腾讯WorkBuddy成开放权重模型最大客户,办公Agent争相接入第三方模型
互联网大厂们正在成为开源大模型的新甲方。
开源大模型的新买单方,正从互联网大厂里长出来。
腾讯总裁刘炽平在第三季度业绩电话会上表示,
WorkBuddy已经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,国内几款头部办公Agent接连改动产品策略。腾讯WorkBuddy先行采用多模型路线后,字节跳动旗下的豆包工作相继扩大第三方模型接入范围,阿里千问办公也重新对外部模型开放。
腾讯、字节、阿里几家的办公Agent,产品路线越走越接近。
趋势渐渐清晰,坐拥庞大用户量、能持续承接工作任务的办公Agent,有机会变成上游模型厂商的新超级客户。
可路线趋同之后,大厂一边要靠办公Agent抢用户、抢工作入口,一边得在持续上涨的Token消耗里压住成本。
业务规模取决于谁能聚拢更多模型需求;商业化成色如何,则开始取决于谁能把这些模型调度得更高效。
超级买家在途
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,也因为它较早走多模型策略。
今年3月上线时,WorkBuddy就支持接入DeepSeek、GLM、Kimi等第三方模型,之后可选范围又不断扩大。
过去一段时间,这条路在国内办公Agent里并不算主流选择。
今年8月25日,字节跳动正式推出豆包工作。刚上线时主要靠自研豆包模型提供服务,普通用户没法选第三方模型;同一时期,阿里旗下的千问办公同样以自研模型为主。
不过WorkBuddy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,接入范围再扩大,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。
仅过4天,千问办公迅速跟上,一次上线10款模型,包括自研Qwen4-Max,以及Kimi、GLM、DeepSeek、MiniMax、Step等第三方模型。
其实对要不要开放第三方模型,阿里曾有过摇摆。
今年8月,千问办公短暂引入过GLM、DeepSeek等外部模型,可上线没几天就下线了,模型选择重新回到以自研为主的状态。
三个月后,千问办公再度向第三方模型打开大门。
跟上次短暂试水不同,这回千问办公除了向个人和企业标准版用户开放模型选择,还允许企业管理员按部门、用户组及员工配置模型使用权限。
腾讯先做多模型聚合,字节扩大第三方模型接入,阿里重新开放模型选择,国内几家头部大厂的办公Agent最终还是走到了相似的产品路线上。
从需求端看,办公Agent的用户要的归根到底是一份报告、一张表格、一段代码,或者一件能直接交付的工作。
任务不同,对模型能力、响应速度和成本的要求也不一样。单靠一个模型,未必能在所有场景里都占优;接入多家模型,用户就能按任务挑更合适的那个。
产品路线的这种收敛,恰好给上游模型厂商腾出了新机会。
以前,智谱、月之暗面、MiniMax 这些独立模型厂商想扩大模型用量,靠的是自家产品、开发者生态、API 服务和企业客户。现在不同了,日活动辄数百万乃至千万级的办公 Agent,也变成一类值得去争取的大客户。
部分模型厂商发新品的打法,已经能看出这种转变。
今年 10 月初,WorkBuddy 接入过一个叫 Space Bunny 的匿名模型。外界一直不知道它是谁,直到 10月19日 MiniMax 正式发布 M3.1 Flash,才弄明白 Space Bunny 就是这款模型的早期版本。
MiniMax 披露的数据显示,Space Bunny 匿名运行期间累计处理的 Token 超过 200万亿。
腾讯、字节、阿里先后走上多模型路线,各家能拿到的底层模型能力也就慢慢趋同了。光靠多接几个模型,已经很难撑起持续的差异化优势。
真正的竞争问题变成了:怎么把不同模型的能力整合起来,怎么提高任务交付效率,以及怎么把模型调用成本压住。
大客户精打细算
对这些正变成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说得很明确,接下来要靠提高付费用户比例、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,一步步改善单位经济效益。
办公 Agent 一头要靠更强的任务交付能力拉高用户付费意愿、带动使用量增长;另一头得管住模型推理和任务执行的开销,别让收入增长被不断膨胀的资源消耗吃掉。
不过,调用规模一大,互联网大厂在扛更高成本的同时,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·全天候科技从一位厂商人士处得到确认,该厂商旗下模型已接入 WorkBuddy,对方称:“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对全天候科技表示:“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谈批量折扣,企业客户还能拿到定制价格和其他商业条款。
这层价格差异,也可能反过来影响互联网大厂在办公 Agent 之间的竞争。
WorkBuddy、豆包工作和千问办公陆续走向多模型路线后,各家能拿到的底层模型供给逐渐趋同,但实际掏的采购价未必一样。
调用规模更大的平台,庞大的采购需求有望变成更强的议价能力,单位调用价格就能压得更低。
这种优势一旦形成,大厂不光能降低模型使用成本,还能用更有竞争力的产品定价和服务额度去抢用户,调用规模再往上滚,形成正向循环。
这只是竞争的一部分。真要交付一项任务,还牵扯模型调用次数、Token 消耗,以及执行失败后重试的成本,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,它既决定这些步骤怎么组织,也影响模型调用次数、上下文管理,以及任务失败后的重试策略。
哪怕底层模型一模一样,换个 Harness,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了《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。
在论文的一组实验中,研究团队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,两者相差约3.9倍。
任务成功率这边,两组分别是49.4%和52.4%。后者的成功率只高出一点,Token消耗却多了近3倍。
这组数字放到办公Agent上就更有意味了。往后几家互联网大厂的办公Agent陆续接入GLM、Kimi、DeepSeek等更多第三方模型,即便模型供给看起来差不多,完成同样的工作也未必花一样的钱。
对互联网大厂来说,从采购到执行,其实要算两笔账。
头一笔,是向模型厂商买模型能力付的价格。调用规模一大,大厂就有机会靠批量采购把单位成本压下来。
另一笔,是把活干完的综合成本。这笔账不只由模型报价决定,模型路由、Harness的运行效率都直接牵动它。
两种成本优势之间还可能互相推一把,转成正向循环。
调用规模更大的办公Agent,拿到的采购价更有利,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,让Harness迭代得更快。
多模型路线慢慢收敛之后,几家互联网大厂办公Agent能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,仍可能把差距拉开,眼下还谈不上谁赢谁输。