耗時41分鐘，千問辦公押注了怎樣的Agent未來？

41分鐘能做什麼？開一場會議、喝一杯咖啡，或者等千問辦公交出一份行業週報。8月3日，阿里旗下千問辦公與Workbuddy、TRAE Work三款AI辦公產品同時接受同一項任務測試——生成一份具身智能行業週報，涵蓋融資事件、企業動態與技術進展。結果顯示，千問辦公耗時41分鐘，TRAE Work用了16分鐘，WorkBuddy僅花7分鐘。若只看速度，千問辦公顯然落後；但當三份報告攤開比對，背後截然不同的Agent路線才真正浮現。 測試任務看似簡單，卻考驗AI的資訊檢索、價值判斷、來源核驗與整合能力。WorkBuddy以7分鐘最快完成，交付的內容結構完整，標題清晰，涵蓋行業動態與融資事件，對多數辦公場景而言已「夠用」。然而，它的判斷鏈條較短，例如報告中將樂聚機器人與它石智航標記為「本週未檢索到重大公開動態」，但實際查證後發現，樂聚機器人本週有IPO獲深交所受理，它石智航聯合創始人則入選MIT TR35榜單。WorkBuddy把「未找到資訊」直接推論成「事件未發生」，這道鴻溝在普通辦公中影響有限，但若用於市場判斷或投資決策，可能造成誤導。 TRAE Work則偏向資訊覆蓋，流程類似關鍵字搜索、彙整與生成報告。它列出十家公司動態，其中六家被標記「本週未檢索到可查證新動態」，包括千尋智能、樂聚機器人、地瓜機器人、它石智航、逐際動力、中科第五紀。但逐一核實後，至少五家都有公開事件：千尋智能創始人在工業互聯網大會演講、樂聚機器人IPO進展、地瓜機器人供應鏈合作、逐際動力在ChinaJoy展示人形機器人、中科第五紀有專利披露。TRAE Work的問題不在資訊不足，而是過度依賴內容聚合平台（如今日頭條）作為信源，未能區分同一事件被多家媒體轉載的獨立性，導致資訊密度被稀釋。 千問辦公花費41分鐘，過程卻展現出截然不同的處理方式。它在週報中主動標註風險，例如一條關於美國FCC限制中國人形機器人進口的資訊，千問辦公寫明「目前單一信源，建議進一步核實」。面對不確定資訊，它沒有強行給出確定答案，而是標示邊界。此外，它區分事件發生時間與報導時間，例如光輪智能與西門子的合作發生於7月20日WAIC期間，已超過統計窗口，但千問辦公仍收錄並註明「這是窗口前事件，但窗口內出現相關報導」。它還會解釋取捨邏輯，如逐際動力處於Pre-IPO輪後的相對靜默期，僅收錄一條消息。最後，報告附上完整的「報告說明」，包含統計口徑、信源可靠性與覆蓋範圍，輸出的不只是報告，更是一套研究過程。 另一組測試中，千問辦公讀取釘釘內AI硬件A1錄音卡的會議轉寫。未獲得權限時，它明確提示無法訪問；重新授權後，不僅提取轉寫內容，還主動識別語音識別錯誤，例如VLA被誤識為「VOA」、CVPR被識別為「cpr」，並根據上下文修正，遇上無法確認的公司名稱則標記為轉寫誤差，交由用戶判斷。兩個測試場景共同指向同一種能力：面對不確定資訊，不急於給答案，而是知道何時需要驗證、何時說明邊界。 三款產品的差異，其實來自對Agent角色的不同理解。WorkBuddy像高效執行者，任務到手拆解、執行、交卷，追求「先完成再優化」；TRAE Work像資訊助手，拉網擴大搜索半徑，但進入複雜任務後瓶頸從「找到資訊」轉為「判斷資訊」；千問辦公則選擇更重的路，讓Agent從「幫用戶做事」走向「替用戶承擔判斷」，將研究員腦中的工作過程顯性化。這也點出Agent的分水嶺已不再是速度，而是判斷成本與執行信用——用戶是否相信它能穩定交付可靠結果。 為什麼業者願意投入更多智能成本建立信任？答案指向Token。AI時代，用戶數量依然重要，但真正產生商業價值的是模型調用次數與任務處理量，Token已從技術指標變成新商業度量衡。今年3月，阿里巴巴成立ATH事業群，與阿里雲、電商並列，由集團CEO吳泳銘親自負責，核心方向為「創造Token、輸送Token、應用Token」，試圖將模型能力導入更多場景並形成持續使用。辦公場景天然高頻、剛需，直接嵌入企業生產流程，一旦AI進入寫作、會議、知識管理等日常工作，模型調用就會變成持續的生產力消耗，成為距離Token商業閉環最近的領域。 然而Token增長並不天然等於價值增長。未來Agent可能走向兩條路線：一條透過更多智能投入提升複雜任務質量，適用於行業分析、企業決策等高價值場景；另一條透過流程優化降低成本，讓AI進入更多普通工作場景。成熟的Agent應能根據任務價值動態調整智能投入——簡單任務快速完成，複雜任務投入更多推理，高風險任務主動驗證。這也意味著AI商業模式不會停留在簡單的Token計費，更可能的是Token被包裝進訂閱服務、企業採購或AI生產力服務，用戶購買的不是Token本身，而是AI完成任務的能力。 三款AI辦公產品代表三種不同的用戶假設：WorkBuddy認為用戶需要快速得到可用結果，TRAE Work認為用戶需要更豐富的資訊來源，千問辦公則認為用戶需要一個更值得信任的判斷過程。這三種需求都將長期存在。41分鐘的等待並不能證明千問辦公代表了Agent的終局，但這次測試至少提出一個行業無法繞開的命題：當AI從聊天工具變成真正參與工作的智能體，Agent之間的競爭將延伸到模型能力之外，考驗產品如何理解任務價值，以及如何分配有限的智能資源。