豆包工作登顶SuperCLUE办公智能体榜：85.33分拿下第一

大家好，我是苍何。

《2026 年 10 月 SuperCLUE-Office 办公智能体端到端实战测评结果》刚出炉，豆包工作以 85.33 分的综合成绩排在总榜首位，Kimi Work、WorkBuddy 分别拿到第二和第三。

单看这份数据，国内办公 Agent 赛道的头部较量已经相当胶着。

该榜单由中文语言理解权威测评机构 SuperCLUE 对外发布。评测覆盖文档处理、材料撰写、数据分析 3 个维度、13 项二级任务，共有 8 款国内主流办公智能体产品参与端到端实战比拼，Word、PPT、Excel、图表这些办公交付物做得怎么样是考察重点。

榜单地址：www.superclueai.com/agent/Office

评测同样按文档处理、数据分析、材料撰写这 3 个维度分别展开：

结果显示，文档处理维度上豆包工作领先，数据分析与材料撰写两块则是 Kimi Work 更拿手。不同产品眼下在各类办公任务上的长处，由此也能看出一二。

再看 3 个维度的平均分与最大分差：数据分析平均分 71.72 分、最大分差 72.00 分，均分垫底，分化也最严重；材料撰写平均分 73.62 分、最大分差 47.75 分。

这在一定程度上说明，眼下的办公 Agent 在数据分析、材料撰写两项能力上还有得补。

我自己的体会挺深。现在文档和协作基本都在飞书上做，飞书与豆包工作打通之后，处理文档省事了不少。

而且很明显的一点是，用豆包工作处理自己的文档，交付出来的质量更准、也更顺。

这里面既有飞书自带的上下文，也离不开豆包工作自身的文档处理本事。

此前我让它做过文档数据的标准化清洗：统一字段格式、输出核心指标、做台账分析。

结果我发现，豆包工作在文档处理上做得更细，交付基本一次就能完整搞定，挺省心。

我的公众号选题、文章草稿、案例和复盘，分散在不同的文档、文件夹和表格里，一直没顾上系统整理。同样的任务，我拿相同的提示词试过不少办公 Agent。

请以提示词的方式，让我在权限范围内的飞书文档、云盘、知识库、群聊、会议纪要和多维表格里，把公众号的内容资产清点一遍：先看现在已经有哪些内容方向，再归纳出反复出现的选题母题，把能复用的案例和文章结构整理出来，同时标出尚未覆盖的内容空白，最后给出下一阶段可落地的选题建议。

但说实话，处理我这些文档，最后还是豆包工作的效果最好。

在授权范围内，它读取了飞书里的多维表格、文章草稿、系列文件夹和云盘，把原本散落各处的资料归到了一起。

随后，这些资料被它整理成一张内容资产地图 HTML。

我眼下在写哪些方向、每个方向攒了多少内容、哪些主题涨得更快，一眼就能看清。

有意思的是，文件分完类，它还把我以前的资料重新串了起来，从中冒出了新的选题。

我的微信下载目录里常年堆着报告和 PDF，我需要按内容分类、生成索引，同时原文件全部保留，不删也不挪。

我给 Agent 的提示词是这样的：

●●●
提示词：操作我的电脑，打开文件资源管理器，进入 D:\Documents\xwechat_files。整理其中与 AI 有关的 PDF、PPT 和 Word 文件，读取文件名和内容摘要，然后按类别整理，在 D:\Documents 下新建「AI 资料库」文件夹，并为每个类别创建子文件夹。将符合条件的资料复制到对应目录，保留微信下载目录中的全部原文件，禁止删除和移动。最后生成一份 Excel 索引，包含文件名、文件类型、所属分类、内容摘要。遇到无法判断的文件，单独放进「待确认」，不要自行猜测分类。

把资料文档过一遍之后，豆包工作会按 Agent 与智能体、AI 产品与工具、AI 技术与开发这些门类分开归类，再出一份索引。

索引对应的那份文档表，可以直接拿去交付。

时间过得确实快，我们开源发布《豆包工作蓝皮书》，一晃已经 2 个多月。

开源地址：https://github.com/AlephAITech/DoubaoWorkGuide

字节在这上面的投入是真猛，豆包工作的迭代速度，感受得很直接。

话说回来，国内大厂在 Agent 办公这条线上，眼下谁又肯慢半步？

对用户而言，大厂彼此较劲，可选的余地是多了；可不少人反倒觉得，选项一多就等于没得选——到底哪个产品配哪个领域，实在说不准，看着似乎都行，细想又好像都不太行。

所以我以为，SuperCLUE-Office 办公智能体端到端实战测评的分量不轻，它靠权威机构对多项关键办公任务做深度评测，去验证一些东西。

榜单看完，我真正想说的，是它背后那层变化。

过去两年评 AI，评的都是单点本事：写诗、解数学题、刷代码题，分数高的就强。

可办公这事儿，没法照这个路子评。

一份周报写得如何，要看它清不清楚你上个季度究竟在忙什么。

一份方案靠不靠谱，要看它读没读过你们公司的历史文档。

于是这次把评测标准换成端到端交付物，说到底就是认下一件事：办公 Agent 的竞争力，已经不全看模型本身了。

真正把差距拉开的，是它能不能拿到你的上下文。

这一点我自己体会最深，而且不在分数上：飞书和豆包工作打通之后，同一句提示词，产出的东西完全差着档次。

模型并没有变强，是它终于听懂我在讲什么了。

把这个逻辑摆到行业里，会看得更明白。

办公 Agent 的比拼，正从模型能力挪向工作流占有——谁待在你每天的文档、会议、群聊、表格里，谁就攥住了别人拿不到的上下文资产。

分数能追，上下文追不上。

几个大厂分数咬得这么紧，原因大概就在这里。模型水平本来就相差无几，真正分出高下的是生态。

有个小细节或许你没留意：三个维度中，文档处理的平均分最高，分差反而最小。

数据分析和材料撰写两档平均分明显低了一截，分差却大得离谱。这道断层并非偶然。

文档处理说到底考的是格式，标准明确、结果可验证，模型学起来自然快。

数据分析考的是判断——哪条结论站得住、哪个异常该报警，本来就没有标准答案。

材料撰写还要更难一层，考的是模型对你这家组织说话方式的理解。

所以在我看来，办公 Agent 眼下正处在一个挺微妙的位置：能不能用这道门槛，已经跨过去了。

但要说敢不敢把活全交出去，还差着一段路。

榜单量的是上限，日常量的是下限。