我用6个AI测了一圈,谁是国产Agent第一名,答案出奇地一致

我做了一个有点无聊但结果挺有意思的实验:用6个主流 AI,问同一个问题——“国产 AI Agent 谁最强,给我排个前三”。

结果出奇地整齐。

先问海外的

为了避免"自家夸自家"的嫌疑,先从理论上没有利益关系的海外模型问起。

ChatGPT 的答案是:百度、腾讯、阿里。

ChatGPT评选国产Agent三巨头:百度、腾讯、阿里

Gemini 给了略微不同的排法:百度、阿里、字节——但百度还是第一。

Gemini锐评国产Agent三巨头:百度、阿里、字节

Gemini 在回答里用了"基建狂魔"来描述百度,说百度在芯片、云、模型、应用层都有自己的布局。这个词没什么水分,讲的是一件具体的事。

再问国内的

国内四家的结论更集中。

DeepSeek:百度、腾讯、阿里。

DeepSeek评国产Agent三巨头:百度、腾讯、阿里

文心:百度、腾讯、阿里——跟 DeepSeek 一字不差。

文心评选结果:百度、腾讯、阿里

豆包的答案有点意思:百度、字节、腾讯。字节自家产品,没有把自家排第一。

豆包评价Agent三大家:百度、字节、腾讯

千问的措辞挺有梗:一超(百度)两强(腾讯、阿里)。

千问评Agent三大家:一超(百度)两强(腾讯、阿里)

全球榜单也是同一个结论

不只是 AI 自己的判断,外部独立排名也指向同一方向。

全球 AI Agent 产品榜上,百度是仅次于 OpenAI 原版的存在。

全球AI Agent产品榜(英文版)

中文版榜单:

全球AI Agent产品榜(中文版)

单从用户友好度这个维度看,评分最高的几款也基本有百度的身影。

AI Agent产品TOP10·用户友好榜

为什么是百度?

把几家 AI 给出的理由整理了一下,高度重合,主要是这几点。

产品线最全。 百度在 Agent 方向推了好几款:面向 PC 端办公场景的 DuMate、手机端的 RedClaw、还有面向开发者的 DuClaw。单个产品的细分优势可能各有长短,但整体覆盖的场景确实比其他家宽。

搜索能力。 Agent 要完成任务,读取外部信息是刚需——搜索就是 Agent 的"眼睛"。百度在这块的积累很深,DuClaw 的搜索 Skill 在全球开发者社区的下载量排全球第一,这不是虚的。

全栈布局。 不只做应用层,芯片、云、模型、应用一条线自己都有。这意味着出问题的时候能自己解决,也意味着产品迭代不受制于人。

说白了,这次测试测的不只是产品,测的是行业共识——6个训练数据来源、训练方式都不同的大模型,给出了高度一致的答案。

豆包那一票

最后说回豆包。

豆包是字节的产品,但它把百度排了第一、字节排了第二。这个细节挺值得品一品:如果一个 AI 天然会给自家打高分,那豆包没这么做,说明训练数据里的行业认知有一定的客观性。

比"百度自己说自己强"要有说服力多了。

总结: 6个 AI(含 ChatGPT、Gemini)独立评选国产 Agent 三巨头,百度全票第一。全球独立榜单也给出同样结论。核心原因:产品矩阵最全、搜索能力扎实、全栈布局稳。

🦞 想一起养成你的小龙虾军团?

