文 | 奇点研究社，作者｜行之，编辑｜孟雯

41分钟，你能干什么？开完一个会，喝完一杯咖啡，或者，等千问办公交出一份行业周报。

8月3日，Qwen3.8-Max和千问办公一同亮相，我们第一时间上手，让千问办公、Workbuddy、TRAE Work三款AI办公产品跑同一个研究任务，结果，千问办公耗时41分钟，TRAE Work用了16分钟，WorkBuddy只用了7分钟。

只看速度，这场测试毫无悬念，千问办公输得彻底。

但当我们把三份报告摊开摆在一起，事情开始变得有意思了。三个耗时数字背后，藏着的是三条完全不同的Agent路线，以及一个更值得追问的问题：当Token成为AI时代的新商业语言，卖Token的公司，会不会有动力让Agent变得越来越"重"？

一份周报，测出三条Agent路线

这次测试的任务并不复杂：生成一份具身智能行业周报，统计周期为一周，覆盖融资事件、企业动态、技术进展等内容。

看起来，这是一个非常适合Agent发挥的任务，因为它并不只是简单的信息搜索，还包含找到信息、判断价值、筛选事件、核验来源，最后形成一份可供阅读和决策参考的行业报告。

但三家AI办公产品交出的答案，却呈现出三种完全不同的产品哲学。

先看WorkBuddy。它用了7分钟，是三款产品中最快完成任务的。从最终结果看，WorkBuddy交付的内容最接近一份“可以直接修改的工作初稿”。

结构完整，标题清晰，行业动态、企业新闻、融资事件都有覆盖。对于普通办公场景来说，如果用户只是希望AI快速整理一份下午会议需要用的材料，这样的结果已经足够。

大部分办公任务，并不要求AI成为行业专家。用户更多需要的是快速完成一项任务，降低从零开始整理材料的成本。

WorkBuddy选择的是“先完成，再优化”，但问题也出现在这里，它的判断链条相对较短。

在周报中，WorkBuddy将乐聚机器人和它石智航判断为：“本周未检索到重大公开动态。”但进一步核查发现，这两家公司实际上都有公开事件发生。

乐聚机器人本周有IPO获深交所受理，同时参加了相关赛事活动；它石智航联合创始人入选MIT TR35榜单。

问题并不是信息不存在，而是Workbuddy把“没有找到信息”推导成了“这件事没有发生”。

这两个判断之间，存在一道关键鸿沟。在普通办公场景中，这种偏差可能影响有限，但当AI输出的是行业报告，用于用于判断市场趋势、竞争格局甚至投资方向，判断错误会影响后续决策。

如果说WorkBuddy体现的是效率优先，那么TRAE Work则更偏向信息覆盖。它的流程更接近搜索关键词、获取信息、汇总整理、生成报告。

从表面结果看，TRAE Work的信息量比WorkBuddy更多。它在报告中列出了十家公司动态，其中六家公司被标记为“本周未检索到可查证的新动态”，包括千寻智能、乐聚机器人、地瓜机器人、它石智航、逐际动力、中科第五纪。

但逐一核查后发现，其中至少五家公司都有公开动态。千寻智能本周有创始人在工业互联网大会上的演讲内容，也有相关深度报道；

乐聚机器人不仅有IPO相关进展，还有其他公开活动；地瓜机器人有供应链生态合作以及算力平台相关报道；逐际动力则在ChinaJoy展示了全尺寸人形机器人；中科第五纪也有专利披露和论坛活动。

这说明，TRAE Work的问题并不是简单的信息不足。更准确地说，它在这次任务中更强调信息获取，而不是深度判断。

另一个值得注意的是它的信源结构。TRAE Work生成的报告中，大量链接来自今日头条等内容聚合平台，而非事件原始来源。对于普通信息整理任务，这种方式并没有太大问题。但对于行业研究来说，找到信息只是第一步。同一家公司的一条新闻，被十家媒体转载，并不意味着出现了十条独立信息。

如果Agent无法识别信息之间的关系，它获得的可能只是更多链接，而不是更高的信息密度。

相比之下，千问办公花费41分钟完成这份周报，它在任务过程中加入了更多判断步骤。

比如它会主动标注风险，而不是强行给出确定答案。

周报中提到一条关于美国FCC限制中国人形机器人进口的信息时，千问办公没有直接写成确定事实，而是标注“目前单一信源，建议进一步核实。”

这看似只是一个细节，但它反映了一种与众不同的处理方式。很多Agent面对不确定信息时，会倾向于给出一个完整答案。因为完整，看起来“更智能”，但对于研究任务而言，知道哪里不确定，同样是一种能力。

其次它还会区分事件发生时间和报道时间。例如光轮智能与西门子的合作。这件事本身发生在7月20日WAIC期间，已经超过周报统计窗口。但千问办公没有简单删除，而是标注「这是窗口前事件，但窗口内出现相关报道，因此收录」

此外，它还会解释自己的取舍逻辑。统计逐际动力消息时，千问办公写道「窗口内处于Pre-IPO轮后的相对静默期，收录一条」除了告诉用户结果，还解释了“为什么”。

最后，它会主动交代研究方法。报告最后增加了完整的“报告说明”，包括统计口径、信源格式、可靠性说明以及覆盖范围。

这也是千问办公和另外两个产品最大的区别，它输出的不只是报告，还是在展示一套研究过程。

在另一组测试中，我们让千问办公读取钉钉里的AI硬件A1录音卡的会议转写，它没有在未获得权限时假装读取成功，而是明确提示当前无法访问数据。

重新授权后，它不仅完成了转写内容提取，还主动识别其中的语音识别错误。例如VLA被误识别为“VOA”，CVPR被识别为“cpr”，它根据上下文进行了修正。

面对无法确认的公司名称，它也没有强行猜测，而是标记为疑似转写误差，并交由用户判断。

两个测试场景完全不同，但背后体现的是同一种能力：面对不确定信息，千问办公没有急于给答案，而是知道什么时候需要验证、什么时候需要说明边界。

但要强调的是，这并不意味着WorkBuddy和TRAE Work没有研究能力。毕竟偶尔的测试结果，无法定义一个产品的能力边界，最终表现来自模型能力、Agent流程、工具链设计以及资源投入等诸多因素的共同作用。

