百度智能云的企業(yè)級算法自主優(yōu)化智能體“伐謀Agent 2.0”近日再次登頂機器學習工程權威基準測試MLE-Bench，并刷新了SOTA成績。這是該產(chǎn)品繼去年10月首次登頂后，第二次拿下這一榜單的第一名。

MLE-Bench由OpenAI主導設立，包含75個源自Kaggle真實競賽的工程任務，用于評估AI智能體在模型訓練、數(shù)據(jù)處理、實驗管理等全流程中的獨立作業(yè)能力。

它考核的不是大模型的對話或推理水平，而是模擬人類機器學習工程師解決實際問題的綜合素養(yǎng)。每道題目需運行三次取平均分，單次完整提交的算力成本為數(shù)萬美元。

伐謀2.0在“高難度”任務上的表現(xiàn)較為突出，在統(tǒng)一運行標準下，其綜合勝率領先于搭載Claude-Opus-4.6等主流大模型的同類智能體。

在15道最難題目中，伐謀拿下9項第一。這類高難度任務往往對應現(xiàn)實中數(shù)字化基礎薄弱、數(shù)據(jù)質(zhì)量參差的場景，如歷史遺留的臟數(shù)據(jù)、殘缺的業(yè)務記錄、跨系統(tǒng)異構對接等，具有較高的工程參考價值。

產(chǎn)品層面，伐謀2.0在演化策略、長程記憶機制和底層基礎設施上做了系統(tǒng)優(yōu)化。增強的演化策略支持智能體在多個路徑上并行探索并適時回溯調(diào)整；長程記憶機制幫助其在長鏈條任務中保持邏輯一致性；全棧AI云基礎設施的優(yōu)化則提升了算法迭代效率。

上線以來，伐謀已服務數(shù)千家企業(yè)，覆蓋零售、金融、制造、能源、交通等領域。例如在汽車制造中，與阿爾特太乙合作的風阻驗證時間從10小時壓縮到數(shù)分鐘，整車研發(fā)周期平均縮短25%。

MLE-Bench的競爭格局并不平靜。今年2月，創(chuàng)業(yè)公司Disarray提交了一個高分成績，隨后UCSD團隊的AIBuildAI也曾短暫占據(jù)榜首。百度伐謀2.0在這一輪動態(tài)排名中最終登頂，反映出該領域技術迭代的快速與激烈。

其他參與測評的智能體還包括搭載OpenAI o1、Claude等模型的方案，各家在數(shù)據(jù)處理效率、長任務穩(wěn)定性等維度上各有長短。

伐謀2.0的正式版本將在今年5月的Create 2026百度AI開發(fā)者大會上發(fā)布。同時百度還開源了Famou for Science項目，基于多智能體協(xié)同模式構建虛擬科研團隊，支持長線程科研任務的自動化推進。

當智能體在工程化基準測試中屢次刷新紀錄，一個開放的問題也隨之浮現(xiàn)，從榜單高分到大規(guī)模產(chǎn)業(yè)落地，中間還需要跨越哪些真實世界的門檻？對于企業(yè)而言，穩(wěn)定的成本收益比和可解釋的工程回報，或許才是最終的評判標準。