作者｜简寻
编辑｜重点君
豆包的模型列表，终于热闹了起来。
为什么这么说？
因为在此之前，我们普通用户若是打开豆包，在选择模型的时候只有2个选项可用，一个是豆包2.1 Lite，一个是豆包2.1 Pro：
但现在，选项已经足足扩展到了10个款！（包含“自动”）
这便是豆包于昨日发布的一个重大更新——第三方模型对所有用户开放。
但这事儿还远不止这么简单，因为跟着第三方模型同时上线的，还有一套算账规则。
现在豆包里的所有模型都可以共用一个额度池，上面图片里的模型后边的“x”就是价签，倍率越低扣得越少；工作日和节假日的指定时段另有额度优惠，零碎的小任务则直接免费。
一言蔽之，不论是选项还是价格，豆包现在可谓是模型自由了。
那么问题也就来了：
既然豆包肯把自家和别家的模型放在同一张桌上，还把价格写得明明白白，那到底怎么用才最划算？
带着这个问题，我们展开了一波深度实测。
同样的活儿，换个模型，额度差了6.5倍为了弄清楚这笔账，我们给豆包工作准备了三道题：
第一道题是读年报，把关键数据整理成Excel；
第二道题是写代码，做一个财务能直接用的报销工具；
第三道则要上网查资料，给管理层写份咖啡行业简报。
测试的流程是每道题各自选择三个模型来执行，再用“自动模式”跑一遍，一共12次。
先来看下读年报这道题，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？
二、整理一张关键财务数据表，输出为 Excel 文件。包含以下指标：营业收入、归属于上市公司股东的净利润、扣除非经常性损益后的归母净利润、经营活动现金流量净额、研发投入金额及占营业收入比例、应收账款。每项列出 2025 年数值、2024 年数值和同比变化，并标注该数据在报告中的页码。
我们准备了一份长达21页的模拟材料，除了要求模型们整理Excel之外，我们还让它们一份800字以内的摘要。
先来看一下豆包2.1 Pro、Kimi K3.1 Pro、DeepSeek V4.1 Flash和自动模式最终输出的Excel表格：
从结果来看，四个模型都拿到了满分，全都符合我们提出的要求。
这就说明对于这道题，四个模型的能力都是没有问题的；但是，差异出现在了账单上。
同样是满分，常规价格里最贵和最便宜的差了6.5倍。换句话说，选对模型，这活能少花85%的额度（目前免费的模型并未算进去）。
那么为什么Kimi K3.1 Pro的倍率是0.95x，豆包 2.1 Pro是0.65x，价签只差四成多，账单却差了六倍多呢？
这是因为倍率是单价，并非是总价。对于同一个任务，有的模型三两下就能搞定；有的却需要会反复核对、多跑几轮工具。
以这次的实测为例，Kimi输出的Excel里多了一整张投研摘要，还特意把同比数据跟原文对了一遍；正是因为活干得更细，所以额度也自然地吃得更多了。
第二道题，是写代码。
这次我们准备了三份报销明细，分别来自销售部、市场部和研发部，另外还有一份两页的《费用报销制度》。我们让豆包工作根据这四个文件，做一个财务能直接用的报销工具。把Prompt里的要求归拢一下，就是下面这几条：
工具做成单个HTML文件，双击就能在浏览器里打开，不用安装软件。把三个部门的明细拖进去，工具要能认出各自的表头、日期和金额，再按报销制度逐笔审核。审完之后，既能按部门、报销人和费用类别看汇总，也能把有问题的记录单独导出到Excel。
这道题我们选了豆包2.1 Pro、GLM 5.3、DeepSeek V4.1 Flash和自动模式，并且四个版本都交出了能打开的网页。
不过，能打开只是第一步，它到底会不会算账，还得把数据放进去试一试：
从结果来看，四个版本算出来的数一模一样，申请总额都是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。
再点开部门汇总，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，三笔加起来也对得上。
既然这笔账谁都能算对，我们就直接看做出这个工具花了多少额度：GLM 5.3消耗274.24，豆包2.1 Pro消耗59.80，DeepSeek和自动模式这次都显示免费。
所以，如果公司财务只是想把这74笔报销审完，选DeepSeek或者自动模式就够了。和豆包Pro比，这一单省下了全部59.80额度。
再看收费的两个选项，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会扣多少。
第三道题，是写一份咖啡行业简报。
我们准备了一张调研需求单，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年国内咖啡市场有多大，人均喝多少杯？瑞幸、库迪、星巴克中国、幸运咖和挪瓦各有多少家店？瑞幸最近一个季度的收入、利润和同店销售怎么样？星巴克中国今年有哪些变化？过去两年的9.9元价格战，现在打到哪一步了？
除此之外，我们还提了个要求，关键数据要给出处，碰上不同机构的数据对不上，要把原因讲清楚。
这回上场的是豆包2.1 Lite、豆包2.1 Pro、Kimi K3.1 Pro和自动模式：
从结果上来看，四份报告都写了摘要、做了门店表，也都在文末列出了参考来源。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。
如果只看资料数量，Lite最多，但它的第30条和第31条标题相同，只是来源不同，使用前还需要确认是否为同一篇文章。
Kimi虽然只列了13个来源，但对市场规模数据的差异解释得比较清楚，2181亿元、3549亿元和1405亿元对应的统计范围不同，不能直接平均。
豆包Pro的门店表更便于比较，它尽量统一采用第三方统计的现存门店数，并注明不同品牌的统计口径和日期，避免直接比较时出现偏差。
因此，这道题我们没像前两道那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，两份也都覆盖了需求单里的五个问题。如果要把具体数字放进正式材料，我们会参考Kimi对市场规模的解释，以及Pro整理门店表的方式。
