大廠AI入口大戰升級，誰是最能干活的桌面Agent？

文 | 劃重點KeyPoints，作者｜心怡，編輯｜重點君

互聯網大廠間的AI入口大戰打到了桌面端。

先說一條剛出爐的消息。據《財經》7月21日報道，阿里即將推出千問辦公，把QoderWork、悟空、MuleRun三款Agent產品合并成，交給釘釘新任CEO陳宇森負責。

不止阿里，騰訊也正把資源集中到WorkBuddy上，字節內部討論把飛書和豆包辦公深度整合。

信號很明確，持續半年的大廠Agent“賽馬”結束，C端的入口大戰剛歇，各家開始把資源集中到新戰場：桌面Agent的入口大戰升級了。

目前戰況如何？數據顯示，WorkBuddy今年7月DAU已突破1300萬，是國內用戶活躍度最高的Agent辦公產品。再看一組訪問量數據，從六月桌面AI原生辦公智能體的訪問量看，騰訊WorkBuddy、阿里QoderWork排在第一梯隊。

四位選手各有來頭。

WorkBuddy產品底座沿用打磨兩年多的CodeBuddy內核，馬化騰在財報會上直接稱它是“中國使用最廣的效率智能體服務”。

豆包專業版背靠字節自家的Seedream、Seedance，是四家里多模態彈藥比較足的一個，但只跑自家模型、生態也有些封閉。

百度搭子入局較晚但動作密集、持續升級，7月剛甩出個人版升級、企業版和“搭子聯盟”三個更新。

QoderWork是阿里把Agent能力從代碼搬到辦公的產物，招牌是帶下載量排行的技能市場和15套專家套件，即將要升格為“千問辦公”的底座。

一線城市機場和地鐵的廣告位上，大家都說自己是六邊形戰士。但用戶更多只關心一件事：今天要選一款Agent，到底誰能真正干活？

這次，我們挑兩個高頻的真實工作場景，同一臺Mac、同樣的提示詞、注冊即得的免費檔，把四家放在到一起對比。

兩個真實工作場景，看誰最能干活

兩個場景各代表一類辦公剛需，一個是重復操作型，考的是手勤不勤；一個是內容生產型，考的是腦子和手藝。

事情不難，但是人工做起來真的很費事，能偷的懶還是偷一偷。

因此，我們需要檢查桌面Agent能不能自己“坐到電腦前”，把鼠標鍵盤用起來，從頭跑完流程，最后交給我們一份能直接用的本地文件，而不是像問答AI只給到一個“你可以這樣做”的方法。

這樣一來，權限申請順不順、過程看不看得見、耗時穩不穩，也都在觀察范圍內。

場景一

我們給四位選手同一條提示詞：

不得不說，用工具和測工具難的不是任務本身，整個過程很像做實驗，環境沒理順，出bug總讓人心里堵、想放棄。

WorkBuddy我們前幾次就沒測成功，細看發現它硬啃反爬、卡在無頭瀏覽器安裝上，Agent直接放棄，任務黃了。

下面的成績，都是環境理順之后的正式記錄。

WorkBuddy老老實實地打開了openai.com/news，最終頁面只渲染出9條，命令行curl又被反爬擋下（403）。但這次它沒一條道走到黑，轉頭找到官方RSS訂閱源作為“最新更新”的權威口徑，按時間倒序取滿10條，在桌面生成了兩張表：最近10條明細+Agent中文速覽獨立頁，還自檢了一遍鏈接可用。

全程花了約4分鐘，但我好像被騙了。任務是33分啟動、37分才真正跑完，但界面上的“完成時間”始終停在33分，有一點掩耳盜鈴的意味。

測下來，騰訊WorkBuddy任務執行先受阻，然后靠RSS兜底把活干完。

百度搭子在任務開始前一次性申請權限、顯示開始時間，執行時直接跳到默認瀏覽器，你能親眼看著它滾動翻頁取數，全程約4分鐘。產出10條，但摘要整列是英文、沒做中文化，鏈接也被塞進摘要單元格，沒獨立成列。

