老城滨江路综合提升改造项目竣工结算审计服务竞争性磋商公告

发布时间: 2025年06月12日
摘要信息
招标单位
招标编号
招标估价
招标联系人
招标代理机构
代理联系人
报名截止时间
投标截止时间
招标详情
下文中****为隐藏内容,仅对千里马会员开放,如需查看完整内容请 或 拨打咨询热线: 400-688-2000
相关单位:
***********公司企业信息
***********公司企业信息
****路综合提升改造项目竣工结算审计服务 竞争性磋商公告

****(采购代理机构)受****(采购人)委托,拟对****路综合提升改造项目竣工结算审计服务采用竞争性磋商方式进行采购,特邀请符合本次采购要求的供应商参加本项目的竞争性磋商。

一、采购项目基本情况

(一)项目名称:****路综合提升改造项目竣工结算审计服务;

(二)项目编号:****;

(三)采购人:****;

(四)采购代理机构:****。

二、资金情况

资金来源:上级补助资金、地方配套及自筹等。

本次采购预算金额:¥141000.00元(基本费按川价发[2008]141号文件结合总承包中标金额计算,下浮50%后按14.10万元作为本次采购的最高限价)。

三、采购项目简介

****采购****路综合提升改造项目竣工结算审计服务。

四、供应商邀请方式

公告方式:本次竞争性磋商邀请****集团官网(http://gywljt.cn/)上以公告形式(官网首页——“招采”——“招采公告”)发布。

五、供应商参加本次采购活动应具备下列条件

(一)符合《****政府采购法》第二十二条:

1.具有独立承担民事责任的能力;

2.具有良好的商业信誉和健全的财务会计制度;

3.具有履行合同所必需的设备和专业技术能力;

4.有依法缴纳税收和社会保障资金的良好记录;

5.参加政府采购活动前三年内,在经营活动中没有重大违法记录;

6.法律、行政法规规定的其他条件;

****政府采购政策需满足的资格要求:

无。

(三)采购项目要求的特殊资格性条件:

无。

六、供应商磋商文件获取

项目公告期:2025年6月13日至2025年6月19日(5个工作日)。

(一)获取时间:项目公告期内09:00-17:00(**时间)。

(二)磋商文件获取方式:

磋商文件自2025年6月14日至2025年6月20日9:00-17:00(**时间,法定节假日除外)报名获取。本项目磋商文件有偿获取,磋商文件售价:¥300元/份(磋商文件售后不退,磋商资格不能转让)。报名方式如下:

1.现场报名:获取磋商文件时,在****现场获取,经办人员当场提交以下资料:供应商为法人或者其他组织的,需提供单位介绍信原件(需注明项目名称和采购项目编号)、经办人身份证复印件、营业执照复印件;供应商为自然人的,只需提供本人身份证复印件;以上资料复印件必须加盖供应商鲜章。

2.网上报名:获取磋商文件时,经办人员需提供以下资料:供应商为法人或者其他组织的,需提供单位介绍信原件(需注明项目名称和采购项目编号)、经办人身份证复印件、营业执照复印件;供应商为自然人的,只需提供本人身份证复印件。须将以上资料加盖供应商鲜章后进行扫描发送至采购代理机构邮箱,并交纳相****公司名称和项目名称,否则认定为未交纳),审核通过后代理机构将发送竞争性磋商文件至响应供应商的报名邮箱。联系人:敬先生;联系电话0839-****087,联系邮箱:****@qq.com。

七、磋商保证金

本项目不收取磋商保证金。

八、递交响应文件截止时间标书代写

响应文件接收时间:2025年6月24日9:00-09:30(**时间,与递交响应文件截止时间为同一天)。标书代写

递交响应文件截止时间:2025年6月24日09:30(**时间)。标书代写

九、递交响应文件地点

响应文件递交的地点:****广场2单元23楼10号,响应文件必须在递交响应文件截止时间前送达磋商地点。逾期送达、密封和标注错误的响应文件将被采购代理机构拒收。本次采购不接收邮寄的响应文件。标书代写

十、磋商地点

****开标室(****广场2单元23楼10号)。标书代写

十一、联系方式

采 购 人:****

通讯地址:**市**区**街道蜀门北路一段570号

邮 编:628000

联 系 人:沈先生

联系电话:0839-****799

电子邮箱:/

采购代理机构:****

通讯地址:****广场2单元23楼10号

邮 编:628000

联 系 人:敬先生

联系电话:0839-****087

电子邮箱:/

2025年6月13日


附件:附件1 .docx




附件(1)
招标进度跟踪
2025-06-12
招标公告
老城滨江路综合提升改造项目竣工结算审计服务竞争性磋商公告
当前信息
招标项目商机
暂无推荐数据