豆包工作登顶SuperCLUE办公Agent测评：文档处理87.12分居首

10月26日，THE DECODER报道了纽约大学与德州大学奥斯汀分校的一项联合研究。团队对14个语言模型做了比对，结果发现：训练范式一变，奖励信号只看答案对不对、信息密度高不高，模型的表达就越来越偏向服务机器，而非与人沟通。

放到办公场景里，这种偏差带来的就是实实在在的返工。

周报、PPT、会议纪要，光内容准确不够，还得表达清楚、便于修改。交付快、返工多，这买卖不划算。

前两天，中文语言理解权威测评机构SuperCLUE发布《2026年10月SuperCLUE-Office办公智能体端到端实战测评结果》。8款国内办公Agent参与，13项端到端任务，覆盖文档处理、数据分析、材料撰写三个维度。

豆包工作以85.33分拿下总分第一。文档处理87.12分同样排第一，8款产品里只有它越过87分。

过去常被贴上“会接梗、会陪聊”标签的豆包，这回在办公Agent赛道上悄悄拿了个大结果。

总榜、文档处理双“第一”

SuperCLUE这次测的不是模型，是产品。参评的除豆包工作外，还有KimiWork、腾讯WorkBuddy、百度搭子、千问办公，以及商汤小浣熊、讯飞星火工作和纳米Work。大厂办公产品有之，长期深耕文档、数据和语言处理的玩家也有之。

8款办公Agent跑同一批任务，交付物统一收回。先过10%的脚本化格式审查，再由裁判模型按7到12条细则打分。

总榜排位：豆包工作85.33分居首，KimiWork84.57分，WorkBuddy83.99分，百度搭子82.68分，列第二至第四。前四名差距只有2.65分，头部咬得很紧。

真正让豆包工作拉开身位的，是文档处理。87.12分的成绩，比第二名百度搭子的82.93分高出4.19分，比第三名WorkBuddy的82.45分高出4.67分。8款产品该项平均分78.93分，豆包工作高出均分8.19分。

总分领先第二名0.76分，文档处理领先第二名4.19分。两个“第一”摆在一起，豆包工作的强项就明了了：日常办公用得最多的文档任务上，它占住了明显的主场。

其中一道测试题，最能说明问题。

题目设定：你是某市市场监管部门产品质量监督处负责人，9月底要开处务会，复盘防晒服及配饰、定配眼镜两类产品的抽查情况，一并敲定后续处置和跟踪安排。要交一份8—10页的市场监管月报，页数含封面、目录，且表格必须可继续编辑。

附件给了四份文件：两类产品的抽查发布稿和不合格明细表。数字都在里头，但得自己算。

第一个坑在合并计算。两类产品分别抽查100批和60批，不合格率各为16.0%和16.7%。若直接把两个数平均，得出合并检出率16.35%，那就错了。

第二个坑是数据层级。防晒服那16个不合格批次，对应19个问题项次。“不合格批次数”与“问题项次”是两个量，图表里必须分开标注。

后面还有两处，考的是文字表达的边界和时态的分寸。四个坑都无关文笔，考的是谁在不许出错的地方没出错。豆包工作领先的，恰是这类综合任务的成绩。

当然，它并非项项第一。数据分析一项，KimiWork以88分领先，WorkBuddy86.13分，豆包工作81.50分排第三。各家产品各有各的长处。

另有一点值得注意：测评是“让旗舰模型搭配各家Harness工程化框架同场竞技”。说白了，这是产品分，不是模型分。

少让用户给AI打下手

今年办公Agent赛道上，主流玩家都在卷模型上限、拼生成速度。可用起来大家发现，AI省下的时间，又耗在教它干活、帮它搬资料上了。

智能和好用，很多时候是两码事。

多数日常工作里，用户更在意的还是办公效率。模型能力之外，决定一款办公Agent胜负的，是交互够不够简单、交付够不够高效。

产品形态上，豆包工作走了一步挺聪明的棋：不逼着用户搬家。

想用的话，既能在豆包里切到“工作”模式，也能装一个独立的豆包工作PC客户端。两边同一个账号，项目、历史会话、云端数据全都通着。

定时任务这块体会尤其明显。拿我自己来说，在PC端设了个定时任务，让豆包工作每晚10点推一份标的池的资讯晚报。临睡前或者第二天上班路上，掏出手机打开豆包APP就能看，不用守着电脑，省事。