測下來，百度搭子過程相對透明，速度也較快。

豆包的過程就比較偏黑箱，任務開始時不提示開始時間、網頁滾動也不顯示。最終產出10條，中文摘要的信息密度在四家里數一數二（帶具體數字），也是唯一把“Agent中文速覽”做進Excel獨立頁的一家。對照官方RSS時間序，它抓的這10條恰恰貼近字面的“最近”。

測下來，豆包摘要比較扎實，抓得也算準。

QoderWork選擇走軟件內置瀏覽器檢索，約12分鐘，四家里墊底。前期沒有人工驗證會一直空等；后期「真人驗證」反復5次以上才過，交互比較磨人。產出結構還算規范，一共有7列、中英雙標題、帶分類與可點鏈接。比較糟糕的是把一條內容的日期認錯成7-15，連帶漏掉了真正7-15的新聞。

測下來，QoderWork結構規范，但慢、手動卡人機驗證。

同一句提示，四家抓出的“最近10條”并不重合（?=命中）

有意思的是，這四家抓出的最近10條，只有四條對上了。

我們將四份產出并排一放，只有4條是四家共有的，其余各不相同。

分析原因發現不是誰抓錯了，而在openai.com/news本身有兩套順序：默認卡片視圖是編輯精選序，RSS是純時間倒序。豆包和WorkBuddy落在時間序陣營，貼近字面的“最近”；百度搭子和QoderWork跟著頁面卡片，貼近“人打開頁面第一眼看到的”。兩邊都不算錯，但好的Agent應該主動告訴你，它用的是哪種口徑。

Agent能力測評，真正拉開差距的，不是誰點得漂亮，而是最后到底有沒有把東西交出來。

百度搭子、豆包和QoderWork全程真機點擊，自己一步步跑完；WorkBuddy一條路走不通然后就退回RSS抄道。

但說到底，桌面Agent能不能甩給我們一份打開就能用的文件，比它中間走哪條路重要得多。卡住的時候，肯繞路的往往比硬頂的更管用。

場景二

換個身份代入一下。假設你是個做AI的自媒體博主，或者給博主打工的運營。7月模型圈炸了鍋，這波熱度必須蹭。Agent要先摸清楚這個月發生的時間，挑一個有爆款相的選題，一口氣把公眾號文章、小紅書圖文、數字人口播視頻（還是很有難度的）這三件套全出齊。

這題評的是干活和交付的水準，模型新聞本身真假不核實。四家檢索出來的核心事實高度一致，個別對不上的地方在點評里標出來了。

四款提示詞一樣：

四位選手，一個個上。

WorkBuddy一上來先建了個任務追蹤，把活拆成盤點「選題→三件套→配圖」，全程3分16秒，四家里最快。選題定的是《全球最大開源模型誕生——中國開源聯軍改寫AI游戲規則？》鉤子還不錯，自帶開源vs閉源的沖突感。

最亮眼的是公眾號直接給了能渲染的HTML成品，頭圖壓著標題，還甩出金句"美國賣鏟子，中國發鏟子還包郵"，全文約900字，符合字數要求；小紅書、口播稿、分鏡表一樣不落，4張配圖風格還挺統一。唯一沒跑完的是數字人成片（本機沒渲染引擎），但它老實交代了，還主動給了個替補方案。

測下來，騰訊WorkBuddy，快，省心，東西拿到手就能用。

百度搭子動手前先正經做了需求分析，交付前還查了字數、精簡了兩回。它檢索的數據在四家里算細的，跑分、定價、股價波動，全都有出處。選題《七月AI大亂斗》，沖突和情緒拉滿。公眾號走的是深度分析路子，還多合成了一段TTS口播音頻，下載途中代理掛了，它自己用curl繞了過去。

