IDC 首份企业级通用 Agent 评估：中国电信 TeleAgent 进入前三
TeleAgent 的高分说明通用 Agent 的差距已不只在底层模型，更在模型外围的工程系统——上下文管理、模型路由与安全控制。
IDC 发布国内首份《中国企业级通用 Agent 产品技术评估》，不用传统大模型 Benchmark，改用近百道非公开任务，考察 Agent 能否在真实办公场景把事做完。中国电信 TeleAgent 常规任务 3.49 分、复杂任务 3.36 分，任务表现满分，成本效率为全场最高。
正文摘录
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： 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。 在深挖 TeleAgent 如何拿下第三名之前，我们还得先了解一下 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。 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。