可以先通过试错把体验做出来；公司内部对早期产品的要求，也没有急着先算收入，而是希望产品先获得用户口碑。
除此之外，其组织方式也跟着发生了一定的变化。过去大型央企内部做一个跨部门产品，很容易陷进多部门、多公司的长协同链条。到了TeleAgent这里，团队把资源决策尽量集中起来，让熟悉电信业务的人和有互联网产品经验的人直接在一线配合。
另一方面，中国电信原本的组织体量，又给这支团队提供了互联网创业公司很难拥有的试验环境。
TeleAgent上线早期，产品先在集团内部大规模使用。中国电信拥有大量员工，内部又分布着办公、网络、政企、云、号卡、宽带等各种业务，这意味着Agent每天碰到的都是真实需求，而不是为了演示效果提前设计好的任务。
比如中国电信内部的Skill广场，目前已经累计上架5.6万个技能，被添加近200万次，参与开发和贡献Skill的员工也达到2万人。
员工自己造出来的东西，也很接地气。有人围绕宽带、号卡这些主营业务制作Skill，有人用Agent生成符合内部格式的PPT，还有一线员工直接把Agent拿去做摄像头巡检和电表识别。原本这些小工具可能需要走立项和开发流程，现在一些需求开始由业务人员自己完成。
这些使用场景反过来又会继续喂给产品团队。因此，中国电信内部既成了TeleAgent早期最大的用户池，也成了一个相当复杂的企业Agent测试场。产品得同时面对普通员工、专业业务、系统权限和真实数据，这些问题如果在内部都跑不顺，后面面向外部企业就更难谈规模化。
而现在，整个企业市场也正在走到这个阶段。IDC今年4月的调研显示，已经有48.5%的企业进入通用Agent评估、试点或使用阶段。与此同时，96.9%的企业Agent应用都涉及办公自动化，流程自动化、知识管理和数据分析等场景也排在前列。
到这里，中国电信做Agent的特殊性也逐渐显出来了。
它手里原本就有云、算力、安全、政企客户和大量复杂业务场景，现在又开始把互联网公司做产品时常见的快速迭代、用户反馈和成本优化方法吸收进来。
而企业Agent接下来要解决的，恰好需要这两套能力同时发挥作用。
总而言之，中国电信这次进入IDC发布的评测的前三，其实也是再次印证了一点——
中国电信，已经不是你印象中的运营商；已经是Full of AI的那种。
下载地址：
https://www.teleai.com.cn/product/teleagent
