Baidu DuMate trafia do wiadomości technologicznych z wyzwaniem dla agentów między urządzeniami

Baidu DuMate dodał przekazywanie zadań między urządzeniami i wbudowaną przeglądarkę, nadając tegorocznym wiadomościom technologicznym konkretny wymiar wykonawczy. Agent ma podobno zachowywać kontekst i postęp pracy, gdy zadanie przenosi się między telefonem a komputerem. Baidu twierdzi również, że inteligentny routing skrócił średni czas realizacji zadań o 20 procent.

To połączenie ma większe znaczenie niż kolejna aktualizacja chatbota. DuMate próbuje przekształcić polecenie wydane na jednym urządzeniu w ukończoną pracę realizowaną w kilku interfejsach. Użytkownik może rozpocząć research na telefonie, kontynuować go na komputerze, a następnie pozwolić agentowi desktopowemu otwierać strony internetowe lub pobierać pliki.

Bezpośrednim punktem odniesienia jest ChatGPT agent, który również wykonuje zadania online za pośrednictwem wirtualnej przeglądarki i działa w aplikacjach webowych, mobilnych oraz desktopowych. Strategiczna różnica leży w ciągłości. Baidu przedstawia samo przekazanie pracy między urządzeniami jako element agenta, zamiast traktować każdego klienta jako kolejne okno rozmowy.

Baidu DuMate przenosi teraz aktywne zadania między urządzeniami

Kluczową aktualizacją jest trwałe wykonywanie zadań, a nie zwykła synchronizacja rozmów.

Baidu zaprezentowało ulepszenia podczas skoncentrowanego na DuMate wydarzenia AI Day w Chengdu 10 lipca 2026 roku. Wydarzenie łączyło prezentację produktu z otwartym targiem, na którym odwiedzający mogli testować narzędzia AI. Lokalny serwis relacjonujący wydarzenie podał, że wydanie obejmowało inteligentny routing, współdzieloną pamięć, sterowanie przeglądarką i generowanie prezentacji.

DuMate, znany w Chinach jako Dazi, zadebiutował w marcu jako uniwersalny agent produktywności Baidu. Baidu opisało go w swoich wynikach kwartalnych jako system, który autonomicznie realizuje wieloetapowe przepływy pracy między aplikacjami i plikami.

Najnowsze wydanie rozszerza to założenie na komputery i telefony. Współdzielona pamięć zachowuje istotny kontekst zadania, a zsynchronizowany postęp wskazuje drugiemu urządzeniu, w którym miejscu wykonanie zostało przerwane. To bardziej wymagające niż synchronizacja historii czatu, ponieważ aktywne zadanie obejmuje także plany, wyniki pośrednie, otwarte zasoby i niedokończone działania.

Weźmy za przykład zadanie dotyczące badania rynku. Użytkownik mógłby poprosić DuMate na telefonie o porównanie kilku dostawców podczas dojazdu. Klient desktopowy mógłby później wznowić to samo zadanie, otworzyć wiele stron, zebrać dokumenty i przygotować prezentację bez konieczności odtwarzania polecenia.

Wbudowana przeglądarka aplikacji desktopowej jest kluczowa dla tej sekwencji. Zapewnia agentowi kontrolowane środowisko, w którym może otwierać wiele stron oraz wykonywać badania lub operacje pobierania. Dostęp do przeglądarki przekształca system z generatora tekstu w oprogramowanie, które może obsługiwać interfejsy używane już przez ludzi.

Baidu twierdzi również, że klient mobilny może zdalnie kierować wykonywaniem zadań w chmurze. Telefon nie musi realizować każdego działania lokalnie. Może stać się panelem sterowania pracą kontynuowaną w środowisku chmurowym, zmniejszając zależność od otwartej sesji desktopowej.

Ta architektura tworzy bardziej użyteczną definicję AI działającej między urządzeniami. Agent nie jest po prostu dostępny na dwóch urządzeniach. Jest odpowiedzialny za utrzymanie wystarczającego stanu, aby jedna praca mogła być realizowana na obu.

To rozróżnienie łatwo przeoczyć, ponieważ aplikacje do komunikacji od lat synchronizują rozmowy. Transkrypcja czatu rejestruje jednak tylko to, co zostało powiedziane. Stan wykonania musi również śledzić, czego próbowano, co się udało, co zawiodło i które działania nadal wymagają zatwierdzenia.

