$昆仑万维(SZ300418)$  一、GAIA榜单的技术评估框架

GAIA是由Meta和HuggingFace联合推出的智能体评测基准，包含450个需多步骤工具调用和自主推理的真实世界问题，分为三个难度层级：

Level 1：需1种工具且步骤≤5（如简单信息检索）；

Level 2：需5-10步跨工具协作（如数据整合分析）；

Level 3：开放式复杂任务（如全流程项目规划）。

人类在此基准的平均得分率为92%，而早期GPT-4仅15%。这体现了GAIA对智能体综合问题解决能力的高要求。

二、评分与排名对比

| 智能体 | GAIA总分 | Level 1得分 | Level 2得分 | Level 3得分 | 成本对比（基准：OpenAI） | |-----------------------|----------|-------------|-------------|-------------|--------------------------| | 天工超级智能体 | 82.42 | 88.5 | 79.3 | 72.0 | 40% | | OpenAI Deep Research | 67.36 | 72.1 | 65.8 | 64.2 | 100% | | Manus | 40.82 | 52.4 | 45.6 | 72.0 | 未披露 |

关键结论：

天工总分领先：其82.42分超越OpenAI的67.36分和Manus的40.82分，尤其在Level 1和Level 2上优势显著；

成本效率突出：天工的Deep Research模型成本仅为OpenAI的40%；

Manus的“偏科”表现：虽在Level 3与天工持平，但基础任务得分较低，反映其通用性不足。

三、天工智能体的技术突破

1. 架构设计：垂直专业化系统

5个专家智能体：分别专注文档、PPT、表格、网页、播客生成，覆盖Office核心场景；

1个通用智能体：集成多模态生成（如图片、音乐、视频），支持创意内容生产。

2. 核心能力：Deep Research技术

深度搜索与推理：通过强化学习扩展搜索广度，提升信息源质量（如学术论文、行业报告）；

数据可视化：生成的文档/PPT内置条形图、雷达图等动态图表，支持在线编辑与格式导出；

结果可溯源：所有数据标注来源链接，增强内容可信度。

3. 场景适配案例

行业研究报告：输入“分析2025年新能源车电池技术趋势”，可输出含30+数据图表及参考文献的百页报告；

营销方案生成：基于企业上传的销售数据，自动生成含竞品对比、用户画像的可编辑PPT。

四、行业影响与竞争格局

天工的崛起标志着中国在Agent赛道实现技术反超：

颠覆传统软件：直接对标Microsoft Office，将内容生成时间从小时级缩短至分钟级；

生态构建：通过开放API吸引开发者，已接入数十个MCP（多模态内容生产工具）；

竞争壁垒：垂直场景的深度优化（如表格智能体的统计分析功能）形成差异化优势。

相比之下，OpenAI Deep Research仍依赖通用模型+插件生态，而Manus因功能泛化导致专业性不足，两者在办公场景的落地效果受限。

总结

天工超级智能体通过“垂直场景深度优化+低成本技术方案”的组合，不仅登顶GAIA榜单，更重新定义了AI生产力工具的标准。其突破印证了专业化智能体在特定场景的竞争力，也为行业提供了从“通用大模型”向“领域专家”演进的新范