WorkBuddy、豆包工作和千问办公谁更懂办公？测评后我们有10个发现｜新皮层

实习记者：李昂、王小淳

编辑：吴洋洋

厮杀两个月后，AI办公的格局目前是这样的：根据QuestMobile 10月20日发布的《2026年三季度AI应用市场发展报告》，发布时间最早的WorkBuddy依旧是用户量最多的AI办公产品，截至9月，其月活用户规模达到3235.3万，相较6月增长647.1%；而7月上线的千问办公月活用户规模790.5万，8月上线的豆包工作月活用户规模204.9万——作为后来者，千问办公和豆包工作与WorkBuddy仍有不小的差距。

WorkBuddy依然保有先发优势，不过，测试了3个产品后，我们有以下7个发现：

❶从结果看，3个办公助手的能力其实差不多，即使是个初入职场的「小白」用户，也能轻松基于3个产品交付60分的东西。

❷与一年前的AI助手相比，这些今年才出现的办公助手的可靠性（更少幻觉）和生成结果的可控性（更好的指令遵循）、多模态生成能力，以及理解更长上下文的能力都显著提高了。

-更可靠：通过更多地标注出处和基于思维链的反复核查，这些办公助手回答问题出现幻觉的频率都大幅降低了——只是降低，不是完全消除。

-更可控：AI现在能更准确地理解用户用「大白话」表述的意图，用户提出的修改意见，它们也基本都能准确领悟修改方向并付诸实现。

-更强大的处理能力：这些AI已经能够一次性处理更多复杂文件，百万Tokens上下文成为标配。

❸但要得到七八十分甚至更高水平的结果，人的介入和主导仍然是关键——一些复杂的工作需要我们与这些办公助手多轮交互和修改才能做到足够好，而多轮交互和修改伴随着更高的成本。

➍而且，更大或思考更多的模型不一定更有效率、任务完成得更好。在WorkBuddy中，我们让Hy4-Preview模型将一个pdf文档转换成word格式，它完成这项任务花了将近40分钟。一些模型通过调用工具而非生成工具的方式完成任务效率反而更高。

➎豆包工作（面向企业用户）目前也像WorkBuddy一样为用户提供自家模型之外的第三方模型。但用户常常不清楚要在这类产品中选用哪个模型干活，学习成本和决策成本都很高。

在以上共性之外，3个产品在以下方面已经显现出一些显著不同：

➏自主性：豆包工作更自主，千问办公和WorkBuddy更听话

豆包工作更突出「托管感」。当你把一个任务丢给它，它在进程中弹窗向用户确认权限或步骤细节的次数最少，且成果乍一看还挺亮眼。

千问办公有更强的「秘书感」，当你要它执行复杂任务，它会跳出多个弹窗，像个「秘书」或「实习生」一样，向你确认你的需求细节，这么做带来的好处是用户对任务的掌控感更强，且第一轮交付就能给出一个不会偏离需求太多的成品。但如果你把一些复杂任务交给它，想着忙完别的事回来就能得到交付结果，很可能会得到一个等待确认的弹窗。

WorkBuddy也喜欢通过弹窗向用户确认步骤。

➐效率：豆包工作更追求交付速度，千问办公和WorkBuddy优先考虑的是品质

3个产品中，豆包工作是最在意结果交付速度的。比如在一个「查找和下载15个品牌的logo放进一个文件夹」的任务中，3个产品都没有询问图片的具体格式的前提下，WorkBuddy和千问办公给出的都是矢量图，豆包工作直接交付了从百度百科中搜索获得的png格式图片——这也让豆包工作完成任务的速度最快，它只花了2分钟就把15个不够高清但「可用」的logo找好了，而WorkBuddy和千问办公完成任务都用了差不多一个小时时间（分别57m12s和54m16s）。

➑授权：豆包工作索要授权最多，其次是千问办公，WorkBuddy最少

3个产品中，豆包工作向用户索要的授权等级最高。遇到一些从代码层难以触达的任务时，豆包工作和千问办公都会询问用户是否许可通过GUI读屏的方式来完成任务，WorkBuddy则未出现这种情况；其中，豆包工作比千问办公更常触发GUI读屏授权，以至于即使只需要基于一些电脑内的素材撰写一篇文章的简单任务，它也更倾向于通过读屏而非CLI的方式开始第一步。

➒Token耐用性：70元包月两天就能烧完，WorkBuddy最耐烧，豆包工作最不经烧

成本方面，我们初始分别订阅了豆包工作68元、千问办公78元、WorkBuddy 70元的连续包月套餐。在我们的测试中，豆包工作的积分消耗速度最快，其次是千问办公，WorkBuddy的积分最经用。我们订阅的都是3个产品最基础档的那套套餐，花光它们差不多都只用了两三天。

