中国电信TeleAgent进入IDC企业级通用Agent评测前三

据量子位9月17日报道，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》中，把中国电信的TeleAgent列入前三名。这次评测没有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。

具体成绩上，TeleAgent常规任务得分3.49分、复杂任务得分3.36分；在九项能力中，任务表现拿到5分满分，成本效率为此次测评最高分。

TeleAgent正式上线的时间并不久。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。

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。围绕这一目标，IDC设计了将近百道非公开任务，既有邮件、日程、文档处理这类日常办公场景，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；有些题目已经很接近真实工作，比如处理3755行脏数据，或者从约3万字材料中提炼内容并生成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。

从测试结果看，大多数通用Agent已经能把复杂任务跑起来，但随着任务变长、步骤变多，交付质量和资源消耗的差距会同步放大。IDC在报告中专门提到“Agent Harness”一词，指的是围绕大模型搭起来的一整套执行系统：模型负责理解和推理，但系统还要安排上下文、调度工具、保存任务状态、控制执行环境，中途一旦出现异常，还要判断是重试、换路径还是恢复之前的进度，最后还要检查任务到底有没有完成。当任务被拉长，差距就集中暴露在模型外围那整套工程系统上。

沿着这条工程链路，可以拆出TeleAgent的几个高分项。上下文方面，系统先对价值相对较低的旧工具输出做轻量剪枝，若依然过长，再由专门的压缩模型对整段内容处理，并实时监测上下文是否接近上限，目前其上下文窗口已经突破400K；为了让跨天甚至跨项目的办公任务不断线，TeleAgent又加入了autoDream长期记忆，定期整理近期对话并把新信息与已有记忆合并。

成本一侧，TeleAgent自研了ModelRouter：每次请求进来先根据模态、长度、关键词等信息判断任务复杂度，再分配到轻量、均衡和旗舰三档模型，翻译、总结、格式化交给轻量模型，PPT与文档生成进入均衡档，深度研究、代码调试或复杂方案才调动旗舰模型。从优化数据看，这套智能路由可以把推理成本降低约40%，简单任务响应时间控制在3-5秒，路由延迟低于10ms；推理侧还加入了PD分离、KV Cache和负载感知调度等优化。

安全是它上线节奏偏保守的原因。Skill进入系统以前需要检查来源、病毒和漏洞，短期记忆与长期记忆分别管理，文件读写被限制在指定工作目录，高危命令会被监控，代码和文件操作尽可能放在隔离环境中完成；中国电信为此又花了两个月做安全测试和能力优化，直到7月才正式推出。据量子位报道，TeleAgent成为首批通过中国信通院相关安全评测的智能体产品之一，在中国电信研究院内部安全评测中通过率达到98.2%，与外部安全厂商联合进行的28个场景、336个测试用例里通过率为99.7%。

这款产品的底子也并非看到风口后的临时追赶。报道称，中国电信2024年底已开始建设星辰智能体平台，2025年4月该平台被确定为集团智能体基础设施，同年8月推出星辰超级智能体网页版，此后又把Coding增强、Skill和桌面环境逐渐接进来。其内部Skill广场目前累计上架5.6万个技能、被添加近200万次，参与贡献Skill的员工达到2万人。IDC今年4月的调研显示，48.5%的企业已进入通用Agent评估、试点或使用阶段，96.9%的企业Agent应用涉及办公自动化——底层模型已经很难解释全部差距，胜负越来越取决于模型外围那整套工程系统。