Sprawia to, że ciągłość jest problemem inżynieryjnym w takim samym stopniu jak funkcją interfejsu. Agent potrzebuje trwałych rejestrów zadań, współdzielonych uprawnień, punktów kontrolnych umożliwiających odzyskanie pracy oraz zasad określających, które urządzenie kontroluje następne działanie. Każdy z tych komponentów może przesądzić o tym, czy wznowione zadanie wydaje się ciągłe, czy zaczyna zachowywać się nieprzewidywalnie.

Wydanie daje więc Baidu wyraźniejszy argument produktowy. DuMate nie jest już przedstawiany wyłącznie jako asystent, który potrafi pracować z plikami i aplikacjami. Jest pozycjonowany jako trwały pracownik, którego kontekst operacyjny podąża za użytkownikiem.

Dlaczego te wiadomości technologiczne wywierają presję na agentów przeglądarkowych

Baidu zmusza dostawców agentów przeglądarkowych do konkurowania jednocześnie pod względem ciągłości, kosztów i realizacji zadań.

Korzystanie z przeglądarki stało się powszechną drogą od konwersacyjnej AI do działania. Zamiast czekać, aż każda usługa udostępni interfejs programowania aplikacji, agent może analizować stronę i obsługiwać jej widoczne elementy sterujące. Podejście to poszerza dostęp, ale dziedziczy również niespójności i zagrożenia bezpieczeństwa charakterystyczne dla sieci.

OpenAI wyznaczyło wczesny punkt odniesienia dzięki Operator w styczniu 2025 roku. Jego model korzystający z komputera interpretuje zrzuty ekranu i steruje przeglądarką za pomocą kliknięć, przewijania i wpisywania tekstu. Operator został później włączony do ChatGPT agent, który łączy obecnie przeglądanie, research, obsługę plików i połączone usługi.

OpenAI twierdzi, że jego wirtualna przeglądarka pozwala użytkownikom przerwać zadanie lub przejąć nad nim kontrolę. Agent prosi również o interwencję przy wrażliwych etapach obejmujących dane uwierzytelniające, płatności i wyzwania weryfikacji człowieka. Te mechanizmy uznają, że autonomia przeglądarki wciąż wymaga granic.

Google obrało podobny kierunek za pośrednictwem Project Mariner. Google opisało Mariner jako eksperymentalnego agenta korzystającego z komputera, który wchodzi w interakcje z siecią i realizuje zadania. Jego mapa drogowa agentów połączyła tę pracę także z szerszym trybem agentowym Gemini.

Anthropic wybrało inną drogę, udostępniając programistom możliwości korzystania z komputera. Claude może analizować zrzuty ekranu i wykonywać działania myszy lub klawiatury w kontrolowanym środowisku. Model ten daje twórcom oprogramowania większą swobodę, choć muszą oni zbudować otaczający interfejs, uprawnienia i mechanizmy bezpieczeństwa.

DuMate wchodzi na ten rynek z zintegrowanym produktem, a nie samodzielną możliwością modelu. Baidu kontroluje aplikację, infrastrukturę chmurową, usługi wyszukiwania, modele bazowe i znaczną część warstwy routingu. Ten pionowy stos może pomóc koordynować przekazywanie zadań i alokację zasobów.

Presja jest najbardziej widoczna w przypadku agentów konsumenckich i biurowych, które reklamują długotrwałe zadania. Rozpoczęcie pracy przestaje wystarczać. Użytkownicy coraz częściej oczekują, że agent przetrwa przerwy, przeniesie się między urządzeniami, odzyska sprawność po błędach i wyjaśni swój bieżący status.

Ciągłość między urządzeniami zmienia też jednostkę konkurencji. Dostawcy wcześniej porównywali jakość modeli, szybkość odpowiedzi, obsługę narzędzi i wyniki benchmarków. DuMate dodaje przenośność zadań jako kolejny wymiar: czy użytkownik może opuścić jedno urządzenie, nie porzucając stanu pracy agenta?

