4类职业6道真题,AI办公三强同卷开考:豆包赢在交付,WorkBuddy赢在细节,真正的差距在卷子外

9月的AI办公圈，三家公司几乎同时把新版本拍上了桌。

字节的豆包工作9月2日上线多Agents并行和操作电脑，一周后补上本地Office编辑、浏览器录制与回放，9月15日又拉上飞书发布「豆包工作伙伴」，让Agent进群领活。阿里千问办公9月7日推出多人工作台，一句话就能生成一个百人在线协作的网页应用——此时它上线刚满月，用户已突破3000万。腾讯WorkBuddy则把9月2日留给了开放平台：超百家生态伙伴、十几个品类的智能硬件，外加9款联名设备。

更新追完之后，AIX财经做了一件打工人更关心的事：挑了市场营销、内容运营、产品经理、前端开发四类职业的真实任务，把三家按在同一张考桌上，同题开考（实测报道2026-09-19发布）。结论先给：豆包工作整体领先，WorkBuddy够稳够细，千问办公中规中矩。

先交代两点：一，下文的实测内容整理自AIX财经的公开报道，我没有逐题复测，本文的价值不在考分本身，而在考分背后的选型逻辑；二，利益相关披露——我是WorkBuddy个人用户，与文中三家厂商均无商业合作，本文对三家的评述均以该报道为准。

一、9月这场军备竞赛，先看时间线

这一轮更新有一个共同方向：办公Agent正在钻进更多真实的工作场景——电脑里的文件、群聊里的讨论、随身设备录下的信息，都可能成为它理解任务的线索。当功能越来越像，普通用户到底怎么选？这才有了一场难得的同卷考试。

二、四轮考试，三家各赢了几轮

第一轮，市场营销：豆包赢在交付形式。竞品分析一题，千问像细致的秘书，动手前先确认格式和对标品牌，但交卷内容单薄；WorkBuddy先把调研过程摊开给你看——为什么选这三家对标——报告维度最多，结尾附数据来源和口径说明，方便核对，到了市场机会部分还列出5个切入方向——竞品报告最怕的就是只罗列、不给方向；豆包直接调多Agents并行，几个子Agent分头调研，还用图表和时间轴做横向对比，交了网页版和飞书文档两个版本。到了海报加15秒预热视频一题，差距更明显：豆包主动调用专门的视频模型和文生图模型，情节线、镜头推进、配乐旁白都齐，最像一支完整的新品预告；千问更像让海报动起来；WorkBuddy画面丰富但中规中矩。

第二轮，内容运营：豆包交得最厚，WorkBuddy交得最快。热点汇总加选题策划，WorkBuddy 11分钟交卷，按模型、资本、政策分类，覆盖面够用，但选题偏泛；千问直接在对话框里作答，信息量最小；豆包用上新上线的操作浏览器功能，自己打开5个网页查资料，交来热点矩阵图加策划案，5个选题三家里最细。第二道题更微妙：分析AI账号上周传播度最高的文章——公众号的真实阅读数据，谁也拿不到。WorkBuddy老实承认了，用头部媒体跟进数量、站外扩散广度、事件延续天数合成了传播指数，还补充了四家媒体的选题偏好；豆包从135篇里筛出18篇，并把已查证的数据和估算内容分开标注——这个习惯值得点赞；千问用跨平台转载数、首页推荐位、搜索热度交叉判断，比第一轮完整不少。

给内容运营的读者一条可以直接抄的指令：

「从机器之心、量子位上周的文章里选3篇值得跟写的：先说明你判断传播度的方法和数据局限，再拆每篇的选题类型和亮点，最后给我们号的差异化切入角度。」

让它先交代方法和局限，产出质量会明显上台阶——「先交代方法再用数据」，是这轮实测里最值得偷师的习惯，三家里谁被问到要害，谁就开始老实。

第三轮，产品经理：WorkBuddy快且细。奶茶点单小程序，WorkBuddy 6分钟交卷，功能最丰富，自己加了热门榜单；豆包用了20分钟，但审美最好——banner会滑动切换，占位图全是同类饮品，毫不违和；千问15分钟，功能齐全但一股网页味。数据看板加归因分析一题，WorkBuddy写得最细：直接原因和根本原因分开讲，建议按优先级排序，还主动交代了哪些结论缺数据验证、各项指标用的什么口径；豆包强在下月目标——每个数为什么这么定讲得很透，还配了监控指标；千问偏简洁，给完目标没有延伸。这一轮，测试方投了WorkBuddy。

第四轮，前端开发：豆包完成度最高。经典的「骑自行车的鹈鹕」动画，千问翻车——鹈鹕没握车把、双脚踩同侧踏板，不符合物理规律；WorkBuddy有巧思，给鹈鹕系红围巾、嘴里衔小鱼，可惜细节没兜住，围巾贴脸、小鱼穿模；豆包建模自然、无穿模，骑车还分悠闲、正常、飞驰三档速度。科技峰会报名网站一题，豆包最像一个真实存在的网站，票种权益写得清清楚楚；WorkBuddy功能可用但稳定性不足；千问动用了多人工作台新功能，网页支持百人同时报名、后台管名单。