具体来说，由于豆包工作的积分规则是每7天重置一次积分，而不像另外两家一次性发放完基础积分，在7天周期内，它的积分消耗速度最快。我们用它制作了3家公司的财报分析、生成HTML、并生成一份PPT，再让它梳理了「AI十大节点事件」并生成图片和视频后，它在生视频环节便耗尽了7天内积分，使得我们需要额外购买积分包。

千问办公是第二快耗完基础积分的。它在做完3公司财报分析及HTML、AI十大事图片视频生成后，于财报分析中的错误修正环节耗尽了积分，充值后才完成错误修改并进入PPT生成环节。而这部分也源于它是财报分析中数据错误最多的。

WorkBuddy耗完积分最慢。部分源于它在生成「AI十大节点事件」视频的任务中没有用多模态模型直接生成，而是主动使用了代码生成的讨巧方法，导致它消耗积分的速度远远慢于另外两家。在做完财报分析、PPT，AI十大事图片和视频、杂志海报设计、并生成太和殿视频和铁道女孩视频……差不多10个任务后，它的积分依然没有耗尽，还有超过1/4的积分剩余。

➓把这些产品都试用过之后，我们的最终体会是：

-我们其实不会完全只专注使用其中一个产品、抛弃另外两个，而是会同时使用这些产品——在一个AI进行某项任务时，打开另一个AI交给它另外一个任务；

-或者我们会同时把同一个任务丢给它们三个，看谁干得最快，从而选择那个最快给出结果的AI继续接下来的工作，直到它完成得不怎么样，再切换去其他AI。

-总的来说，使用这类产品时人的耐心其实是有限的，大家都(只)能给出60分左右的结果时，一个好AI最重要的品质首先是快、然后是可用（而非精美）、最后是省积分。另外，是否切换工具并不由成功驱动，而由失败驱动——一次好印象足以留下，一次失败也足以让人跳开。忠诚并不存在。

以下是我们针对各个细分场景的详细测评。

一、金融分析

在这个场景中，我们让3个产品分别去搜集下载A股光模块「易中天」（新易盛、中际旭创、天孚通信）3家公司2020年至今的季度报表、半年报和年报，并让它们从产业研究员、买方分析师、投资经理、风控分析师等四重视角梳理分析这3家公司的经营情况，并整体对比3家公司给出一份研究报告。

1. 下载效率

3个产品都准确找到了财报并完成了下载。其中，WorkBuddy在下载上耗时最久，花费了约25分钟，豆包工作花费了约14分钟，而千问办公最快，大约9分钟便完成了任务。在交付的细致度上，WorkBuddy做得最好，它下载完后按年份对财报文件做了进一步归档，增强了用户索引的便利度，而豆包工作、千问办公没有这一步动作。

2. 可视化

分析开始后交付的第一版成果，3个产品均没有考虑到用可视化图表来增强庞大数据分析的可读性。其中千问办公只是交付了纯文字且毫无可视化的Word文件；WorkBuddy交付了有少量可视化图表、做了精美排版的HTML文件；豆包工作则同时交付了飞书Word文件与HTML文件，且两者都有少量可视化图表。

进一步提出交付充分可视化的HTML文件诉求后，我们获得上面3个HTML页面。上中下分别为千问办公、WorkBuddy和豆包工作产出的HTML截图：千问办公倾向于把能够图表化的信息都图表化；WorkBuddy大量使用文字表达、几乎没有绘制可视化图表；豆包工作的可视化程度居中，大量信息也以文字出现，少量信息增加了可视化。

3. 幻觉率

在进一步提出要交付具备充分可视化的HTML文件诉求，并补充了我们想要的一些财经分析指标后，3个产品都交付了大致能用的成果：

从数据事实梳理及分析的角度看，WorkBuddy的表现最好。其生成成果中只有1处错误——它提供的天孚通信历年「境外收入占比」数据抓取整体错误，抓取到了数值相去不远但来源不明的数据。

千问办公在「引文可核性」方面做得最好，其内容做了最多最精确的信息来源标注，方便用户很快地索引到财报原文。但它的事实错误也最多，多达8处的错误包括但不限于中际旭创2020年经营活动现金流净额抓取错误导致净现比计算错误、天孚通信2026年上半年扣非净利润已披露标注为未披露、新易盛汇兑损失数据抓取错误、利润总额与归母净利润口径混用错误、天孚通信2025年分红率计算错误等。

