办公 Agent 争夺战：腾讯字节把战火烧到电梯间

北京朝阳区某住宅小区的电梯里，一场办公 Agent 的商战正以一种相当直观的方式上演——字节旗下 TRAE Work 的广告刚刚替换掉了腾讯 WorkBuddy 的位置，扫码还能领 4500 新用户积分。过去几个月，腾讯、阿里、百度、字节已经基本完成一轮桌面办公 Agent 的排兵布阵：阿里推出千问办公，腾讯主推 WorkBuddy，百度上线百度搭子（DuMate），字节旗下则有正在与飞书整合的豆包办公，以及向通用办公扩张的 TRAE Work。几款产品目标场景越来越接近，但在模型路线上出现了明显的分化。

电梯里的碰面与字节的组织调整

字节 7 月底对豆包、飞书和火山引擎的组织调整是这场竞争的标志性事件。此前飞书作为字节独立 BU 运行，负责人谢欣直接向 CEO 梁汝波汇报；调整之后，飞书产品团队并入豆包产品线，谢欣改为向豆包负责人赵祺汇报，飞书 GTM 团队则与火山引擎相关团队进一步整合。飞书原有的文档、表格、会议和群聊能力，由此成为豆包进入企业工作流的基础，豆包企业版也已在部分飞书客户中内测。

但真正率先在线下和 WorkBuddy 争夺用户的，并不是声量更大的豆包办公，而是 TRAE Work。

TRAE 最初从 AI 编程工具切入，今年 6 月 TRAE SOLO 正式升级为 TRAE Work，产品边界从代码生成扩展至研究、写作、数据分析、方案制定和跨团队协作等通用办公场景。易观数据显示，今年 6 月 WorkBuddy 桌面端月访问量达到 2097 万次，同期 TRAE IDE 国内版月访问量 1279 万次，排名第二；升级后的 TRAE Work 已与 TRAE IDE 实现账号互通和项目资源流转。这意味着 TRAE Work 要同时回答两个问题：对外与 WorkBuddy 抢用户，对内与豆包办公如何共存。

自有模型与多模型聚合的路线分野

往模型层看，办公 Agent 的竞争出现了一条更深的分水岭。

• 自有模型路线：千问办公以千问系列大模型为能力锚点，模型选择器提供基础、高级、经济以及 Qwen3.8-Max 等不同档位；豆包办公依托字节自有的 Seed 模型，模型能力的持续训练与迭代直接决定 Agent 能力上限。
• 多模型聚合路线：WorkBuddy 与 TRAE Work 均内置多种模型并提供 Auto 模式，WorkBuddy 接入了混元、GLM、MiniMax、Kimi、DeepSeek 等模型；TRAE Work 内置了千问 3.7 版本，但目前可见选择中没有腾讯混元。

这一差异背后是腾讯与字节的微妙博弈：WorkBuddy 和 TRAE Work 都希望接入更多模型，把自己做成通用工作台；与此同时，腾讯和字节又分别拥有混元和 Seed，自家模型本身也在争夺调用量与用户使用。桌面入口之争，有可能进一步演变为模型调用量之争。

路由：聚合路线的下一道题

当一个 Agent 同时掌握多个模型，如何调度就成了绕不开的工程问题。

随着模型持续迭代，各家在代码、复杂推理、长文本、搜索、响应速度和调用成本上的差异越来越明显。到了 Agent 场景，这种差异会被进一步放大——一项复杂任务往往需要连续调用模型数十次，不同环节使用什么模型会直接影响完成效果、耗时和成本。理想状态下，用户只需提出任务，后台自动完成模型选择：简单信息提取交给速度快、价格低的模型，复杂推理与代码任务再调用能力更强的模型。对于个人用户，这体现为等待时间和积分消耗；到了企业场景，则变成算力开支。

如果聚合型 Agent 积累起足够多的用户，路由还可能形成另一层价值——数据飞轮。每次真实任务都会留下模型表现的反馈：什么任务交给哪个模型成功率更高、需要多久、消耗多少 Token，又在哪些情况下容易失败。在符合隐私与数据治理要求的前提下，这些反馈可以反过来优化路由策略。模型之间的竞争，也可能从争夺用户主动选择，进一步延伸至争夺路由系统的选择。

资本市场已经开始押注这一方向。今年 5 月，全球最大的模型聚合平台 OpenRouter 完成 1.13 亿美元 B 轮融资，投后估值达到 13 亿美元。不过这套商业逻辑能否跑通，最终仍取决于路由是否足够准确。腾讯内部两个研究团队已经体现出这一问题的分歧：腾讯混元与中国科学院大学提出的 DecoR，关注单次请求，把 Query 拆成技能、知识和难度等能力维度再匹配模型；腾讯微信团队与上海交大的合作研究则把时间尺度拉长，认为当前一步表现更好的模型未必能带来整段任务的最优结果，模型切换还会影响缓存复用和累计成本。

究竟应该何时切换、多久切换一次，目前行业尚未形成统一答案。但对于聚合型 Agent 而言，商业问题已经相当具体：谁能更准确地把真实任务分配给合适的模型，同时把算力成本压下来，谁就更有可能把多模型真正转化为产品能力。