华尔街评测8款主流Agent：千问办公综合排名第一

成本也正成为Agent商业化需要考虑的重要因素

8月19日消息，华尔街投行杰富瑞分析师近日对八款全球主流AI Agent进行了真实办公任务实测，结果显示，通过模型和Harness的协同，阿里千问办公综合得分排名第一，超过美国的Claude Cowork和Codex等Agent工具。

此次测试共设置5项真实办公任务，包括基于多份文件完成公司年报摘要、联网查找并比较公司经营数据、操作真实桌面浏览器完成信息检索和文档生成、根据数据制作英文PPT，以及基于参考图片生成营销海报。测试结果显示，千问办公整体表现较为均衡，尤其在复杂办公任务、网页浏览器控制以及多模态内容生成等场景中表现突出，是唯一一个在所有测评维度中均获得90分以上的Agent产品。

报告进一步将Agent能力拆分为模型与Harness两部分进行分析。所谓Harness，是围绕模型运行的一整套工程机制，包括指令、上下文、工具调用、边界控制、反馈纠错和治理等。按照杰富瑞的测算，千问办公的"隐含Harness分"位居此次测试产品首位，高于Claude Cowork和Codex等七款国内外主流Agent产品。这也意味着，在底层模型之外，如何通过工程和产品能力将模型智能稳定转化为实际任务结果，正在成为Agent竞争的重要维度。

除任务表现外，成本也正成为Agent商业化需要考虑的重要因素。报告显示，千问办公底层Qwen 3.8 Max的API价格明显低于部分海外头部模型。由于Agent通常需要进行多轮推理、持续调用工具和执行长链路任务，企业未来衡量Agent价值时，除了模型和产品能力，也可能进一步关注"Cost per Task"，即完成一项真实任务所需的执行成本。阿里Qwen模型和千问办公Agent的组合体现出较好的性能与成本优势。

过去几个月，Agent的竞争正在从个人办公转向企业级场景。报告认为，对于企业级Agent而言，工作流和生态协同是核心竞争壁垒。随着Agent持续连接企业数据、业务系统、协作工具和权限体系，用户的历史任务、工作习惯、连接器、Skills和自动化流程会逐渐沉淀在产品中，形成更高的使用粘性和迁移成本。

介绍说，"千问办公"不仅可以帮助个人提效，为企业的AI需求设计，也是"千问办公"的鲜明特色。目前"千问办公"已初步打通钉钉IM工具，企业员工通过"千问办公"，即可完成群聊总结、文档表格创建、消息邮件收发等操作。未来，企业客户还可以将"千问办公"接入到真实繁杂的工作流中，全面连接企业真实的数据库和工作流，帮助企业提升办公与组织效率。

来源：量子位