豆包工作在引文标注上最随意，事实缺陷也有3处：一是天孚通信2025年现金分红数据抓取错误，导致现金分红与归母净利润之比值计算错误；二是将新易盛2025年的净财务费数据错误识别为汇兑损益数据；三是天孚通信2026年上半年毛利率已披露，却未能识别出来，选择自行计算出了一个与披露值有差异的数据。

4.洞察力

而在基于数据的财务分析部分，WorkBuddy和千问办公都展现了敏锐洞察的亮点，豆包工作的表现则最为平常，给出的大部分分析都是标准财务比率，比较像一份流水账式的平淡券商研报。

WorkBuddy自行搭建了ASP（分产品收入÷销量）和现金转化率两项指标，敏锐地指出了中际旭创和新易盛如今的利润并没有真正转化为现金，而是存在于应收账款、企业库存当中，这意味着它们的财务健康状况并没有雄厚的利润所显示的那么理想，可能会随着行业景气度的波动而剧烈波动。此外，WorkBuddy还指出新易盛如今的产量扩张幅度，并没跟上它的产能扩张幅度，其产能利用率反而在下滑，与其极高的毛利率形成了鲜明反差。

千问办公则很有想法地将「易中天」3家公司历年的增长斜率与科技大厂的资本开支对比，指出「光模块三家的当期盈利，本质上是云厂商capex的二阶导数，capex增速放缓（哪怕绝对额仍增长）即会触发行业负向经营杠杆」，并列举了2023年云厂商资本开支放缓的案例，当时新易盛的营收下滑了6.43%、毛利率跌至31%。

二、可视化

在刚刚那一系列「易中天」金融任务中，我们除了要求3个产品在HTML中做可视化，也要求它们各自制作了一份PPT。

1.联网性

在HTML中，3个产品最大的差别在于豆包工作和千问办公都用了Echarts来生成图表，这也意味着如果断网，网页中的图表便无法显示；千问办公的图表形状设计、颜色选用更贴合当前审美趋势。而WorkBuddy采用了SVG本地绘制，所以它的图表即使断网也可打开。

2.审美与实用性

在PPT设计中，千问办公依然是图表设计最好看的，只是在一些文字的陈列上，字号选择过小，没完全考虑到PPT作为演示文件时观看者的观感；WorkBuddy在PPT整体板式设计上做得最好，通过章节分页考虑到了演讲节奏，通过关键数字的放大强调了演讲要点和视觉重点，也用了适当的字号照顾观感；豆包工作的PPT则相对平淡，没有硬伤，但也没啥亮点。

豆包办公生成的PPT页面完成度最高。

千问办公生成的PPT页面存在部分文字过小问题。

WorkBuddy生成的PPT更多以文字表达，而非更可视化的数据图。

3.一个具体例子

我们还让3个产品阅读了《为什么是折叠屏？》这篇文章中用到的Excel数据，生成适合放到新闻报道中的图表和洞察。

第一轮交互中，3个产品都用十几分钟完成了任务，图表里的数据没有错误，但样式和内容各有优劣。Prompt中没有规定输出格式，千问办公用Python代码绘制了4张PNG图片，豆包工作和WorkBuddy都制作了HTML网页、内嵌E charts图表。其中，豆包工作在思考过程中提到，它调用了内置的可视化Skill。

千问办公制作的图表

千问办公第一次生成的图片几乎没有配色，显得最不美观。但它也是3个产品中唯一一个在首轮交互中就考虑到视觉效果的：它反复「自检」是否存在文字、数据点的重叠遮挡，生成的图片可读性比较强。

WorkBuddy制作的图表

豆包工作和千问办公的两个HTML网页，初看排版、配色都比较精美，但在可用性上存在通病——多处画面元素互相遮挡，有些文字和图例必须通过鼠标悬停交互才能显示，不适合作为新闻报道的静态配图。

豆包工作制作的图表

在后面几轮交互中，我们规定图表用于「微信公众号场景」，WorkBuddy和豆包工作都通过多次在网页中渲染、截图、检查，成功调整了图表各个元素的位置，并重新创建了一个专门用于导出静态图片的HTML文件。不过，与Python代码相比，HTML修改后的效果验证需要Agent打开浏览器渲染，耗时明显更长。

三、海报制作

我们还设计了两个生图场景，来测试这3个产品的图片制作能力。

首先我们让3个产品为我们生成展示自2022年GPT问世至今AI圈十件大事的9:16比例的海报。三张海报的效果差别并不大，豆包工作调用的是自研的Seedream 4.5模型，耗费51.68积分，千问办公通过HTML代码绘图花费了43.14积分，WorkBuddy的图则是花费16.16积分生成的。

