10月26日，THE DECODER报道了纽约大学和德州大学奥斯汀分校的一项联合研究。团队比对了14个语言模型，发现由于训练范式的改变，奖励信号只判断答案对不对、信息密度高不高。模型表达于是越来越优先服务于机器，而不是为了和人沟通。
这种偏差到了办公场景里，就成了实打实的返工。
一份周报、一套PPT、一篇会议纪要，除了内容准确，还得表达清楚、方便修改，不能交付得快，返工却更多。
前两天，中文语言理解权威测评机构SuperCLUE发布了《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，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。
豆包工作总分85.33，第一。文档处理87.12分，也是第一，是8款里唯一破87分的。
过去总被认为“会接梗、会陪聊”的豆包，悄悄拿下了办公Agent赛道的大结果。
总榜、文档处理双“第一”
SuperCLUE这次测评的对象不是模型，是产品。除了豆包工作，有KimiWork、腾讯WorkBuddy、百度搭子、千问办公，也有商汤小浣熊、讯飞星火工作和纳米Work。既有大厂的办公产品，也有长期做文档、数据和语言处理的玩家。
8款办公Agent跑同一批任务，交付物统一收上来，先做10%的脚本化格式审查，再由裁判模型按7到12条细则打分。
总榜上，豆包工作以85.33分排在首位，KimiWork为84.57分，WorkBuddy为83.99分，百度搭子为82.68分，分列第二至第四。前四名只差2.65分，头部竞争已经很接近。
豆包工作拉开差距的地方，是文档处理。它拿到87.12分，比第二名百度搭子的82.93分高4.19分，比第三名WorkBuddy的82.45分高4.67分。8款产品这一项的平均分为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”放在一起，豆包工作的长处就清楚了：它在日常办公最常用的文档任务上，建立了明显的主场优势。
其中一道测试题最能说明问题。
题目给的场景是：你是某市市场监管部门产品质量监督处的负责人，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，顺带把后续处置和跟踪定下来。交一份8—10页的市场监管月报，页数含封面、目录，表格还必须能继续编辑。
附件是四份文件，两类产品的抽查发布稿和不合格明细表，数字都在里面，但要自己算。
第一个坑在合并计算。两类产品分别抽查了100批和60批，不合格率分别是16.0%和16.7%，如果直接取两数平均得出合并检出率为16.35%，那是错的。
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”和“问题项次”是两个量，图表里得分开标。
再往下还有两处，考察的是文字表达边界和时态的拿捏。四个坑都不是文笔问题，考的是谁在不许出错的地方没出错。豆包工作领先的，正是这一类综合任务的成绩。
不过，它也不是每个项目都排第一。数据分析一项，KimiWork以88分领先，WorkBuddy为86.13分，豆包工作以81.50分排第三，不同产品各有长处。
还有一点值得注意，测评是“让旗舰模型搭配各家Harness工程化框架同场竞技”。翻译过来，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，比拼生成速度。但落地使用之后大家发现，AI替自己省下的时间，又耗在教它干活、给它搬资料上。
智能和好用，很多时候是两回事。
对多数日常工作，用户更关心的是办公效率。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。
豆包工作在产品形态上就做了一个很聪明的选择：它没有逼用户搬家。
用户可以在豆包里进入“工作”模式，也可以下载独立的豆包工作PC客户端。两个APP是同一个账号，项目、历史会话、云端数据是互通的。
这一点对于定时任务非常方便。以我为例，我在PC端设置了一个定时任务，让豆包工作每天晚上10点给我一份标的池的资讯晚报。临睡前或者第二天通勤路上，打开手机上的豆包APP就能看结果，不用再守在电脑前，非常方便。
不少办公Agent都在用上下文建墙，豆包工作则是主动开门。10月14日，豆包工作上线了一个功能，叫"数据导入与同步"。
这件事之所以重要，是因为实际使用时，为了薅各家办公Agent的免费额度，很多人是开三四个Agent同时干活的。素材散在不同产品里，整合起来就很麻烦。
豆包工作的"数据导入与同步"解决的正是这个高频痛点。它能从ChatGPT、Claude Code、Trae Work等已适配的产品里，把任务偏好指令、你自建的技能、连接器、工作记忆、项目、历史会话六样东西都搬过来。
导入之后，技能和连接器进入对应入口，项目和会话进入对应列表，历史会话保留原来的上下文，可以直接接着聊。
具体操作只须三步：点左下角头像，进设置，找到"数据导入与同步"，选来源，确认。
我写稿的时候经常用这个功能。由于要整理的资料非常庞杂，我习惯同时开多个Agent分头搜集素材，再把零散上下文和搜集成果一键导入豆包工作。
核对、修改的时候，它不只是简单汇总核对，还会剔除不少空泛的套话，修改后的表达更直接，读起来也更顺。它还支持本地Office编辑，修改后可以保存回本地文件，省去了反复上传、下载和另存的麻烦。
不过，这个功能目前只能同步本地内容，存在云端的网页版对话暂时搬不过来。
另外，豆包工作还支持双模运行环境。涉密的、要用本地文件和内部系统的活，留在本地跑；长耗时、吃算力的活丢到云电脑，切过去之后本地关机，任务继续跑。
这些功能单独拿出来，都不算石破天惊。但搬运、解释、生成、修改，每一步改进都少让用户折腾，考验的就不只是单点能力，而是整套产品和组织交付能力。这也把竞争带到了更深一层。
办公Agent之争，才刚打完第一仗
办公Agent的竞争，表面上是产品竞争，底层实际是组织竞争。
大厂产品的单点技术优势很难长期维持，人才在行业内不停流转，版本快速迭代，能力边界会快速收拢。
随着“入口大战”接近尾声，比拼也从抢入口转向拼交付。办公Agent的分水岭，最终将落在组织机制与资源底座上。
今年夏天，把AI塞进办公领域，成为行业共识。头部玩家纷纷结束赛马，收拢产品和组织线，包括字节。
字节在豆包工作正式发布前，先做了两轮组织调整。
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。次日，豆包工作正式发布。从第一轮调整到产品上线，仅仅相隔26天。
产品发布后，豆包工作几乎按周更新。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。
进入10月，更新更密：9日推出创作画布，14日支持跨AI数据导入，21日补上本地Word编辑，28日又让电脑操作可以录成技能、Mac锁屏后继续执行。
要把这些工作接下来，模型、产品和工具都得配合。一项功能更新，背后可能就需要几支团队一起改。此前分散在几条业务线上的积累，办公材料、任务执行、用户偏好，逐项进入同一个工作过程，开始以豆包工作的名义交到用户手里。
9月是豆包工作正式发布后的首个完整自然月。易观的当月桌面端统计显示，豆包工作月访问量为3039万次，已经冲到第三。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。
第一个完整月取得这样的规模，豆包工作的起步不低。但与其他大厂产品相比也仍有距离。不过，字节手里还有一批已经熟悉豆包的用户。
QuestMobile2026年9月数据显示，豆包App的月活跃用户规模已达到4.19亿。对这批用户来说，不必切换新应用，在熟悉的豆包内就能直达办公入口。
总榜第一、文档处理第一的测评成绩，给了这批用户一个重新认识豆包工作的理由。