一句话收拢：卷面上豆包赢了三局，WorkBuddy赢了一局半，千问没赢但也没崩。

三、所以呢？先解决「怎么选」

注意，这张表给的是「什么场景选谁」，不是「谁最强」的裁决——它们仨目前不存在替代关系，选错生态比选错分数更亏。

四、老板们真正该看的，是考卷外的三件事

信号一：大厂在收拢。7月20日，腾讯把QClaw部分业务和团队调整进WorkBuddy所在的部门；7月底，字节把飞书产品团队与豆包产品团队整合；8月3日，阿里把QoderWork、MuleRun、悟空整合成千问办公开启公测；8月25日，豆包工作正式发布。原本各自为战的办公Agent，正在收拢成三张王牌。过去你在应用商店里挑几十个AI工具的日子，快结束了。对普通用户来说，收拢不全是坏事：工具少而强，试错和迁移成本反而降了——但代价是，以后没得挑，只能选边。

信号二：胜负手从功能变成了上下文。三家的基础功能已经越来越像——都能查资料、生成文档、分析数据、做网页，也都在补连接器和电脑操作。真正拉开差距的，是它们背后的工作环境：豆包工作身后是飞书的群聊、文档、项目和组织关系；WorkBuddy一边接入腾讯的IM、文档、邮箱、会议和知识库，一边把入口延伸到手机、眼镜和耳机；千问办公背后站着钉钉、阿里云和企业客户体系。模型能力的领先，几个月就会被追平；但企业内部的数据、权限、业务系统和已经形成的工作流，没那么容易复制。这也是为什么三家的更新都往「进群」「接硬件」「连办公套件」方向走——都在抢同一个东西：接触你真实工作的权限。

信号三：收费的地方变了。当写方案、做PPT、生成网页逐渐成为基础能力，真正更容易收费的部分，会变成企业席位、专业能力、私有数据和业务系统接入。这也在挤压通用办公Agent创业公司的空间——继续和大厂比入口、比免费额度，成本会越来越高；法律、金融、医药这些需要专业数据和复杂流程的场景，反而留下了差异化空间。大厂把通用能力做得越便宜，创业公司越得往行业深处走。

五、泼冷水：这份考卷本身，有四个问题

第一，样本太小。四类职业、六道题、单人单次实测，不是跑分，不能当基准测试引用。同一道题换个brief重跑，结果可能不一样。

第二，「传播度」这道题，三家都在自造指数。公众号真实阅读数据谁也拿不到，WorkBuddy的传播指数、千问的交叉判断、豆包的分类筛选，方法都合理，但没有一个是可核验的。凡是AI自己合成的指标，引用前都要留个心眼。

第三，排名会过期。9月的更新密度摆在这里，这个月豆包领先，下个月未必。拿「上个月的考分」做「下个季度的采购决策」，是这类文章最容易被误用的地方。

第四，所有「能用」都离「能上线」有距离。豆包的海报有文字挤压，WorkBuddy稳定性不足，千问物理规律翻车——测试里最好的成品，也还是初稿水平，正式使用前仍需人工把关。

价值层还有一句更要紧的：考分不等于你的收益。别人家的Agent替你交出漂亮的竞品分析，前提是你的资料、文档、群聊都在它能摸到的地方。Agent的价值上限，取决于它背后接的是不是你的真实工作环境——你用飞书，豆包工作伙伴进群就能领活；你泡在微信和企业微信里，WorkBuddy的连接器和硬件入口才够得着你；你的公司在钉钉上，千问的多人工作台才有意义。选型这道题的答案，其实在考卷外：先看你自己的工作流长在哪，再决定让谁来答题。

六、行动清单

1. 本周：对着上面的决策矩阵锁定1-2个候选，拿你最高频的一个真实任务（不是演示任务）各跑一遍，只看「谁的产出你改得最少」。别用公开的演示题——那些题三家都练熟了，差别只出在你自己的脏活上。

2. 本季度：盘点自家工作流的「上下文资产」存在哪——文档在飞书还是腾讯文档？沟通在企微还是钉钉？数据看板谁在做？答案出来，生态就出来了。

3. 观望：三家的企业版定价和席位政策还在快速变动期，网上流传的各种报价和优惠信息，找到官方渠道核实前一律不采信。

写在最后

这场「同卷考试」最有趣的地方在于：三家答的是同一套题，但决定它们三个月后命运的，是考卷外那看不见的东西——谁家的群聊、文档、会议和业务系统，愿意把门打开。

「同卷考试」这个词，往后会越来越常见：功能是卷子，上下文才是考场。卷子人人会做，考场只有一个。

你的工作流泡在哪家生态里？这票你投给谁。