从左到右依次为豆包工作、千问办公、WorkBuddy

第二个任务，我们让3个产品为《让一部分机器人先演起来》这一期封面报道制作3张《第一财经》YiMagazine的杂志封面。我们提供了封面故事原文，也告诉它们保持杂志抬头的字体与分行设计即可。

在这项任务中，豆包工作完成得最好，一次就基于Seedream 4.5花费32.26积分生成了3张设计感不错、要素也得以保留的封面。

WorkBuddy的表现居中，在第一轮交互中它生成的三张图中有两张都沿用了我们提供的参考图的抬头字形设计，在第二轮生图中才得以改善，单轮生图花了31积分，未显示模型。两轮生图我们所要求的大部分细节都得以保留，只有一张图的条形码没控制好，还有两张图把杂志Slogan「探索明亮的商业世界」的「的」字去掉了。

千问办公一开始想讨巧地使用HTML代码生成杂志封面，结果字形设计与图片样式都不乐观，还花掉了30积分，相比另外两家并没起到省钱的效果。于是我们主动要求它用多模态模型生成，然而它也没用阿里巴巴自家的多模态模型，而是调用了Google的banana-image-2，花费了77.9积分，生成的设计算是抽象另类风，颇有巧思，但顶栏的文字设计依然未能符合要求，且有所重叠。

豆包工作生成的封面图

WorkBuddy生成的封面图

千问办公生成的封面图

四、Computer Use

我们测试了3个产品读取本地Chrome浏览器网页的场景，来测试这些Agent能否在电脑上跨应用操作。

我们在本地浏览器上打开一个需要登录才能浏览的内容网页后，要求3个产品去阅读。千问办公会主动调用本身自带的浏览器调用Skill，从Chrome插件层去读取网页。当其阅读动作被网页识别为机器人后，它会要求获得用户的截屏权限来读取内容。

豆包工作调用了「操作电脑」的内置Skill，据它自己介绍，这是利用了macOS的辅助功能框架，通过操作电脑的GUI模型，也就是直接录屏、读取用户的电脑屏幕来完成代操作。不过，这个操作对系统权限的要求较高，并非所有人都能接受，豆包手机助手也因GUI技术被很多App厂商以安全为由禁止接入。

WorkBuddy也自带连接浏览器的功能，但其入口隐藏较深，需要用户手动开启。在思考任务的过程中，WorkBuddy会核查用户有没有启用该功能，如果没有它也并不会提示用户开启，而是会自动放弃该路线，寻求其他方案。在我们的测试实例中，它选择构建一个临时目录并复制一个登录态的浏览器网页，通过后台的一个临时调试端口来阅读该网页以完成阅读任务。多轮操作中，WorkBuddy都没有尝试过截屏或录屏电脑。

在Browser Use任务中，我们还让3个产品「在本地浏览器登录小红书」。打开浏览器、找到登录按钮后，3个产品都提示用户自行在浏览器上扫码或者输入手机号。对于涉及个人信息的敏感操作，这些办公Agent至少现在还无法独立完成。相比之下，Meta上个月推出的个人助手Muse已经能在每个账号对应的云端虚拟机上存储网站的账号、密码了。

五、产品设计

我们还模拟了一个互联网产品经理的日常任务——让3个AI为一个网页平台设计新功能，明确具体的需求、写成文档，然后画出HTML原型图。

3款产品都用了40分钟左右完成两轮交互，也都交出了可用的文档和能点击交互的原型。在这个任务中，它们最大的差别在于「性格」。

千问办公最「听话」，但生成的内容不够落地。拿到需求后，千问办公先用4个选择题把不确定的事项问了一遍再开工。它生成了清晰的待办清单，思考过程可读性强，用户随时能知道它在干什么。短板是它的思考过程仅仅停留在用户的模糊指令上，没有代入「产品经理」这个角色。在第一次交互中，它只生成了一份产品设计的「功能说明」，但没有写出这个功能要怎么接入真实的网页和数据库，如何统筹研发、算法、运营等不同业务角色的协作。

千问办公与用户交互的需求清单。

豆包工作没有向用户提问任何问题，直接按自己的理解交了一个完整版本。它生成的文档框架最全：有图片格式的流程图，有待办清单和需讨论问题列表，每一项决策都标标注了负责人。这是三份文档里唯一一份像是通过真实的团队协作里产生出来的。

豆包工作的一个亮点是豆包和飞书的生态打通。用户在客户端登录飞书账号后，豆包工作交付的文档默认是飞书文档。如果用户正在用飞书和同事协作，能多人编辑、通过链接分享的飞书文档非常方便交流。但相比其他两个产品生成的本地Markdown文档，豆包工作编辑飞书文档的速度要慢很多。

