腾讯WorkBuddy成开放权重模型最大客户,办公Agent竞相接入第三方
互联网大厂们正在成为开源大模型的新甲方。
在开源大模型的使用端,互联网大厂正扮演起新的“买方”角色。
腾讯总裁刘炽平在第三季度业绩电话会上表示,
WorkBuddy如今已是中国几乎所有开放权重模型的最大客户。
这或许只是开头。
最近一段时间,国内几家头部办公Agent在产品策略上密集出手。腾讯WorkBuddy先走多模型路线,字节跳动的豆包工作随后接连扩大第三方模型接入,阿里千问办公也重新对外部模型开放。
腾讯、字节、阿里三家的办公Agent,产品思路正在趋同。
这条路线越来越清晰之后,坐拥大量用户、能持续承接工作任务的办公Agent,很可能变成上游模型厂商的又一个超级大客户。
不过路线趋同也带来新问题:大厂一边要用办公Agent抢用户、抢工作入口,一边还得在Token消耗不断攀升的情况下压住成本。
业务能做多大,取决于谁能聚拢更多模型需求;商业化能走多远,则要看谁调度这些模型更高效。
超级买家正在路上
WorkBuddy之所以能成为中国几乎所有开放权重模型的最大客户,既跟它的市场影响力有关,也因为它较早押注多模型策略。
今年3月上线时,WorkBuddy就接入了DeepSeek、GLM、Kimi等第三方模型,之后可选范围还在不断扩大。
但在过去一段时间,这条路并不是国内办公Agent的主流打法。
今年8月25日,字节跳动正式发布豆包工作。刚上线时,服务主要靠自研豆包模型支撑,普通用户无法选择第三方模型;同一时期,阿里的千问办公也以自研模型为主。
可随着WorkBuddy把领先优势越拉越大,其他大厂感受到的竞争压力骤然上升。
10月29日,豆包工作先向团队和企业订阅用户开放第三方模型。11月12日,接入范围又扩了一步,在自研模型之外新增Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash等第三方模型。
仅仅4天之后,千问办公快速跟进,一次上线10款模型,既有自研的Qwen4-Max,也有Kimi、GLM、DeepSeek、MiniMax、Step等第三方模型。
其实,阿里在第三方模型开不开放这件事上曾反复过。
今年8月,千问办公短暂引入过GLM、DeepSeek等外部模型,但这些模型上线没几天就从产品端撤下,模型选择重新以自研为主。
三个月过去,千问办公又一次向第三方模型打开大门。
和上次的短暂试水不同,这一回千问办公除了向个人和企业标准版用户开放模型选择,还让企业管理员可以按部门、用户组和员工来配置模型使用权限。
腾讯先做多模型聚合,字节扩大第三方模型接入,阿里重新放开模型选择,国内几家头部大厂的办公Agent,最后都走到了相似的产品路线上。
从需求侧看,办公Agent的用户要的归根结底是一份报告、一张表格、一段代码,或者一件能直接交付的工作成果。
任务不同,对模型能力、响应速度、成本的要求也不一样。只靠一个模型,未必能在所有场景里都占优;接进多家模型,用户就能按任务挑更合适的那个。
产品路线这样收敛,恰好给上游模型厂商留出了新机会。
过去,智谱、月之暗面、MiniMax这些独立模型厂商扩大模型使用量,靠的路径主要是自家产品、开发者生态、API服务和企业客户。现在情况变了,日活跃用户达到数百万乃至千万级的办公Agent,也成了它们值得争取的一类大客户。
这种转向,在部分模型厂商的新品发布节奏里已经能看出来。
今年10月初,WorkBuddy接入过一款匿名模型,名字叫Space Bunny。外界当时并不清楚它的来历,直到10月19日MiniMax正式发布M3.1 Flash,才知道Space Bunny就是这款模型的早期版本。
MiniMax披露的数据显示,Space Bunny在匿名运行期间累计处理的Token超过200万亿。
腾讯、字节、阿里先后走向多模型路线,各家能拿到的底层模型能力随之趋同。光靠增加模型选项,已经很难撑起持续的差异化优势。