更准确地说，三款AI办公产品展示的是不同的智能投入方式。

Agent的分水岭不是速度，而是判断成本

过去判断AI产品能力，用户习惯比响应速度、比回答丝滑度。但当AI真正走进办公场景，竞争核心从“谁回得快”转向了“谁交的活儿能用”，从“输出能力”转向“执行信用”，即用户是否相信它能够在复杂任务中，稳定交付一个可靠结果。

如此看来，三款AI办公产品的差异，其实来自它们对于Agent角色的不同理解。

WorkBuddy更像一个高效执行者。任务到手，拆解、执行、交卷，一气呵成，把原本半小时的信息整理压缩到几分钟。这套逻辑无比吻合传统办公软件的信条：工具负责提速，人负责拍板，追求先有结果再做优化，“够用就好”。

TRAE Work更像一个信息助手，它的长板是拉网，尽可能扩大搜索半径，把更多相关资料推到用户面前。在AI早期，这种能力很稀缺，毕竟过去用搜索引擎，最大的痛点就是“不知道去哪儿找”。但进入复杂任务深水区，瓶颈不再是找到信息，而是判断信息。尤其在研究型任务里，信息的数量从来就不等于信息的价值。

千问办公选了一条更重的路，它试图让Agent从“帮用户做事”走向“替用户承担判断”。

那41分钟背后对应的是更多的中间步骤：交叉信源、核验可信度、锁定事件时间、剔除重复噪音、标注风险、解释取舍。换句话说，它把原本隐藏在人类研究员脑中的工作过程，显性化了。

这也是Agent和传统AI助手最大的区别。过去的软件工具，核心价值是提高效率，Office帮人写文档，Excel帮人算数据，搜索引擎帮人找信息。工具负责执行，人负责判断。

Agent出现之后，这个关系松动了。它开始参与判断过程。它需要知道哪些信息值得相信，哪些地方需要验证，什么时候不能给出确定答案。

能否在复杂任务中建立用户信任，成为未来Agent竞争的核心。

Token正成为AI时代的新商业语言

为什么大家愿意投入更多智能成本去建立这种信任？答案指向Token。

互联网时代生意围绕用户规模展开，流量是核心资产，DAU、MAU、用户时长是衡量业务价值的标尺。

AI时代，用户数量依然重要，但更重要的是用户到底调用了多少AI能力。因为对AI产品来说，打开一次App不产生什么商业价值，真正产生价值的是调用了多少次模型，处理了多少任务，消耗了多少Token。

Token已经从一个技术指标，变成AI时代新的商业度量衡。

这也是阿里围绕Token重组AI业务的原因。今年3月，阿里巴巴成立了ATH事业群，与阿里云、电商等并列，成为阿里核心业务之一，由集团CEO吴泳铭亲自负责。ATH的核心方向被概括为“创造Token、输送Token、应用Token”，这句话背后的含义是AI时代，竞争不只是拥有一个更强的模型，还有能否让模型能力进入更多场景，并形成持续使用。

模型是供给，应用是入口，Token消耗成为连接两者的新商业指标。

最近大厂AI办公打得火热，阿里合并千问办公，字节将飞书产品团队并入豆包，腾讯持续推进WorkBuddy，其战略意图已不止于打造个人助手，而是直指企业级办公智能体这一高地，试图同时吞下C端习惯与B端预算。

逻辑在于，办公天然高频、刚需，并且直接嵌入企业生产流程，一旦AI进入写作、会议、知识管理、数据分析等日常工作，模型调用就不再是一次性的体验，而会变成持续发生的生产力消耗。可以说，办公是诸多AI应用场景里，距离Token商业闭环最近的。

不过当Token成为经营指标，也会带来新的问题。企业可能有动力推动更多模型调用，但我们也要清楚，Token增长，并不天然等于价值增长。单纯比较Token数量没有意义，重要的是每个Token创造了多少价值。

未来Agent可能会走向两条路线。一种是通过更多智能投入，提高复杂任务的完成质量，适用于行业分析、企业决策等高价值场景。另一种是通过流程优化降低成本，让AI进入更多普通工作场景。前者追求深度，后者追求规模。

两者并不存在绝对高低，成熟的Agent，要能根据任务价值动态调整智能投入，简单任务快速完成，复杂任务投入更多推理，高风险任务主动验证。

这也是为什么AI商业模式不会停留在简单的Token计费。对普通用户来说，没有人希望每天关注自己用了多少Token，就像今天用户不会计算自己刷短视频消耗了多少流量。

未来更可能出现的是，Token被包装进订阅服务，被纳入企业采购，被转化成AI生产力服务。用户购买的不是Token本身，而是AI完成任务的能力。

这样看来，三款AI办公代表的是其实是三种不同的用户假设，WorkBuddy认为用户需要快速得到一个可用结果，TRAE Work认为用户需要更丰富的信息来源，千问办公认为用户需要一个更值得信任的判断过程。这三种需求都会长期存在。

41分钟的等待，并不能证明千问办公代表了Agent的终局。但这次测试至少提出了一个行业无法绕开的命题：

当AI从聊天工具变成真正参与工作的智能体之后，Agent之间的竞争，将延伸到模型能力之外，考验产品如何理解任务价值，以及如何分配有限的智能资源。