SWE-Bench登顶背后：中国AI Agent的“工程能力”正在被重新定义

　　前段时间，一家成立还不到一年的公司，在一项被称为“AI编程的图灵测试”的全球权威评测中，以79.4%的得分一举超越多个主流商业模型。

　　榜单公布后的九个月里，它连续完成了两轮融资——6月获得华控基金、水木创投联合领投的数千万元天使+轮融资；7月又完成了由临芯投资领投、华控基金跟投的天使++轮融资，两轮融资间隔不足30天，已累计融资数亿元。

　　投资向来嗅觉敏锐，他们下注的不仅是那个榜单第一，更是榜单背后正在发生的一场深刻变革——AI正在从“回答问题”走向“动手干活”。

　　而这家公司叫词元无限。

　　什么是SWE-Bench？为什么它能验证AI的“工程能力”

　　先解释一下这个榜单的分量。

　　SWE-Bench不是考AI会不会写一个函数或补全一行代码，而是给AI一个真实的GitHub Issue——可能是软件里的一个Bug，也可能是一个新功能需求——让AI自己去理解问题、定位代码、修改文件，最后提交一个能通过所有测试的修复方案。

　　整个过程，就是一个真实软件工程师的日常工作流。

　　词元无限自研InfCode的Coding Agent以79.4%的Pass@1得分拿下世界第一，并在Multi-SWE-bench的Java/C++评测中同样登顶。

　　一家中国初创公司能在这个赛道上把国际巨头甩在身后，意义不止于技术参数。它意味着AI不再只是“会聊天的代码补全工具”，而是具备了拆解复杂任务、理解大型代码库、自主执行的能力。这正是AI从“辅助工具”迈向“核心生产力”的关键分水岭。

　　谁在做这件事？“清华姚班+字节跳动”的稀缺实力组合

　　词元无限的团队构成很特别。

　　联合创始人兼CEO杨萍，2018年至2024年在字节跳动负责内部AI Coding和AI Testing的转型与平台开发。她是字节内部MarsCode及后续Trae产品的研发总负责人，曾主导万人级研发体系的AI化改造。

　　联合创始人兼CTO王伟，清华大学计算机系2005级学生、姚班首批成员。姚班是清华最顶尖的计算机科学人才培养项目。王伟曾任机器人公司视觉与多模态算法负责人，2023年还创立了大模型开源社区OpenCSG。

　　首席科学家袁源同样实力出众，他是北京航空航天大学教授、博导，清华大学计算机博士，师从人工智能领域泰斗、中国科学院院士张钹，同时是北航复杂关键软件环境全国重点实验室的核心成员。

　　而北航实验室作为国内关键软件领域顶尖科研平台，拥有深厚的航空航天、智能制造等关键领域复杂场景资源技术积累，与词元无限的深度合作快速打通“科研成果 - 企业需求”转化链路，缩短技术变现周期，形成迭代正循环。

　　这个“神仙”组合被形容为“模型Native+工程Hardcore”：既懂前沿模型机制，又有超大规模工程系统的实战经验。在当前的AI创业浪潮中，同时具备这两种能力的团队并不多见。

　　三个硬指标和一个正在被验证的方向

　　大家耳熟能详的AI编程工具有很多，但大多数面向个人开发者。词元无限从一开始定位的就是“面向AI Native软件工程的企业级AI Agent基础设施”。

　　两者的区别在于：个人开发者需要的是帮忙写代码的助手，但企业需要的是一套能进入生产系统、理解十几年历史代码、遵守内部规范、通过安全审计、并且能被持续管理的“数字员工体系”。

　　基于这个判断，词元无限提出三个核心能力要求。

　　全自主：不依赖单一海外工具或单一模型，支持私有化部署，代码和数据运行在自有环境中，核心资产不需要“上交”给任何第三方。

　　高安全：AI Agent必须有明确的权限边界、数据边界和审计边界——谁可以访问什么数据、调用什么接口、执行什么操作，全部在治理框架下运行，做到数据不出域、过程可追踪、风险可阻断。

　　自进化：平台在真实任务、测试反馈、代码评审和执行轨迹中持续沉淀企业自己的工程知识。AI Agent越用越懂企业的系统、流程和标准。

　　在产品落地上，词元无限以InfOne为顶层平台，围绕“构建并管理多Agent组织”，形成了从需求理解、代码生成、测试验证到交付治理的全链路闭环产品体系：InfCode负责把需求落到代码，DeepMap负责给AI提供长期项目记忆，InfTest负责证明代码能不能站得住，TokenHub 负责让整个研发过程可治理、可度量，四大核心智能体让研发效能从单点提效跃迁到组织提效。

　　这套逻辑的必要性和紧迫性在过去一个月被反复验证。7月8日，工信部发布风险提示：AI编程工具Claude Code存在严重安全后门隐患，阿里巴巴随即宣布内部全面禁用。紧接着，Grok Build CLI被曝在用户完全不知情的情况下，将整个代码仓库打包上传到云端服务器。

　　当AI Agent有了“手和脚”，能自己定计划、调工具、执行任务，一旦出错就不再是出现幻觉那么简单，而是可能删光项目代码、泄露核心资产。

　　在真实的落地场景中，词元无限的能力正在被反复验证。在银行核心系统的POC中，InfCode生成的代码可用性达到88%以上，节省约40%人天，质量与银行中级工程师持平。目前平台已服务超过十家头部金融与软件企业。

　　一个新的起点

　　Gartner预测，到2035年，代理型AI可能驱动约30%的企业应用软件收入，市场规模超过4500亿美元。这是一个巨大的增量市场，也是一个正在被重新定义的赛道。

　　在刚刚结束的世界人工智能大会上，传递出明确的信号：在AI技术进入前所未有的活跃期之际，既要坚持开放共赢、驱动创新发展，也要强化风险意识、确保安全可控。

　　AI应用已从Chatbot发展到复杂智能体应用，进入核心生产系统只是时间问题。AI开发工具正在成为供应链的关键环节，如果Agent基础设施被植入后门，风险不亚于芯片中的硬件漏洞。而应对之道，是在AI开发工具、大模型底座、算力基础设施等全链条加速自主可控进程。

　　Claude和Grok不会是最后出问题的工具。每一次安全事件曝光，都在削弱企业对海外封闭工具链的信任，也恰恰是国内企业级AI基础设施建立行业标准的窗口期。

　　在这个市场里，词元无限正在尝试做一件事：把一套“上下文理解、治理管控、验证闭环、执行系统和持续进化”的能力，做成行业可复用的事实标准，成为那个“必须使用安全可控AI基础设施的企业”的选择。

　　SWE-Bench第一是一个信号。它证明中国团队在“AI应用与工程化”这个方向上有能力走到全球最前沿。但更值得关注的是那个更大的问题：当AI开始真正进入企业的核心生产系统，谁在为这个新世界建设安全、自主、可信赖的基础设施？

　　词元无限正在用“中国首个全自主、高安全、自进化的企业级AI Agent基础设施平台”书写自己的答案。