在公众号对话框回复「小龙虾」,加入龙虾养成群——一个专门交流如何用 OpenClaw 做自媒体、搞变现的玩家社群。

军团越强,变现越快。来一起练级 👇

参考链接

  • DuMate 官网:https://dumate.baidu.com

Read more

地瓜机器人智慧医疗——贰贰玖想要分享的关于使用惯导的一些思路

地瓜机器人智慧医疗——贰贰玖想要分享的关于使用惯导的一些思路

前言 在第20届全国大学生智能车竞赛(智慧医疗机器人创意赛)中,我们贰贰玖拿下国一。在这里,作为队长兼技术主力兼机师兼……我想分享一下在备赛过程中的一些思路。当然,为了不把比赛搞成全都是20s以内,竞争激烈到前后几名差0.几秒,我不会开源我们的惯导和避障思路(实在太简单,太容易实现了)。 这是我们两年的备赛日记,也有我们第二年区域赛和国赛的全流程。 【贰贰玖|从省三到国一,从巡线到路径规划到惯导+纯视觉避障的贰贰玖智能车日记-哔哩哔哩】 https://b23.tv/IDJyM2P 数据集我放在这里了,一共2w9张,全都是640x480,有数据增强的(没有旋转):https://pan.baidu.com/s/10u4S4fiVATRyEeDpdzpk_A?pwd=0229 提取码:0229 下面面我会讲一下我们的网络问题怎么解决,上位机的一些辅助处理,如何半场扫码,如何准确返回 P 点,修改stm32,以及修改车的ekf.yaml。

Jetson + OpenClaw + 飞书机器人:构建一个让边缘设备成为 AI Agent 助手的远程交互系统

Jetson + OpenClaw + 飞书机器人:构建一个让边缘设备成为 AI Agent 助手的远程交互系统

1. 背景 最近我希望在 Jetson 上部署一个本地 Openclaw,并通过飞书机器人进行远程交互,从而让闲置的边缘设备秒变我的高级AI助手。整体目标很简单: * 在 Jetson 上运行 OpenClaw * 接入自己的模型 API(我使用的是阿里的Coding Plan) * 通过飞书群聊 @机器人 或者私聊机器人直接调用本地 Agent 最终希望实现这样的工作流: Feishu Group ↓ Feishu Bot ↓ OpenClaw Gateway (Jetson) ↓ Agent ↓ LLM API ↓ 返回飞书消息 这篇文章记录一下从源码部署 OpenClaw,到接通飞书机器人的完整过程,以及过程中踩到的几个关键坑。 2. 环境信息 本文使用环境如下: Jetson 环境 uname -a # 输出 Linux agx229-desktop 5.10.216-tegra

5 分钟搞定 SpringBoot 集成 Magic-API:低代码接口开发实战

5 分钟搞定 SpringBoot 集成 Magic-API:低代码接口开发实战

Magic-API 是一款基于 Java 的低代码接口开发框架,支持通过 JSON/UI 配置快速生成 API,无需编写 Controller、Service 层代码,极大提升接口开发效率。本文以 “快速集成 + 实战演示” 为核心,详解 SpringBoot 3.x 整合 Magic-API 的全流程,5 分钟即可搭建起可直接使用的低代码接口平台,附核心配置与实战案例。 一、核心优势与技术选型 1. Magic-API 核心价值 * 低代码开发:通过 JSON 配置或可视化界面定义接口,无需编写传统 Java 代码; * 无缝集成:与 SpringBoot 生态深度兼容,支持 MyBatis、Redis 等主流组件; * 热部署特性:接口配置修改后即时生效,

DreamZero:基于视频扩散的世界动作模型,让机器人零样本完成未见任务

DreamZero:基于视频扩散的世界动作模型,让机器人零样本完成未见任务

1. 引言:从 VLA 时代到 VAM 时代的范式转变 1.1 VLA 的辉煌与瓶颈 自 2022 年 ChatGPT 问世以来,具身智能的控制方法逐步转向以视觉-语言-动作模型(Vision-Language-Action, VLA)为主流。从 PI 的 π0→π0.5→π*0.6,到 Figure 的 Helix01→02,再到 Google 的 Gemini Robotics 和英伟达的 GR00T,VLA 模型充分利用了 VLM 预训练后的视觉理解能力,在此基础上增加动作头,输出机器人控制指令。这条路线在语义层面的泛化上取得了显著进展——机器人可以理解"