推动Agent评测体系发展，明略科技(2718.HK)完成“端侧模型—推理加速—协作平台—评测标准”四个维度技术闭环

近日，明略科技(2718.HK)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正式接收。该基准覆盖800个真实在线网站、1550项任务，横跨电商、金融、医疗、政务、教育等多个行业。

据了解， WebRetriever 首次量化了智能体“到达正确页面”与“任务真正完成”之间的真实能力差距，为这一快速发展的领域建立起更贴近真实应用的评测标准

首次量化，从“造Agent”到“定义Agent标准”

从明略科技(2718.HK)公布的资料显示，WebRetriever在真实网络环境中首次揭示了一个关键数据，当前最优模型导航成功率约45%，但端到端任务完成率仅约20%。

WebRetriever正是首次将“导航成功”与“任务完成”剥离开来，让行业第一次看清了能力断层的真实面貌。针对当前主流评测方法的三大局限，数据规模有限且领域单一、自动评判过度依赖视觉截图无法捕捉细粒度交互语义、将“导航成功”等同于“任务完成”WebRetriever给出了系统性的解决方案。

其核心技术包括NavEval评估框架（LLM-as-Judge，与人类专家判断一致率达91.2%），显著高于此前同类方法的最佳水平（约81%）和三级评测协议（基础导航、文档辅助导航、端到端全链路任务执行），精准定位技术短板。

WebRetriever的发布，对明略科技而言至少，具有多重战略价值。ECCV是计算机视觉领域国际顶级会议，WebRetriever被接收意味着明略科技在Web Agent评测领域的技术积累获得了学术界的权威认可。这不仅是一次论文发表，更是公司技术能力的一次国际化背书。

此外，还有助于Agentic AI战略的纵深推进。中信建投在2026年7月的研报中指出，明略科技正处于从传统数据智能向Agentic AI战略转型的关键期。WebRetriever的发布，正是这一转型在技术基础设施层面的延伸，公司不仅在做Agent，还在定义Agent能力的评价标准。

在Agent时代，谁定义了评测标准，谁就有可能在产业生态中占据了话语权。WebRetriever正是明略科技在这一方向上的战略卡位。

WebRetriever的推出，与Mano-P、Cider、Octo形成技术矩阵。2026年上半年，明略科技已开源端侧GUI模型Mano-P（OSWorld专用模型榜全球第一）、推理加速框架Cider、Agent协作平台Octo。WebRetriever的加入，使公司在“端侧模型—推理加速—协作平台—评测标准”四个维度形成了完整的技术闭环。

AI智能体前景广阔，WebRetriever推动Agent行业应用建设

WebRetriever发布的产业背景，是企业级AI智能体市场的爆发式增长。据IDC数据，2025年中国企业级AI智能体市场规模212亿元，预计2026年将增至449亿元，2029年有望突破3320亿元。IDC预测2026—2027年活跃智能体数量年增速将超200%。

赛迪顾问数据显示，2026年中国智能体市场规模将达到135.3亿元，同比增速超70%，政务、制造、能源、金融四大行业合计占比超70%。

但市场规模的高增长并未直接转化为广泛的业务渗透。Gartner调研显示，仅有17%的企业已部署AI智能体，超过半数仍处于探索或试点阶段。原因正是WebRetriever所揭示的：当前Agent的演示能力与生产能力之间存在显著差距。

业内人士指出，“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”。WebRetriever不仅是一项学术成果，更是Agent产业从“演示”走向“应用”的基础设施建设。

从更宏观的视角看，当AI搜索用户规模已突破7亿、渗透率超过68%时，当AI智能体开始承担越来越多的工作，市场需要的不仅是“更聪明的模型”，更是“可被验证、可被管理、可被持续优化的数字员工”。WebRetriever的出现，正是为这一需求提供了首个系统性的评测框架。

据了解，明略科技还将于近期正式启动 WebRetriever 全球挑战赛，大赛将面向全球研究者、开发者与技术团队开放，在最贴近真实应用的评测环境中检验各自 Web Agent 的实战能力。

新时空声明： 本内容为新时空原创内容，复制、转载或以其他任何方式使用本内容，须注明来源“新时空”或“NewTimeSpace”。新时空及授权的第三方信息提供者竭力确保数据准确可靠，但不保证数据绝对正确。本內容仅供参考，不构成任何投资建议，交易风险自担。