豆包的模型选择终于不再单调了。这话怎么说？

过去普通用户打开豆包，选模型时能挑的只有两个——豆包2.1 Lite和豆包2.1 Pro。

眼下可选项已经增加到10个（含“自动”在内）。这是豆包昨天上线的一次大更新：第三方模型向全部用户开放。

事情不止于此。第三方模型上线的同时，一套算账规则也一并落地。

如今豆包里所有模型共用一份额度，图中各模型后头那个“x”就是价签。选项和价格两头都放开，豆包算是把选模型的自由交到了用户手里。

那么问题来了：豆包既然愿意把自家模型和别家模型摆在同一张桌上，价格还标得清清楚楚，怎么用才最划算？我们带着这个疑问做了一轮深度实测。

一样的活，换个模型，额度差距达到6.5倍。

为了把这笔账算明白，我们给豆包工作出了三道题：读年报，把关键数据整理进Excel；写代码，做一个财务能直接上手的报销工具；上网查资料，给管理层写一份咖啡行业简报。

测试方式是每道题分别挑三个模型来跑，再用“。先看读年报这道题，具体Prompt如下：

一、写一份不超过 800 字的要点摘要，回答以下问题：

1、公司今年的整体经营表现如何？

2、收入和利润分别发生了什么变化，主要原因是什么？

3、公司利润的质量如何（例如非经常性损益、会计处理对利润的影响）？

4、在现金流、应收账款、客户结构方面，有哪些需要警惕的风险？

5、报告期结束后，有没有可能影响公司未来业绩的重大事项？

第二项任务是整理一份关键财务数据表，存成Excel。表里要有的指标包括营业收入、归母净利润、扣非后归母净利润、经营活动现金流量净额、研发投入金额及占营收比例、应收账款。每一项都要给2025年数值、2024年数值和同比变化，还要标明该数据出自报告第几页。

我们手上是一份21页的模拟材料。除了让模型整理Excel，还要求它们写一份不超过800字的摘要。

先来看一下

四个模型全都拿了满分，我们提的要求一个没漏。

这说明这道题上四家的能力都过关。差别落在了账单上。

同样满分，常规价格里最贵和最便宜的那档差了6.5倍。反过来讲，模型选对了，这活能省下85%的额度（免费模型没算在内）。

那么为什么

原因在于倍率这东西，同一个任务有的模型几下就收工，有的要反复核对、多跑几轮工具。

这次实测就是例子：Kimi交的Excel里多塞了一整张投研摘要，还专门拿同比数据跟原文核了一遍。活干得细，额度自然吃得多。

第二道题是写代码。

我们备了三份报销明细，销售部、市场部、研发部各一份，外加一份两页的《费用报销制度》。要求豆包工作依据这四个文件，做一个财务能直接上手的报销工具。Prompt里的要求归拢起来是下面几条：

工具要是一个单独的HTML文件，双击就能在浏览器里打开，不用装软件。三个部门的明细拖进去，工具得认出各自的表头、日期和金额，再照报销制度逐笔审。审完既能按部门、报销人、费用类别看汇总，也能把有问题的记录单独导成Excel。

这道题我们选了豆包2.1 Pro，四个版本最后都交出了能打开的网页。

能打开只是第一步。它到底会不会算账，得把数据放进去试：

四个版本算出来的数一模一样：申请总额31324.31元，其中25637.31元可以报销，2573元需要核减，剩下3114元待复核。

点开部门汇总，市场部待复核的正好是那笔2860元，销售部和研发部分别还有136元和118元，三笔加起来对得上。

账谁都能算对，那就直接看做出这个工具花了多少额度：GLM 5.3

所以公司财务如果只是想把74笔报销审完，选DeepSeek或者自动模式就够了。跟豆包Pro比，这一单省下了全部59.80额度。

再看两个收费选项，GLM的倍率是0.80x，豆包Pro是0.65x，实际账单却差了约4.6倍。跟前面的年报一样，光看模型名字旁边的倍率，很难猜中这份活最后扣多少。

第三道题是写一份咖啡行业简报。

我们给了一张调研需求单，要求模型联网查资料，给管理层交一份Word。要回答的问题有五个：

2025年国内咖啡市场体量如何、人均消费几杯？瑞幸、库迪、星巴克中国、幸运咖、挪瓦各自门店数量是多少？瑞幸最近一个季度的收入、利润、同店销售表现怎样？星巴克中国今年发生了哪些调整？持续两年的9.9元价格战，眼下推进到哪个阶段？