To pytanie ma znaczenie komercyjne. Wielu pracowników wiedzy odkrywa zadania na telefonie, ale kończy je na komputerze. Wiadomości, zaproszenia na spotkania, dokumenty i prośby o research pojawiają się przez cały dzień. Agent, który potrafi połączyć te momenty, zmniejsza trudność późniejszego odtwarzania kontekstu.

Sama ciągłość nie gwarantuje jednak użyteczności. Zły plan zachowany idealnie nadal pozostaje złym planem. Agent musi przenosić zweryfikowany postęp, nie zamykając użytkownika w ramach wcześniejszych błędów lub nieaktualnych założeń.

Konkurenci mogą odpowiedzieć na kilka sposobów. Mogą pogłębić synchronizację w istniejących aplikacjach, ulepszyć wykonywanie zadań w chmurze lub udostępnić czytelniejsze historie zadań. Mogą także podkreślać integracje, które eliminują niejednoznaczność sterowania wizualnymi interfejsami.

Rezultatem nie jest prosty pojedynek Baidu z OpenAI. Głównym przeciwnikiem jest rozproszony model agentów, w którym każde urządzenie lub sesja zachowuje się jak nowy początek. Aktualizacja DuMate dowodzi, że trwały stan powinien stanowić podstawową warstwę produktu.

Ten argument może trafić do zespołów, które już budują przeszukiwalną bazę wiedzy. Ciągłość badań zależy od zachowania zarówno dowodów, jak i decyzji, zwłaszcza gdy praca obejmuje narzędzia, pliki i kilka sesji.

Rzeczywisty mechanizm to routing, pamięć i sterowanie przeglądarką

Obietnica DuMate zależy od koordynacji trzech systemów, które często są oceniane oddzielnie.

Pierwszym systemem jest współdzielona pamięć. W tym kontekście pamięć oznacza zapisane informacje o zadaniu, które agent może odzyskać podczas późniejszego wykonywania. Mogą one obejmować pierwotny cel, preferencje użytkownika, wybrane źródła, pliki pośrednie i rejestr ukończonych kroków.

Użyteczna pamięć musi być selektywna. Odsyłanie do modelu każdej wcześniejszej wiadomości i strony podnosiłoby koszty przetwarzania i wprowadzało nieistotne informacje. System musi odzyskać najmniejszy użyteczny zestaw szczegółów potrzebnych do podjęcia kolejnej decyzji.

Drugim systemem jest inteligentny routing. Router analizuje żądanie i wybiera tryb wykonania, model lub łańcuch narzędzi odpowiedni dla danego zadania. Proste przepisanie tekstu nie powinno zużywać takich samych zasobów jak długie zadanie badawcze obejmujące kilka stron i prezentację.

Baidu twierdzi, że jego ulepszony router skrócił średni czas realizacji zadań o 20 procent i zwiększył wykorzystanie tokenów o 25 procent. Tokeny to jednostki przetwarzane przez modele podczas odczytywania i generowania treści. Lepsze wykorzystanie zazwyczaj oznacza, że system wykonuje więcej użytecznej pracy przy tej samej ilości wejścia i wyjścia modelu.

Liczby te są deklaracjami firmy, a nie wynikami niezależnych benchmarków. Baidu nie opublikowało wystarczająco wielu szczegółów metodologicznych, aby bezpośrednio porównać je z innymi agentami. Na wynik wpływają wszystkie: zestaw zadań, wersja bazowa, kryteria sukcesu i polityka ponawiania prób.

Trzecim systemem jest sterowanie przeglądarką. Wbudowana przeglądarka daje DuMate środowisko do otwierania stron, poruszania się między źródłami i pobierania materiałów. Może podobno wykonywać kilka operacji webowych w ramach jednego zadania, zamiast zwracać instrukcje, które użytkownik musi wykonać sam.

Systemy te wzajemnie się wzmacniają. Pamięć wskazuje przeglądarce, czego wymaga zadanie. Przeglądarka dostarcza obserwacji i plików. Router decyduje, który model lub tryb powinien zinterpretować wyniki i zaplanować kolejne działanie.