豆包工作生成的产物是飞书文档，保存在用户登录的飞书账号里。

WorkBuddy的「思维」最发散。拿到任务后，它和千问办公类似，向用户提了一些问题，而且它不单单是澄清需求，还会重新定义需求本身、推翻用户的原始设想。其部分观点具有启发性，比如对于网页交互背后的用户诉求思考得相对全面和深入。但也有几个地方，WorkBuddy替用户改了主意且没有向用户确认——它的一些判断不是Agent该做的，甚至不是产品经理这个角色该做的。这一点和WorkBuddy在可视化任务中脱离数据的洞察也有点像。

或许，面对一个还不确定该怎么做的新任务，WorkBuddy的发散思维有价值；但面对一个已经想清楚、只需要有人实施出来的任务，千问办公的听话才是优点。

六、视频制作

最后，我们通过3个场景测试了它们的视频生成能力。

第一个任务

我们让3个产品基于之前的「AI十大事件」海报，再生成一个「AI来时路」的情绪向短视频。千问办公交付的成果最惊艳，它用Seedance 2.0生成视频、MiniMax Music 2.5生成音频，制作了一条歌曲与画面完美贴合、每一帧的背景画面都基于事件的变化有所变化、每一件大事下都有一段说明性文字注释事件详情的视频，但总共花掉了3023.71的积分。

WorkBuddy：AI来时路

WorkBuddy交付的任务最有性价比，它选择通过代码生成视频和纯音乐音频，也做到了画面切换自然，每一件大事下都有一段说明性的文字注释事件详情，只花了235积分。

豆包工作：AI来时路

相较而言，豆包工作生成的视频就略显一般，尽管同样调用Seedance 2.0生成，但每个标题下它给出的说明性文字都没有有效信息，视频节奏过快，收尾也过于仓促，却花掉了2251积分。

千问办公：AI来时路

第二个任务

我们让3个产品生成一个呈现太和殿四季变换的10秒视频，镜头以40至45度角俯瞰太和殿，镜头从左侧移动到右侧，同时背景的光影节气也要变换，时间覆盖从清晨到黑夜，季节要从春天到冬天，夏天有雷雨，冬天有暴雪。

这回千问办公依然在第一轮交互中就交付了符合要求的视频，虽然太和殿的建模略显粗糙，但春花、夏雷、秋叶、冬雪的呈现都很完备，视频视角也符合要求，这次它调用Seedance文生视频只花费了99.91积分。

豆包工作交付的视频没有满足Prompt要求的四季。

WorkBuddy交付的作品最亮眼，它先用Hy image 3.5生成定帧图，再发送给MiniMax H3图生图，所交付的作品也最接近太和殿本身的样貌。但第一轮交互中它所生成的视频选用平视的视角而非俯瞰的视角，没能符合要求。第二轮修正才符合需求，合计花费了444.73积分。

而豆包工作作为Seedance 2.0的「本家」兄弟，在这次任务中交付的结果依然不尽如人意，第一轮生成的作品既没满足俯瞰视角的要求，也没满足四季变换的要求，没能呈现出秋天的节气。修正后的第二轮作品符合要求了，但视频的顿挫感太明显，且视频的配乐缺乏意境，和上一版的配乐都给人很潦草的感觉，合计花掉了2900积分。

第三个任务

我们让3个AI生成一个固定机位全景视频，在月台的一侧拍摄火车穿梭后对面月台出现的女子。我们有意在提示词中加入了容易引发歧义的句子，称「机位平行于铁轨」，但并未说清是镜头视角平行于铁轨，还是机身及拍摄者的身体平行于铁轨，以此观察它们能不能处理好这句歧义。

千问办公交付的影片中人物出现非常不自然。

这次千问办公处理得最为糟糕，它直接让女孩以渐显的方式像幽灵一样出现在火车穿梭后的铁轨上，既没理解用户的歧义表达，也没让作品符合物理规律，还不具有美感。

而WorkBuddy则作出了个折中的选择，它让镜头平行于铁轨，同时让女孩出现在了同侧的月台上，虽未能穿透歧义，但保留了美感和物理规律。

而豆包工作这次的表现最为出色，它理解了歧义，一次便基本完成了生成需求。

总的来看，这3个办公Agent确实能大幅提高一些复杂任务的处理效率，但还没摆脱「抽卡」式交付的麻烦——每次生成什么样的结果依然具有不确定性。AI确实造就了还不错的「办公搭子」，但想要让它变成一个万能的「阿拉丁神灯」，还有不小距离。

-END-