最后，为了方便对比，我们把这十二次的实测放到了一张表里：
跑完这三道题，我们发现，选模型之前最好先想清楚一件事，那就是拿到结果以后，我们准备用它做什么。
比如报销工具，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，财务就可以拿去用。GLM这次做到了，免费的DeepSeek也做到了，多花的274.24额度，并没有让这74笔报销审得更准。
但到了咖啡简报，光看五个问题有没有答全，四份报告似乎又差不多。真要拿着其中那张门店表去开会，列的是全球还是中国、数字是公司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。
然而，模型本身也在持续变化。光是DeepSeek发布的节奏就已经非常紧凑，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，到了10月17日又升了一版。尤其是最后这次，调用方式和价格都没变。
这也解释了为什么字节明明有自己的模型，仍愿意把Kimi、GLM和DeepSeek接入豆包。
假如用户习惯用Kimi读报告，过去遇到调研任务时，还得切换到其他平台，字节就很难留住这部分需求。如今，Kimi已经出现在豆包的功能菜单中，用户读完报告后，还可以继续在同一个窗口里处理Excel、修改Word，无需再切换平台。
而对于企业来说，各部门分别要订阅哪个模型，也是一笔值得思考的账单。
市场部偶尔需要使用Kimi，研发部有几项任务想用DeepSeek，如果分别购买，就要考虑给哪些人开通账号、每个部门购买多少额度。如今，多个模型可以共用一套额度，管理员也能根据部门需求灵活分配用量。
对模型厂商而言，这也增加了接触办公用户的机会。就拿我们这次的体验来说，用户可以在豆包中便捷调用不同模型，完成从报销工具到专业任务等多种工作，进一步拓展办公场景中的使用边界。
模型已经成了标准件，Harness才是办公Agent的分水岭既然豆包工作能接Kimi、GLM和DeepSeek，别的办公Agent也能接，那么同一批模型摆在几个工作台里，用户凭什么选豆包？
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。但同一个模型到了不同的工作台，能读到哪些资料，能调用什么工具，交付前会不会检查结果，却取决于各家怎么做。
这套围绕模型搭建的执行系统，业内称为Harness。 当各家的模型菜单越来越接近，办公Agent能拉开多大差距，很大程度上就看这一层。
LangChain的一项实验便为这一判断提供了具体依据，他们将底层模型固定为GPT-5.2-Codex，只调整编码Agent的Harness，包括如何向模型提供环境信息，以及如何在模型准备结束任务时触发自检。调整后，同一个模型在Terminal-Bench 2.0上的成绩从52.8%升至66.5%，提高了13.7个百分点。
这是编码任务上的结果，但它说明了一件与办公同样相关的事：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。
放到豆包工作上，最先能感受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，做出的报销工具算对了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。界面没有披露具体选中了谁，所以我们能确认的是这三次的交付结果。至于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。
更进一步来讲，成本之所以也是系统能力，是因为企业承担的不是模型单价，而是完成任务的总消耗。例如在年报测试中，Kimi为0.95x、豆包Pro为0.65x，但两次实际消耗相差6.5倍。豆包将不同厂商的模型纳入同一套额度体系，用户可以用同一道题比较账单，再决定任务该用哪档模型。
不过，模型能力再强，企业也容易在制度更新和文件管理上出错。比如财务更新了住宿标准，却留下旧文件，模型再准也会从第一笔就算错。针对这一问题，豆包打通飞书后，可在用户权限范围内调用团队文档、会议记录和多维表格，让已确认的规则能够被持续找到。
当然，找到资料只是第一步，接下来还要解决两件事：能不能执行，以及谁有权执行。报销工具不仅要解释规则，还要接收文件、完成审核并导出Excel。因此，电脑操作、技能和连接器，正是把说明变成可使用、可复查文件的关键。与此同时，员工只能读取有权限的飞书资料，企业也能按成员、部门和场景配置模型调用权限。也就是说，每接入一家第三方模型，管理员都必须管好这个新入口。
从这个角度看，这也是字节做办公Agent有底子的地方。TRAE做桌面执行，扣子做技能和连接器，飞书做企业协同，三条产品线各自处理过一部分难题。如今到了豆包工作，这些积累终于要在同一份任务上接受检验。用户在飞书里能读的制度，换个模型还得按原权限读；桌面工具导出的表，财务得能直接拿去核；月底管理员看账单，还得知道额度花在哪个部门。归根结底，单独把某个功能做出来，和把这几步一起做好，中间差的就是工程功夫。
再看这次更新的节奏。从10月底面向企业客户开放，到11月12日扩展到所有用户，前后约两周。字节同时把豆包2.1 Lite和DeepSeek V4.1 Flash的倍率限时下调到0.01x，又给指定时段的模型使用加了优惠。连同行的模型也一起降价，我们更愿意把它看作字节争办公入口的一步：用户只要肯把下一份年报、下一批报销单继续交给豆包工作，最后调用的是谁家的模型，字节都有机会留下这份业务。
所以，把Kimi、GLM和DeepSeek请进家门只是第一步。接下来，用户会留在哪个工作台，要看谁能替用户把模型选对，让企业已有的资料和工具接得上，也让每个月的账单经得起复核。
总而言之，模型可以换，但前提是，工作得接得住。