Słabe ogniwo może jednak wykoleić cały przepływ pracy. Jeśli pamięć odzyska niewłaściwą instrukcję, przeglądarka może odwiedzić nieistotne strony. Jeśli routing wybierze lekki tryb dla trudnego zadania, agent może stworzyć powierzchowny plan. Jeśli sterowanie przeglądarką zawiedzie, silniejsze rozumowanie nie zdoła ukończyć działania.

Baidu raportuje 100-procentowy wskaźnik ukończenia prostych zadań oraz 94-procentowy wskaźnik wysokiej jakości dostarczenia w przypadku zadań złożonych. Firma twierdzi również, że niektóre obciążenia zużywają nawet o 75 procent mniej kredytów. Deklaracje te brzmią znacząco, lecz kategorie wymagają jaśniejszych definicji, zanim kupujący będą mogli porównać je z zewnętrznymi ocenami.

„Ukończenie” może oznaczać, że agent osiągnął stan końcowy, stworzył akceptowalny rezultat lub spełnił wszystkie wymagania. „Wysokiej jakości dostarczenie” jest jeszcze mniej ustandaryzowane. Może odzwierciedlać oceny ludzi, zautomatyzowane kontrole lub wewnętrzny próg jakości.

To rozróżnienie ma znaczenie, ponieważ ocena agentów jest wyjątkowo wrażliwa na projekt zadania. Agent przeglądarkowy może dobrze działać na stabilnych stronach, lecz mieć trudności, gdy strona się zmienia, pojawia się wyskakujące okno lub pobieranie wymaga nieznanego kroku potwierdzenia.

Opublikowane przez OpenAI wyniki dotyczące korzystania z komputera pokazują przepaść między kontrolowanymi benchmarkami a ogólną niezawodnością. Jego model uzyskał 38,1 procent w OSWorld w momencie premiery, wobec zgłaszanego wyniku człowieka na poziomie 72,4 procent. Ten sam model radził sobie lepiej w węższych benchmarkach przeglądarkowych, co pokazuje, jak złożoność środowiska zmienia rezultaty.

Najmocniejsze twierdzenie DuMate ma zatem charakter architektoniczny. Baidu łączy routing, trwały kontekst i wykonywanie działań w przeglądarce w jednym przepływie pracy widocznym dla użytkownika. Procenty stanowią dowody wspierające, ale nie potwierdzają jeszcze przewagi nad konkurencyjnymi agentami.

Dla użytkowników praktyczny test jest prosty. Czy DuMate potrafi wznowić rzeczywiste zadanie bez wielokrotnego wyjaśniania, wykorzystać odpowiednie zasoby i dostarczyć poprawny rezultat? To ma większe znaczenie niż to, czy pojedynczy komponent prowadzi w benchmarku.

Trwały agent korzysta również z uporządkowanych materiałów źródłowych. Osobisty system wiedzy zapewnia agentowi stabilne informacje do wyszukiwania, zamiast zmuszać każde zadanie do rozpoczynania od odkrywania treści w otwartym internecie.

Trwałe agenty niosą również trwałe ryzyko

Agent, który podąża za użytkownikami między urządzeniami, może utrwalać błędy i ekspozycję równie skutecznie, jak zachowuje użyteczny kontekst.

Agenty przeglądarkowe działają w środowisku informacyjnym o charakterze adversarialnym. Strona może zawierać instrukcje przeznaczone dla ludzkiego odwiedzającego, zautomatyzowanego systemu lub modelu AI. Agent musi odróżniać użyteczną treść od tekstu zaprojektowanego tak, by przekierować jego zachowanie.

Najbardziej oczywistym przykładem jest prompt injection. Atakujący może umieścić na stronie ukryte lub wprowadzające w błąd instrukcje, nakazujące agentowi zignorowanie pierwotnego zadania. Jeśli agent je wykona, może ujawnić informacje, zmienić przepływ pracy lub przejść tam, gdzie użytkownik nigdy nie polecił mu wejść.

Anthropic opisał to jako kluczowe ryzyko dla systemów korzystających z komputerów. Jego badania nad korzystaniem z komputera wskazują, że model podłączony do internetu może napotkać złośliwe instrukcje na zrzutach ekranu lub stronach internetowych. Firma nadal rozwija klasyfikatory i inne mechanizmy obronne.