上下文这件事上，不少办公Agent选择筑墙，豆包工作反过来把门打开。10月14日，它上线了一个叫“数据导入与同步”的功能。

为什么这事要紧？实际用起来，为了把各家办公Agent的免费额度都薅一遍，同时开三四个Agent干活的人不少。素材散落在不同产品里，往一块儿凑就头疼了。

“数据导入与同步”盯的就是这个高频痛点。ChatGPT、Claude Code、Trae Work等已经适配的产品，任务偏好指令、用户自建的技能、连接器、工作记忆、项目、历史会话这六样东西，都能搬进豆包工作。

搬完之后，技能和连接器落到对应入口，项目和会话进到对应列表，历史会话的上下文原样保留，接着聊就行。

操作也就三步：左下角点头像，进设置，找到“数据导入与同步”，选好来源，确认。

我写稿时常拿它救急。要整理的资料太杂，我的习惯是同时开几个Agent分头找素材，再把散落的上下文和搜集结果一键导入豆包工作。

到了核对、修改环节，它不是把内容简单归拢一下就完事，还会把不少空泛的套话剔掉，改完的表达更直给，读着也顺。本地Office编辑同样支持，改完能存回本地文件，来回上传、下载、另存的麻烦省了。

当然，眼下这个功能只能同步本地内容，放在云端的网页版对话还搬不过来。

豆包工作还提供双模运行环境。要保密、得调用本地文件和内部系统的活，留本地跑；耗时长、吃算力的活扔到云电脑，切过去以后本地关机，任务照跑不误。

这些功能单拎出来，都算不上石破天惊。可搬运、解释、生成、修改，每一步改进都在少让用户折腾。比的就不只是单点能力了，而是整套产品和组织的交付能力。竞争也随之往深里走了一层。

办公Agent这一仗，第一回合才刚打完。

办公Agent的较量，看表面是产品之争，往底下看其实是组织之争。

大厂在单点技术上的优势很难长期守住：人才在行业里来回流动，版本迭代又快，能力边界很快就会拉平。

“入口大战”快收尾了，比拼的重点也从抢入口变成拼交付。办公Agent的分水岭，说到底会落在组织机制和资源底座上。

今年夏天，把AI塞进办公场景成了行业共识。头部玩家陆续叫停赛马，把产品和组织线收拢，字节也在其中。

豆包工作正式发布之前，字节先动了两轮组织调整。

7月30日，飞书产品团队与豆包产品团队整合；8月24日，Tare、扣子团队并入豆包体系，TareWork、扣子与豆包的办公能力进一步整合。第二天，豆包工作正式发布。从第一轮调整到产品上线，中间只隔了26天。

产品发布之后，豆包工作几乎一周一个版本。9月2日上线多Agent并行和Mac操作电脑，9日加入本地PPT、Excel编辑，23日再推出目标模式、计划模式和任务队列。

10月的更新节奏明显加快：9日上线创作画布，14日打通跨AI数据导入，21日新增本地Word编辑，到了28日，电脑操作已经能录成技能，Mac锁屏后任务照样跑。

这些活要接得住，模型、产品、工具都得跟上。一项功能更新的背后，可能好几支团队要一起动手。原先散在几条业务线上的积累，办公材料、任务执行、用户偏好，一项项汇进同一个工作过程，开始以豆包工作的名义交到用户手上。

9月是豆包工作正式发布后第一个完整自然月。易观该月的桌面端统计显示，豆包工作月访问量3039万次，已经排到第三。前两名分别是上线已有半年、访问量8534万次的腾讯WorkBuddy，以及比豆包工作早22天上线、访问量4655万次的阿里千问办公。

第一个完整月就跑到这个量级，豆包工作的起点不算低。可放到几家大厂的产品里比，差距还摆在那。好在字节手上有一批早就在用豆包的人。

QuestMobile2026年9月的数据显示，豆包App月活跃用户已经有4.19亿。这批人不用再装新应用，在熟悉的豆包里头就能直接找到办公入口。

总榜排第一、文档处理也排第一，这两项测评成绩，正好让这批用户有理由重新看看豆包工作。