不過也做的差的地方，正文1510字，比1500的硬線多了10個字；成品是.md，不是能直接渲染的HTML。

測下來，流程一板一眼，檢索真的有點實力。

比賽的四家里就豆包一個命中了專門的自媒體寫作技能，下筆前先把公眾號、小紅書、短視頻分鏡這些平臺規范挨個讀了一遍，干活的路數也像個老練的新媒體編輯。

細看發現檢索面也廣，光國產陣營就盤進來6家以上。

真正拉開差距的是專業度，公眾號約1400字，附4個備選標題，還逐條核對了來源做內容驗真；小紅書連置頂評論怎么寫、怎么連發矩陣、怎么回評都給了。配圖里那張標著真實模型名的陣營對比圖，是四家里最貼題的，另外還有數字人形象圖和TTS語音。交付方式也獨一份：所有成品寫進一份飛書在線文檔，復制就能發。毛病是頭圖有點文字錯亂，思考獨白啰嗦了些。

測下來，豆包算是一個學好規矩再動筆的學生。

QoderWork本次耗時約10分鐘，屬于比較慢的選手。選題“輪到閉源巨頭睡不著了”，鉤子合格，公眾號約1480字結構挺整，小紅書和口播稿也都有。真正栽跟頭在多媒體：配圖服務出故障，重試6次全敗，圖片生成失敗，音頻視頻也沒影。結尾反問了一句“需要我現在重試出圖嗎”，已經忘記我們“一遍跑通”的要求。

測下來，這位選手屬于是文字過關，配圖有點糟糕。

圖為：Agent耗時相對速度

配圖和多媒體，這才是這道題真正拉開距離的地方。

三家成功出圖、風格統一、拿來就能用：WorkBuddy出了4張，百度搭子3張配圖外加一段TTS音頻，豆包的圖相對最對題、數字人形象也做得突出；QoderWork呢，顆粒無收。

圖為：各家生成配圖與多媒體成果對比截圖

文字這關，四家都不錯。真正把高下分出來的，是誰能帶著編輯規范和運營策略，把成品直接交到你手上，能做到這步，Agent才算得上一個靠譜同事。

跑下來最深的一點感受是：東西能不能直接用，遠比文字漂不漂亮值錢。飛書文檔、能渲染的HTML，拿到手就能發；換成只丟給你一堆文字加提示詞的，乍看挺齊全，真要落地，剩下的活還得你自己干。

多媒體是道硬門檻，出了岔子能兜住才算有實力。任務遇阻卡住了但肯繞條路把活交付，比悶頭硬扛強得多，畢竟誰喜歡不能干活給公司憋大雷的同事呢。

價格：這筆賬得單獨算

實測下來，好消息是大家都給了免費額度，多數情況下跑個一兩個任務是夠用的。

我原本也是這么打算的，不充值，就當個普通用戶，拿免費額度老老實實跑一跑，這樣也更貼合大家平時的真實用法。結果誰知道，跑到豆包這兒就提示余額不足了，我只能咬牙充了68塊把第二個任務跑完……

所以話說回來，真打算重度用之前，還是建議先拿免費檔把你天天要干的活跑一遍，看看積分燒得快不快，再決定這錢怎么掏。

誰會終結這場比賽？

兩個場景跑完，沒有全能冠軍，但我們摸清了各位當下擅長什么。

四家廣告打得正兇，真正的勝負手根本還沒露面。

這場比賽的玩法，也正在悄悄改變。

上半年整個行業燒錢燒出一條教訓，Agent能生成，不等于活能交付。生成一快，復核、判斷、擔責這些得人來干的環節反倒成了堵點。

有研究說，自主編程Agent能把代碼提交量拉高120%，可真正上線的只剩三成。就好比后廚切菜快了三倍，餐廳一天還是賣那么多桌。

所以誰贏，現在下結論太早。對用戶來說，想清楚最常干的那件事，拿免費額度把它跑通，再決定掏不掏錢。

我們測的時候，這幾款產品幾乎是一天一個樣，功能天天在變，所以這回只挑了兩個場景跑，不敢說測全了。

而且現在有個大趨勢，各家Agent都在搶入口，Agent正從電腦桌面往手機上挪。一個方向是手機端和桌面的聯動，你人在外面，用手機就能給電腦上的Agent派活，回頭它在電腦那頭默默把事辦了。另一個方向更有意思，是往微信這種IM里鉆，你在微信或者飛書里隨手一句話，活就交出去了，連App都不用專門打開。

這倆場景眼下都挺熱，可惜這次沒趕上測，我們留到下一輪再看。