Działanie między urządzeniami zwiększa liczbę granic zaufania. Zadanie może rozpocząć się na prywatnym telefonie, być kontynuowane w przeglądarce chmurowej i zakończone na komputerze służbowym. Każde środowisko może mieć inne konta, uprawnienia, zapisane pliki i zasady bezpieczeństwa.

Baidu twierdzi, że jego produkt dla przedsiębiorstw rejestruje wywołania AI, dostęp do danych i kluczowe operacje na potrzeby audytu. Jest to istotne w zarządzanych wdrożeniach, ale użytkownicy konsumenccy również potrzebują zrozumiałych mechanizmów kontroli. Powinni wiedzieć, które środowisko przechowuje stan zadania i jakie dane podążają za nimi na inne urządzenie.

Wspólna pamięć tworzy kolejny problem: trwałość może przetrwać swoją przydatność. Preferencja zapisana podczas jednego zadania może później stać się nieodpowiednia. Dokument użyty do badań może zawierać poufne szczegóły, których nie należy uwzględniać w przyszłym zadaniu.

Dobre systemy pamięci potrzebują więc mechanizmów usuwania, korekty, wygaszania i kontroli pochodzenia informacji. Pochodzenie rejestruje, skąd dana informacja pochodzi. Bez niego użytkownikom może być trudno ustalić, czy agent działa na podstawie bieżącej instrukcji, starej rozmowy czy strony internetowej napotkanej podczas wykonywania zadania.

Zdalne sterowanie urządzeniem mobilnym rodzi pytania o autoryzację. Produkt musi niezawodnie identyfikować, który użytkownik może wznowić zadanie i które działania wymagają ponownego potwierdzenia. Skradziony lub pozostawiony bez nadzoru telefon nie powinien stawać się zdalnym pilotem do wrażliwych sesji przeglądarkowych.

Wykonywanie zadań w chmurze tworzy równoległy kompromis. Umożliwia kontynuowanie pracy, gdy lokalny komputer jest niedostępny, ale przenosi ją do infrastruktury, której użytkownik nie może bezpośrednio sprawdzić. Klienci korporacyjni będą oczekiwać szczegółów dotyczących szyfrowania, retencji, przetwarzania regionalnego i kontroli administratorów.

Wbudowana przeglądarka również potrzebuje wyraźnych punktów interwencji. Zakupy, publikowanie, wysyłanie wiadomości, usuwanie plików i wysyłanie formularzy mogą powodować konsekwencje trudne do odwrócenia. Najbezpieczniejszy agent nie musi być tym, który wykonuje każdy krok bez przerwy.

Opublikowane przez Baidu deklaracje dotyczące wydajności nie odpowiadają na te pytania dotyczące zarządzania. Szybszy router może skrócić czas realizacji zadania bez poprawy bezpieczeństwa. Wyższy wskaźnik ukończenia może nawet zwiększać ryzyko, jeśli agent zbyt agresywnie przechodzi przez działania o istotnych konsekwencjach.

Istnieje też bardziej zwyczajne ryzyko produktowe: zawodne przekazywanie zadań. Zadanie może sprawiać wrażenie zsynchronizowanego, a jednocześnie po cichu utracić odwołanie do pliku, stan logowania lub pośrednią decyzję. Drugie urządzenie może kontynuować pracę na podstawie niepełnej reprezentacji zadania.

Użytkownicy potrzebują widocznych punktów kontrolnych, aby wychwycić taką awarię. Dobre przekazanie powinno podsumowywać cel, wykonane kroki, nierozwiązane kwestie, aktywne źródła i kolejne działania. Powinno też prosić o potwierdzenie, gdy nowe środowisko zmienia zakres dostępu agenta.

Niezależne testy będą tu istotne. Metryki Baidu zostały przedstawione przez firmę, a dostępne materiały publiczne nie opisują audytu przeprowadzonego przez stronę trzecią. Liczby należy traktować jako wczesne wskaźniki produktu, a nie ustalone pomiary.

Nie czyni to tej aktualizacji nieistotną. Określa standard, który DuMate musi teraz spełnić. Baidu przeszedł od obietnicy wieloetapowej automatyzacji do obietnicy ciągłej automatyzacji między urządzeniami, co tworzy większą przestrzeń zarówno dla wartości, jak i awarii.