真正摆在面前的竞争问题变成了另一套:怎么把不同模型的能力整合起来,怎么提高任务交付效率,怎么把模型调用成本压住。
大客户精打细算
对这些正逐渐成为大模型重要客户的互联网大厂来说,调用规模越滚越大,要背的运行成本也水涨船高。
腾讯管理层日前在财报电话会上把话说得很明确:后续会通过提高付费用户比例、增加每名付费用户的Token支出,再加上推理优化、模型定制和算力效率提升等手段,一步步改善单位经济效益。
办公Agent这边有两头要顾。一头是靠更强的任务交付能力把用户付费意愿拉起来,带动使用量往上走;另一头是把模型推理和任务执行的成本管住,别让收入增长被不断膨胀的资源消耗吃掉。
不过,调用规模扩大也不全是成本压力。互联网大厂在承担更高成本的同时,手里也可能多出新的议价筹码。
采购量摆在那里,就有机会谈到比公开API报价更低的价格。
华尔街见闻·全天候科技从一家厂商人士处得到确认,该厂商旗下模型已接入WorkBuddy,这位人士表示:“在模型API的商业合作中,折扣率会根据客户的调用规模确定。”
南方一家做大模型API代理及销售业务的企业人士也向全天候科技表示:“企业客户可以通过渠道获得低于官网公开报价的模型API服务,实际价格存在一定的协商空间。”
海外模型厂商的机制也差不多。
Anthropic在官方API定价规则里写得很清楚:大用量客户可以按具体情况单独协商批量折扣,企业客户还能拿到定制价格和其他商业条款。
这套价格机制,可能还会进一步影响互联网大厂在办公Agent之间的竞争格局。
WorkBuddy、豆包工作和千问办公相继走向多模型路线,各家能获得的底层模型供给逐渐趋同,但实际掏的采购价格未必一样。
模型调用规模更大的平台,庞大的采购需求有望转化成更强的议价能力,从而拿到更低的单位调用价格。
这种优势一旦形成,大厂不光能压低模型使用成本,还能用更有竞争力的产品定价和服务额度去抢用户,把调用规模再推大,形成正向循环。
但这只是竞争的一部分。一项任务真正交付出去,还牵扯模型调用次数、Token消耗,以及执行失败后的重试成本。这些都对办公Agent背后的Harness提出了更高要求。
Harness是Agent的运行框架。它决定这些步骤怎么组织,也会影响模型调用次数、上下文管理,以及任务失败后的重试策略。
底层模型相同,Harness不同,资源消耗也可能差出一大截。
今年9月,字节Seed团队与外部研究人员发表《HarnessDev》论文,专门研究不同Harness设计对Agent任务表现及运行效率的影响。
研究团队在部分实验中把底层执行模型统一换成Gemini 3.1 Pro,再让不同的Harness跑同一套Terminal-Bench 2.1测试。
跑出来的差距不小:GPT-5.5搭的Harness,平均执行Token消耗约2430万个;Claude Opus 4.8搭的Harness,平均约9430万个,前者只有后者的约1/3.9。
任务成功率这边,两组分别是49.4%和52.4%。后者成功率略高一些,可Token消耗多出近3倍。
换句话说,将来几家互联网大厂的办公Agent陆续接上GLM、Kimi、DeepSeek等更多第三方模型之后,模型供给看着差不多,并不代表大家能拿一样的成本把活干完。
从买模型到跑任务,互联网大厂其实要算两笔账。
第一笔是向模型厂商买能力的价格。调用量上去了,大厂就有机会靠规模采购把单位成本压下来。
第二笔是干完实际工作要花的综合成本。这笔账不只看模型报价,还跟模型路由、Harness运行效率这些环节紧紧绑在一起。
这两种成本优势还可能互相推着走,转成正向循环。
对调用规模更大的办公Agent来说,采购价更划算,同样的预算就能撑起更多模型调用和产品试验。真实任务反馈不断攒下来,又能帮大厂调优模型路由、任务拆解和执行流程,Harness的迭代也跟着加快。
多模型路线慢慢收敛之后,几家互联网大厂办公Agent拿到的底层模型能力越来越接近。可采购成本、Harness效率、产品迭代速度这几项,照样可能把差距拉开,现在说谁赢谁输还太早。