另外我们还提了一条：关键数据要给出处，不同机构的数据对不上时，要把原因讲清楚。

这回上场的是

四份报告都写了摘要、做了门店表，文末也都列了参考来源。按各自列出的条数，Lite有34个，自动模式28个，Pro有25个，Kimi有13个。

只看资料数量，Lite最多。但它的第30条和第31条标题相同，只是来源不同，用之前还得确认是不是同一篇文章。

Kimi只列了13个来源，不过它对市场规模数据的差异交代得挺明白：2181亿元、3549亿元和1405亿元统计范围各不相同，没法直接取平均。

豆包Pro的门店表在比较上更省事。它尽量统一采用第三方统计的现存门店数，还标出各品牌的统计口径和日期，直接对比时不容易出偏差。

所以这道题我们没跟前两道一样给四份报告判同分。要一份内部讨论用的初稿，Lite和自动模式这次都免费，五个问题也都覆盖到了。真要把具体数字放进正式材料，我们会去看Kimi怎么解释市场规模，以及Pro是怎么整理门店表的。

十二次实测的结果，我们整理成了下面这张表，方便对照：

没有哪个模型能包打天下

三道题跑下来，有件事得在选模型之前先想清楚：拿到结果之后，我们打算拿它干什么。

拿报销工具来说，只要三份文件能导进去、部门小计算得对、重复发票能查出来，财务就能直接上手。GLM这次做到了，免费的DeepSeek也做到了，多花的那274.24额度，并没有让这74笔报销审得更准。

换到咖啡简报，只看五个问题答没答全，四份报告看着又差不多。可真要拿着其中那张门店表去开会，表里列的是全球还是中国、数字是公司自己宣布的还是第三方数出来的，就比文末挂了多少个链接重要得多。

模型本身也一直在变。单看DeepSeek的发布节奏就够紧：7月31日更新V4 Flash，8月21日推出视觉实验版，9月10日发布V4.1 Flash，10月17日又升了一版。最后这次，调用方式和价格都没动。

这也能说明，字节自己明明有模型，为什么还愿意把Kimi、GLM和DeepSeek接进豆包。

用户要是习惯用Kimi读报告，以前碰上调研任务，还得切到别的平台去，这部分需求字节就很难留住。现在Kimi已经出现在豆包的功能菜单里，读完报告，同一个窗口里还能接着处理Excel、改Word，不用再换平台。

对企业来说，各个部门分别该订阅哪个模型，也是一笔要算的账。

市场部偶尔要用Kimi，研发部有几项任务想用DeepSeek，分开买的话，就得琢磨给哪些人开账号、每个部门买多少额度。现在多个模型共用一套额度，管理员可以按部门需求灵活分配用量。

对模型厂商来说，接触办公用户的机会也多了。就拿我们这次体验来说，用户在豆包里能方便地调用不同模型，从报销工具到专业任务都能做，办公场景的边界又往外扩了一步。

模型成了标准件，Harness才是办公Agent的分水岭

豆包工作能接Kimi、GLM和DeepSeek，那别的呢

模型厂商每发一个新版本，接入它的工作台都有机会跟着受益。可同一个模型到了不同工作台，能读到哪些资料、能调用什么工具、交付前会不会检查结果，全看各家自己怎么做。

这套围着模型搭起来的执行系统，业内叫Harness。当各家的模型菜单越来越接近，

LangChain有一项实验，给这个判断提供了具体依据。他们把底层模型固定为

这是编码任务上的结果，但它说明的事跟办公同样相关：模型已经具备的能力，工作台能发挥出多少，本身就是一个工程问题。

落到豆包工作上，最先能感觉到的是模型调度和成本之间的关系。前面三道题，我们都额外跑了一次自动模式。它从年报里取对了调整后的利润，报销工具算对了74笔明细，咖啡简报也覆盖了需求单的五个问题，三次账单都显示免费。界面没披露具体选中了谁，我们能确认的就是这三次的交付结果。豆包怎么判断哪道题值得用更贵的模型，恰恰是“自动模式”这个选项今后要靠更多任务来证明的。

再往深一层说，成本之所以也算系统能力，是因为企业承担的不是模型单价，而是完成任务的总消耗。比如年报测试里，Kimi为0.95x、豆包Pro为0.65x，两次实际消耗却相差6.5倍。豆包把不同厂商的模型放进同一套额度体系，用户能用同一道题比较账单，再决定任务该用哪档模型。

模型能力再强，企业在制度更新和文件管理上也容易出错。财务把住宿标准改了，旧文件却还留着，模型再准也会从第一笔就算错。针对这个问题，豆包打通

资料找到之后，还有两道坎：规则能不能落地执行，以及执行权在谁手上。报销工具除了讲清规则，还得接文件、走审核、导出Excel。电脑操作、技能和连接器这几样，正好把说明变成能用、能复查的文件。另一边，员工能读到的，仅限于自己有权限的范围

字节做办公Agent，家底儿就摆在这儿。

节奏也值得看一眼：10月底先对企业客户开放，11月12日再放开给所有用户，中间隔了差不多两周；而这期间用户只要接着把下一份年报、下一批报销单交给豆包去干，最后调的是哪家模型，字节都能把这段业务攥在手里。

把Kimi、GLM和DeepSeek接进来，说到底只是头一步。往后人留在哪个工作台，比的不是模型名字，而是谁能帮着把模型挑对、把企业现成的资料和工具接上、让每月账单经得起核对。

模型当然能换，可换的前提是活儿得接得住。