Co czytelnicy wiadomości technologicznych powinni obserwować dalej

Trzy sygnały pokażą, czy międzyurządzeniowa architektura DuMate stanie się trwałą przewagą, czy pozostanie dopracowaną demonstracją.

Pierwszym sygnałem jest zachowywanie rzeczywistych zadań. W kolejnych aktualizacjach produktu użytkownicy powinni sprawdzać, czy DuMate niezawodnie zachowuje cele, źródła, pliki i zatwierdzenia po zmianie urządzenia. Powtarzające się monity lub brakujący stan osłabiłyby twierdzenie Baidu o ciągłości.

Skuteczne zachowywanie stanu wzmocniłoby argument, że stan zadania powinien stać się standardową warstwą w agentach konsumenckich. Wywarłoby także presję na rywali, by udostępniali czytelniejsze rejestry przekazywania zadań, zamiast synchronizować wyłącznie historię rozmów.

Drugim sygnałem jest przejrzysta ewaluacja. Baidu powinno opublikować definicje ukończenia prostych zadań, wysokiej skuteczności realizacji złożonych zadań, wykorzystania tokenów i redukcji kosztów. Powinno również opisać liczbę zadań, poziomy odniesienia, ponowne próby, weryfikację przez ludzi i sposób traktowania niepowodzeń.

Szczegółowa metodologia uczyniłaby zgłaszane wyniki 100 procent i 94 procent bardziej znaczącymi. Brak porównywalnych dowodów pozostawiłby kupujących bez możliwości odróżnienia lepszego wykonania od korzystnego doboru zadań.

Trzecim sygnałem jest model bezpieczeństwa wokół działań w przeglądarce i chmurze. Warto obserwować mechanizmy kontroli uprawnień, zasady potwierdzania działań, zarządzanie pamięcią, funkcje audytowe i obronę przed złośliwymi instrukcjami internetowymi. Te szczegóły zdecydują, czy przedsiębiorstwa będą mogły wdrażać agentów międzyurządzeniowych poza kontrolowanymi pilotażami.

Reakcje konkurentów dostarczą kolejnej pośredniej miary. OpenAI, Google i Anthropic już obsługują interakcje z przeglądarką lub komputerem. Jeśli wyraźniej pokażą aktywne przekazywanie zadań, Baidu wskaże rzeczywistą lukę produktową, nawet jeśli rywale ostatecznie ją zamkną.

Dla deweloperów lekcja jest taka, że warstwa agentowa przesuwa się ponad pojedyncze modele. Routing, pamięć, odzyskiwanie stanu, uprawnienia i kontrola interfejsu coraz częściej decydują o doświadczeniu użytkownika. Lepsze rozumowanie pomaga, ale to orkiestracja decyduje, czy to rozumowanie przetrwa kontakt z długim przepływem pracy.

Nabywcy korporacyjni powinni powstrzymać się od porównywania nagłówkowych wskaźników ukończenia bez wspólnych definicji. Powinni testować reprezentatywne zadania, rejestrować częstotliwość interwencji, mierzyć koszty korekt i sprawdzać, jak system radzi sobie z nieaktualnymi lub sprzecznymi instrukcjami.

Pracownicy wiedzy mogą zastosować jeszcze prostszy test. Rozpocząć zadanie badawcze na telefonie, wznowić je na komputerze, sprawdzić zachowane dowody i zweryfikować końcowy rezultat. Ten przepływ pracy testuje całą tezę DuMate w jednej sekwencji.

Baidu uczyniło ciągłość między urządzeniami konkretnym twierdzeniem konkurencyjnym w wiadomościach technologicznych, a nie wygodą działającą w tle. Teraz musi udowodnić, że ta ciągłość zachowuje osąd, uprawnienia i dowody, a nie tylko wskaźniki postępu.

Kolejne pytanie należy do użytkowników i ewaluatorów: kiedy agent AI podąża za pracą między urządzeniami, czy ogranicza konieczność odtwarzania kontekstu i dostarcza godny zaufania rezultat, czy jedynie przenosi nierozwiązane błędy dalej? Odpowiedź zdecyduje, czy trwałe agenty staną się codzienną infrastrukturą, czy kolejną funkcją, którą ludzie wyłączają po pierwszym kosztownym błędzie.