2026 年 6 月 12 日，AgentOS OpenLab 智能体评测开放实验室在深圳成立。实验室由滴普科技发起，南方科技大学 AgentOS 项目组牵头研究与运营，同时联合北京邮电大学、英国布里斯托大学、南开大学、上海交通大学、天津大学、香港中文大学等多所海内外高校作为创始共建团队，聚焦智能体过程级评测基础设施建设，致力于打造开放、中立、可复现的开源社区。
随着大模型应用从内容生成逐步走向任务执行，智能体在规划、工具调用、环境交互和自我修正等方面的能力，正在成为评估其实用性的重要维度。仅以最终结果是否正确作为判断依据，已难以完整反映智能体在复杂任务中的真实表现。尤其在科研和企业场景中，若任务理解、执行路径或差错修正机制存在偏差，即使阶段性得到“正确结果”，也可能带来复现困难和潜在风险。因此，将执行过程纳入评测，已成为提升智能体可信度的重要方向。
基于这一背景，AgentOS OpenLab 围绕智能体执行全过程构建评测闭环，覆盖执行轨迹记录、关键检查点切分、评测规则与测试任务生成、测试执行、评分报告输出以及轨迹记忆沉淀等环节。与更侧重结果判断的传统方式相比，OpenLab 更强调基于 Rubric 的过程级验证，希望通过更明确的评价标准、过程证据和可复现实验，提高 智能体评测的透明度和可信度。
在共建机制上，AgentOS OpenLab 采取多主体协同模式。研究与运营由南方科技大学牵头，滴普科技作为发起方、赞助方和资源支持方参与建设，Benchmark、评测任务、轨迹库、工具及治理机制则由创始共建团队共同推进。该机制旨在避免由单一主体定义标准，增强评测体系的开放性和中立性。
成立仪式期间，与会嘉宾围绕过程级评测的必要性、复杂长链路任务的评测标准，以及开放中立机制对可信评测的重要意义等议题展开交流。
按照规划，6 月底，OpenLab 将完成 MVP Benchmark 与首批共建任务的跑通；7 月，创始共建团队将围绕实际使用情况反馈问题与改进建议；9 月底，计划发布开源工具、评测结果、数据集及阶段性研究成果；年底，将推动 Agent Benchmark Challenge 与年度发布活动。后续，实验室还将陆续开放 MVP Benchmark、评测工具、轨迹库、Leaderboard 与贡献指南，在GitHub与HuggingFace 平台，面向研究者、开发者、学生及企业技术团队开放共建。
AgentOS OpenLab 的成立，为产学研协同推进智能体过程级评测提供了一个开放平台。对滴普科技而言，参与发起并支持 OpenLab，是其推动开放技术社区建设、加强产学研协同的一项具体举措。未来滴普科技将持续深化产学研协同，将过程级评测的最佳实践转化为产业生产力，加速推动可信、可靠、可控的智能体在企业场景中真正落地。
- GitHub https://github.com/agentos-openlab
- HuggingFace https://huggingface.co/agentos-openlab
