8月5日，国内权威中文大模型评测机构 SuperCLUE 发布最新一期 XClaw 龙虾产品测评，百度文心助手（任务模式）以97.62分的总成绩排名第一，超过小米 MiMoClaw、腾讯 WorkBuddy、月之暗面 KimiClaw 等同台产品。更受关注的是分项成绩：在记忆能力维度，文心助手拿下100分满分；数据处理98.86分位列第一，内容创作99.44分、研究分析96.44分同样靠前。这已不是文心短期内的首个第一——7月20日，它的任务 Agent 以94.6%的综合成功率、94.4%的平均得分，登顶全球工程向智能体评测榜单 PinchBench v2。两榜叠加，把一条行业主线推到台前：国产通用智能体的比拼，正从「回答流不流畅」转向「任务能不能交付」。
一、双榜登顶：97.62分与94.6%的含金量
两套评测的侧重并不相同，却都指向「交付」而非「对话」。PinchBench v2 关注任务规划与工具调用，考察系统能否把复杂需求拆成多个步骤并持续执行；SuperCLUE-XClaw 则从数据处理、内容创作、记忆、代码开发、研究分析五个维度做综合评估，覆盖主流厂商共10款代表性产品。文心在两个榜单同时居首，说明它的优势不局限于某一类任务，而是在「理解需求—组织信息—维持长执行链路—产出可用结果」这条完整路径上比较均衡。值得强调的是，文心助手向所有用户免费开放，不限量——这意味着它的登顶不是靠高门槛的付费版本，而是在最大众的使用场景里跑出来的。
二、记忆满分：被忽视的「干活地基」
在整张成绩单里，最值得单独拎出来的是记忆能力的100分。用过智能体的人都有体感：你跟 Agent 聊了三轮，到第四轮它忘了你第一轮设定的条件，产出直接作废。记忆是所有「干活能力」的地基——Agent 帮你执行任务，如果记不住先前的要求、上下文和中间结论，等于白干。SuperCLUE-XClaw 把记忆单列为一维并给到满分，等于把行业长期模糊感知的一项能力，变成了可量化、可横向比较的指标。当「记忆」从隐性体验变成显性榜单维度，智能体产品的迭代方向也会被牵引：比起堆参数，能不能记住、能不能在长链路里保持一致，正在成为真正的分水岭。
三、从搜索积累到任务执行：百度的一次能力迁移
文心这波表现，底层是百度多年在查询理解、信息检索、知识组织与结果排序上的积累，正从「提供资料」向后延伸到「整理资料、分析数据、生成结果」。传统搜索强调召回、排序与呈现，而 Agent 还要处理工具稳定性、上下文保持、错误修正与最终交付——搜索积累不会自动变成 Agent 能力，但确实为文心进入复杂任务场景提供了基础。百度 App 与文心助手提供了巨大的用户入口，海量真实查询能持续暴露意图识别偏差、步骤遗漏、格式错误与结果不可用等失败点，这类反馈对任务型产品的迭代，比单纯提升模型参数更直接。换句话说，文心进入任务型 AI 产品竞争前列，靠的不仅是模型，还有把搜索时代的真实流量转化为训练与评测信号的能力。
四、客观看：免费登顶与未竟之题
价值在于，文心用免费产品的双榜登顶，证明了「任务交付」正在取代「对话流畅」成为通用智能体的核心标尺，也把记忆能力这一隐形地基摆上了台面，对全行业迭代方向有牵引意义。但边界要讲清：其一，两份榜单分别由 SuperCLUE 与 PinchBench 发布，评测口径、样本与场景各有侧重，单项满分不代表在全部真实任务中都无短板；其二，评测多为限定场景的命题任务，与开放、多变的真实工作流存在差距，从「一次成功执行」到「可重复的交付能力」仍有距离；其三，搜索时代的积累能否持续转化为产品优势，取决于更多真实任务中的稳定性，而非一次评测成绩；其四，免费策略本身是产品与生态打法，不等于商业闭环已验证。文心证明了方向，而「能交付」这场仗，才刚刚从榜单打到日常。