辦公Agent的多模型陣營,終於等來了阿里。
11月16日,阿里旗下千問辦公宣佈新增10款大模型,包括最新發布的Qwen4-Max,以及Kimi、GLM、DeepSeek、MiniMax、Step等多家廠商的第三方模型。
此次更新後,千問辦公個人版和企業標準版用戶均可自主選擇模型,根據任務複雜度、響應速度和Token成本,決定使用哪款模型完成工作。
這距離字節跳動旗下豆包工作向個人用戶全面開放第三方模型,僅過去四天。
至此,騰訊WorkBuddy、字節豆包工作、百度庫庫AI以及阿里千問辦公,均已走向多模型聚合路線,大廠在辦公Agent上的模型策略進一步趨同。
對千問辦公而言,這次開放多少有些曲折。
早在今年8月14日,千問辦公就曾宣佈接入智譜GLM-5.3和DeepSeek V4 Pro兩款外部模型,正式擴大模型選擇範圍。
但僅僅三天後,事情出現變化。
8月17日晚,華爾街見聞·全天候科技發現,上述兩款外部模型已從千問辦公的產品端消失,模型選擇器重新回到以不同能力檔位和Qwen3.8-Max為主的狀態。
對於兩款模型突然下線的原因,阿里方面並未公開解釋。
如今,時隔約三個月,千問辦公再次開放第三方模型,而且一次性增加了10款,開放力度進一步加大。
這一反覆背後也折射出阿里在辦公Agent領域面臨的選擇題。
阿里本身就是國內主要的大模型研發廠商之一。從通義千問到阿里雲百鍊,阿里已經建立起較為完整的模型研發和商業化體系。
對於Qwen而言,千問辦公不僅是展示自研模型能力的窗口,也是承接真實用戶需求的重要應用場景。
一旦開放第三方模型,部分原本交給Qwen完成的任務,就可能轉向其他模型廠商。
但從千問辦公自身的產品競爭力來看,開放外部模型又有其必要性。
辦公Agent與傳統AI聊天產品不同,用戶交付的任務往往涉及資料搜索、數據分析、代碼編寫、工具調用以及成果交付等多個環節。不同任務對模型的推理能力、響應速度和Token消耗有着不同要求。即使某款模型在綜合能力上表現突出,也未必意味着它能以最低成本完成所有工作。
接入更多第三方模型,可以擴大千問辦公的能力邊界,讓用戶根據不同任務選擇更合適的模型。
這意味着,阿里需要在自研模型的應用需求與千問辦公的產品競爭力之間作出權衡。
過去幾個月,外部競爭環境的變化,確實促使這道選擇題變得更加緊迫。
騰訊WorkBuddy此前已經接入混元、GLM、MiniMax、Kimi、DeepSeek等多家模型廠商的產品。
字節也在快速跟進。今年10月29日,豆包工作率先向團隊和企業訂閱客戶開放第三方模型;11月12日,又進一步向個人用戶開放模型選擇,並推出額度消耗倍率和優惠機制。
百度旗下庫庫AI同樣已經提供文心、DeepSeek、GLM、Kimi、MiniMax等模型選擇。
隨着競爭對手紛紛開放第三方模型,千問辦公如果繼續堅持以自研模型為主,就需要依靠Qwen在不同辦公任務中的表現,與競爭對手聚合的整個模型陣容競爭。
即便阿里擁有較強的自研模型能力,也很難保證Qwen在所有任務中都能兼顧效果、速度和成本。
如果用戶因為需要使用其他模型而轉向競爭對手,千問辦公失去的可能不僅是一次模型調用,還有後續的辦公任務和使用習慣。
此次重新開放第三方模型,也意味着千問辦公開始更加重視平台自身的競爭力,而不只是自研模型的調用需求。
這一變化也體現在具體的產品設計上。按照官方介紹,此次新增的Qwen4-Max主要面向多步驟複雜推理任務,GLM-5.3、DeepSeek V4 Pro等模型可以用於分析判斷和方案檢查,而Qwen3.8-Flash、GLM-5.3-Flash、DeepSeek V4.1 Flash等成本相對較低的模型則適用於文案撰寫、信息提取等日常工作。
針對企業客戶,千問辦公還提供模型管理權限,管理員可以按照部門、用戶組或成員配置可使用的模型,為不同崗位匹配不同能力和成本的模型。
不同模型之間的能力差異開始被轉化為面向具體工作場景的產品選擇。
不過,隨着阿里加入,辦公Agent的多模型競爭也將進入新的階段。
過去,模型能力和接入範圍還可以成為不同產品之間的差異;如今,各家能夠調用的模型陣容越來越相似,僅靠接入更多模型,已經很難建立長期的競爭優勢。
新的差異將來自模型之上的調度和執行能力。
從此次公開的產品信息來看,千問辦公主要強調用戶自主選擇模型,沒有設定Auto模式;而騰訊WorkBuddy、字節豆包工作已經進一步探索通過Auto模式將模型選擇權交給平台。
兩種方式之間存在重要差別。
手動選擇模型,需要用戶自行判斷任務難度、模型能力和使用成本;自動模型路由則需要平台根據任務需求和成本約束,自主判斷應該調用哪款模型。
後者顯然難度更高。一項複雜任務往往需要經過信息檢索、數據分析、內容生成、工具調用和結果檢查等多個環節。不同階段對模型能力的要求並不相同,如何在保證執行效果的同時控制Token消耗,已經成為影響產品體驗和商業化效率的重要因素。
模型路由之外,Agent還需要具備任務規劃、上下文管理、工具調用和錯誤恢復等能力。這些能力共同構成的Agent Harness,決定了一項任務能否被穩定執行和交付。
這也意味着,即使各家辦公Agent使用相同的模型,最終的任務完成率、執行速度和成本仍然可能存在明顯差異。
隨着模型選擇逐漸成為辦公Agent的標準配置,廠商之間的競爭將從接入哪些模型,進一步轉向如何調度模型、如何完成任務。
三個月前,千問辦公還在自研與開放之間搖擺不定;如今,辦公Agent的競爭正在讓這道選擇題變得更加明確。
守住自家模型的調用量固然重要,但不讓用戶的辦公任務流向競爭對手,或許纔是更現實的考量。