字节最近搞了一个我觉得很重要的更新:豆包工作开放了第三方模型。
现在你打开豆包工作,不仅能用到豆包2.1 Lite和豆包2.1 Pro,Kimi K3.1 Pro、GLM 5.3,以及DeepSeek V4.1 Flash 等其他模型也能用了。

这个操作放在今年初,可能会被看作是对自家模型不自信的表现。但到了现在,大家都认识到不同模型其实适配不同场景,在一个 Agent Harness 里用不同的模型做任务非常合理。
不仅仅是豆包工作,之前 Codex、DeepSeek Harness 也支持第三方模型。Codex 负责人 Tibo 还专门说过,他们希望 OpenAI 通过模型、效率和产品体验赢得用户,而不是强制用户绑定到自家模型上。
所以豆包工作这次开放第三方模型,本质也是为了让用户拿 Agent 干活更顺畅。
这件事还有一个看点,就是字节的工程能力。
之前不少模型厂推出的 Harness,主要还是围绕自家模型优化,对第三方模型的适配未必充分。
但工程落地恰好是字节的强项,如果豆包工作能把不同模型的能力充分调动起来,提供更稳定、更高效的任务执行体验,那它就有机会建立起模型之外的竞争优势。
如果豆包工作的 Harness 体验足够好,接入的模型又足够丰富,自然就有机会吸引更多用户。
更多用户会带来更多真实任务、更丰富的使用场景,也会留下更多可供分析和优化的任务轨迹。这些反馈既能帮助改进 Harness,也有机会用于模型优化,让产品更好用,进而吸引更多用户。
所以,表面上看,这次只是豆包工作开放了第三方模型;往深了看,字节是在让整个飞轮转得更快。
而这一切的起点,还是豆包工作能不能把用户的任务做好。接下来,我们就通过实测,看看它的表现。
阅读长文档并制作PPT
打开最新版豆包工作的模型选择页面,不同种类的模型已经上线。
而且,它还标出了不同模型的额度消耗倍率,像豆包 2.1 Lite 和 DeepSeek V4.1 Flash 还有限时优惠。

第一个任务,我要求豆包工作总结并解读 Anthropic 前几天路演时发布的 Founder's Letter,并制作成一份 PPT。
Founder's Letter 的原始 PDF 有近3万个字符,既有金融信息也有科技内容。它不需要搭建复杂系统,但要把长文读明白、提炼重点,再把信息排成方便阅读的页面。
第一次我拿限时优惠倍率 0.01x 的豆包 2.1 Lite 跑。20 分钟后,它交出了 PPT。总结、解读和信息呈现,基本达到了我的要求,全程没有人工接管。
虽然排版上还能更简约,但作为一份帮助理解原文的材料,已经够用了。
我还查了下消耗,发现这个任务大概是被豆包工作判定为简单小额任务,再加上豆包 2.1 Lite 本来就限时优惠0.01X,花费居然是0元。
这就,有点香了。

接下来,我又让豆包 2.1 Pro 做了一遍同任务。豆包 2.1 Pro 花费的时间比较久,用了半个小时。
但它的产出效果的确也更精细👇。像这个封面图,2.1 Pro 选了海螺形象代指 Scaling Law,意味着模型能力随规模扩大而提升。这个版本的排版也更简洁,视觉组织更讲究。
再看账单,这次豆包工作做 PPT占了9000点月额度的161.67。包月价格是68元,算下来做这个任务大概花了1.2元。价格太良心了...

海量搜索资料,并制作HTML
第二轮测试我上个更大的活:让豆包工作和 WorkBuddy PK 一轮,总结分析黄仁勋辞职后对英伟达产生的影响。
这个任务分为两部分。
先是信息搜索和总结资料。至少需要按时间线列出黄仁勋辞职后72小时各方的反馈,还要列出接下来需要关注的关键时间点。然后,将这些信息制作成一个 HTML。
这次我在这俩 Agent 里都选了 DeepSeek V4.1 Flash。这样可以看看同一个模型放进不同产品里,交付的速度、页面效果和成本有什么差别。


等了5、6分钟,WorkBuddy 出了结果。这个任务既需要强搜索又需要 coding,速度蛮超预期。

再看效果。先是这个题目让我笑了出来。“皮夹克挂起之后”...这是什么抽象表达
。

再往下翻,剩下的内容还是满足了基本要求。事件内容、关键人物、影响分析、接下来的关键时间点,几个主要模块都有。
但仔细看,它的交付还是不太精细。比如 HTML 的交互只有最上面的几个 Tag,内容的序号也有错误。整个任务的花费不贵,大约是1块钱。

接下来看豆包工作。
它的工作时间蛮久,用了24分钟。但打开成品,能看出它在整个工作里多花了不少心思。
像这个开头的图表,豆包工作把重要的时间节点设计成了可交互模式,甩出了普通 HTML 一条街。

再往下看,整体排版非常精致,信息量也大。
比如这个「关键日历」模块,不仅列出接下来的重大事项,甚至在每个事项后面都打上了「已确认」或「待定」的标签。

时间信息的呈现上,我也更喜欢豆包工作的顺序时间线。相比 WorkBuddy 的方块式布局,它更方便我沿着事件进展往下读。


*上:豆包工作的时间顺序版;下:WorkBuddy的时间模块版
豆包工作的 HTML 完整版放在这里,大家自己看吧。总之,虽然它花的时间比 WorkBuddy 长,但效果明显更夯。
至于价格,我本来以为 WorkBuddy 5分钟消耗了 1 块钱,豆包工作花费时间长稳输。结果,这个任务居然被豆包工作每天的免费额度里 cover 了,直接 0 元购。
这波,我真得站豆包工作。

这次测完,我更能理解豆包工作为什么要开放第三方模型了。
还是刚说的,同一个模型,放进不同的产品里,交出来的东西、花的时间和费用,都能有明显差别。模型之外,怎么搜索、怎么调用工具、怎么把结果做好,这些工程上的功夫,最后都会落到实际的用户体验上。
我觉得,接下来 Agent 产品之间的竞争,会越来越多地发生在这些地方。
字节在豆包工作里开放了第三方模型又加上这么多优惠,实测下来用它干活的确 ROI 很高。这个 Harness 带来的飞轮,字节看起来志在必得。







