明略科技(2718.HK)发布WebRetriever：智能体爆发之后，真正的竞争开始拼可靠性

AI Agent（AI智能体）正在迎来一个新的产业节点。

近日，明略科技自研的大规模Web Agent综合评测基准WebRetriever相关成果被国际计算机视觉顶级会议ECCV 2026接收。该评测基准覆盖800个真实在线网站、1550项任务，聚焦Web Agent在复杂互联网环境中的任务完成能力，试图回答一个正在困扰整个行业的问题：当AI开始从“聊天助手”变成“执行者”，我们应该如何判断它是否真正具备生产力。

这一问题的重要性，正在随着Agent（智能体）商业化加速而凸显。

过去，人工智能能力评价更多围绕模型本身展开，例如知识水平、推理能力和生成质量。但Agent的价值逻辑正在发生变化，它不再只是输出信息，而是需要理解目标、规划路径、调用工具，并在真实环境中完成任务。对于企业而言，未来决定AI应用价值的，不只是模型是否聪明，而是Agent（智能体）能否稳定完成业务流程。

例如，一个帮助用户完成线上采购的Agent（智能体），真正的价值并不是找到几个商品链接，而是能否理解用户需求、筛选符合条件的商品、处理网页交互，并最终完成购买。这意味着，Agent时代需要一套不同于传统模型Benchmark的评价体系——衡量的不再是“答对多少问题”，而是“完成多少真实任务”。

WebRetriever正是在这一背景下出现。

Agent从演示走向应用，行业开始寻找新的评价标准

近年来，全球科技公司都在探索让AI具备计算机操作能力。包括OpenAI推出的Operator、ServiceNow AI Research推动的BrowserGym，以及WebArena、WebVoyager等研究项目，都试图推动AI从文本交互进入网页浏览、软件操作和任务执行阶段。

但随着技术不断推进，行业逐渐发现，Agent距离大规模商业应用仍存在一道鸿沟：展示能力和生产能力之间存在差距。

在实验环境中，Agent可以完成简单任务，但真实互联网环境更加复杂。网页结构会变化，操作路径并不固定，业务流程往往涉及多个步骤，同时还存在权限、规则和异常情况等限制。很多Agent能够完成信息检索，却难以真正完成端到端任务。

这也是当前Agent商业化过程中最关键的问题之一：如何评价Agent的真实交付能力。

WebRetriever关注的正是这一环节。相比传统测试体系更多关注模型单点能力，该评测基准将Agent置于更加接近真实互联网的环境中，通过大规模任务测试，观察其在网页理解、路径规划、交互执行以及最终任务完成上的综合表现。

WebRetriever 从三个方面解决了先前工作的关键局限性：数据集规模和多样性、自动化评估的可靠性，以及面向部署的评估协议。从产业角度看，这类评测体系的意义并不只是给Agent“打分”，更重要的是帮助行业找到技术优化方向，让企业能够判断不同Agent产品距离实际应用还有多远。

Benchmark正在成为AI产业竞争的新基础设施

回顾人工智能发展过程，评价标准往往不仅是技术测试工具，也会影响产业发展方向。

计算机视觉时代，ImageNet推动了深度学习模型的发展；自然语言处理时代，GLUE等Benchmark成为衡量语言模型能力的重要参考。对于Agent而言，类似的评价体系同样重要，因为企业需要的不只是一个展示效果良好的AI助手，而是一个可以被验证、被管理、被持续优化的数字员工。

随着Agent逐渐进入企业场景，市场对于评价体系的需求会越来越明显。企业需要知道，一个Agent能够承担哪些工作，任务完成率如何，在哪些环节仍需要人工介入，以及不同产品之间的能力差距在哪里。

因此，未来Agent竞争的维度可能不只是模型能力，也包括围绕Agent形成的数据、工具、评测体系和开发生态。

谁能够建立更有效的评价标准，谁就可能在一定程度上影响行业对于Agent能力的判断方式。

明略科技切入Agent评测，背后是从应用向基础设施延伸

从产业布局来看，明略科技此次推出WebRetriever，并不是简单参与一次学术研究，而是切入Agent生态中的一个关键环节：能力评价。

目前，全球AI产业正在形成不同方向的竞争路径。基础模型企业希望通过提升模型能力增强Agent表现，企业软件公司希望结合业务流程打造垂直Agent，而包括明略科技在内的一些企业，则开始探索如何建立连接技术能力和商业应用的基础设施。

这一方向的价值在于，Agent商业化真正面临的问题并不是“有没有能力”，而是“能力是否足够可靠”。

尤其是在金融、消费、企业管理等复杂业务场景中，Agent面对的不只是简单问答，而是长流程、高要求、高容错成本的任务环境。如何构建贴近真实业务的测试体系，决定了Agent能否从实验室走向生产环境。

长期积累的行业场景经验，也为构建这类评测体系提供了基础。因为只有理解真实业务流程，才能设计出更接近企业需求的任务和评价方式。

与此同时，Benchmark本身也能够形成技术优化闭环：通过测试发现Agent能力短板，再推动模型、工具调用和任务规划能力提升。这使得评测体系不仅是衡量工具，也可能成为Agent持续进化的重要基础设施。

AI下一阶段竞争，可能从“创造智能”走向“证明智能”

随着AI Agent逐渐进入商业化阶段，行业竞争正在发生新的变化。

过去，企业关注谁拥有更强的大模型、更大的参数规模；未来，市场可能更加关注谁能够让AI真正进入工作流程，并证明这种智能能够稳定创造价值。

从这个角度看，WebRetriever的意义并不只是一次论文成果，而是回应了Agent产业发展的一个核心需求：当AI开始承担越来越多工作，人类需要一套新的标准判断它是否真正完成了任务。

对于明略科技而言，这意味着其探索方向正在从AI应用建设进一步延伸到Agent生态基础设施建设。在未来Agent商业化竞争中，真正重要的不只是让AI变得更聪明，更重要的是让这种智能能够被验证、被复制，并最终转化为企业可持续使用的生产力。