SuperCLUE-Office办公智能体评测发布，豆包工作以85.33分居首，千问办公2.0聚焦TeamAgent协作

近日，中文语言理解权威测评机构SuperCLUE正式发布《2026年10月SuperCLUE-Office办公智能体端到端实战测评结果》，国内主流办公智能体产品的综合能力首次通过标准化、任务导向的实战测试得以量化呈现。在参与评测的8款产品中，豆包工作以85.33分的总成绩排名第一，Kimi Work与WorkBuddy分别以83.17分、81.42分位列第二、第三。

此次测评摒弃了传统单点能力（如文本生成、数学推理）的评分逻辑，转而聚焦真实办公场景中的端到端交付质量——即Agent能否独立完成Word文档、PPT方案、Excel报表及图表等最终产出物。评测框架围绕三大核心维度展开：文档处理、材料撰写与数据分析，共设13项二级任务，全面模拟职场中高频出现的复杂工作流。

从细分维度看，豆包工作在文档处理维度表现突出，得分达78.93分，显著高于其他产品；Kimi Work则在数据分析（72.00分）与材料撰写（73.62分）两项中优势明显。值得注意的是，三大维度的平均分与最大分差差异悬殊：数据分析平均分仅71.72分，但最大分差高达72.00分；材料撰写平均分73.62分，最大分差47.75分。这表明当前办公智能体在结构化信息理解与高阶内容组织方面仍存在显著能力断层，不同产品间水平分化严重。

用户实测反馈进一步印证了测评结论。有长期使用飞书生态的创作者指出，在接入豆包工作后，其对分散于多维表格、云盘、会议纪要与群聊中的公众号内容资产进行系统梳理的任务，能一次性生成完整的内容资产地图HTML文档，不仅归类准确，还能基于已有资料衍生新选题线索。另一典型用例是本地文件自动化整理：用户授权Agent访问微信下载目录，要求按主题分类PDF/PPT/Word并生成索引表，豆包工作成功将资料划分为“Agent与智能体”“AI产品与工具”“AI技术与开发”等类别，输出结构清晰的Excel索引，且严格遵守“不移动、不删除原文件”的约束条件。

这一能力背后，是字节跳动对豆包工作持续高强度迭代的体现。自《豆包工作蓝皮书》开源以来两个多月内，其功能更新节奏明显加快，尤其在上下文理解深度与跨文档关联推理方面进步显著。

与此同时，阿里系的千问办公2.0也在近期完成重大升级，其战略重心转向“Team Agent”——即让AI作为平等成员嵌入团队协作流程。该版本核心新增“协作空间”功能，允许用户将钉钉群聊、会议听记、云文档及本地资料统一纳入一个项目上下文环境。例如，某编辑部将“选题群”“图文群”“视频群”三个分散讨论渠道关联至同一协作空间后，千问小Q可自动汇总各群中的选题进展、责任人与DDL，生成动态任务看板，并根据时效性自动标注优先级。

该模式与Anthropic今年6月在Slack推出的Claude Tag理念趋同，但千问办公2.0更强调与既有办公基础设施的原生融合：无需切换平台，日常沟通与文档即为AI的工作输入源。用户还可为Agent设定“自动判断”规则，使其在识别到特定关键词或任务状态变更时主动介入，而非被动等待指令。

从产品演进路径看，办公智能体正经历关键范式转移：早期产品侧重单任务提效（如写周报、做PPT），如今则需具备跨模态信息整合、长期记忆调用与多人协同决策能力。SuperCLUE此次测评的价值，正在于将模糊的“好用与否”转化为可比对的交付质量指标。例如，一份合格的项目方案不仅需语言通顺，更要能准确引用历史文档中的关键参数；一次有效的会议纪要摘要，应能关联此前同类议题的决策结论。

这种转变也倒逼厂商调整研发重心。豆包工作的胜出，反映其在文档语义解析与格式一致性控制上的积累；而千问办公2.0的Team Agent设计，则直指组织级知识流动效率瓶颈——当多个成员同时与同一Agent交互时，如何维持上下文连贯性、避免信息孤岛，已成为下一阶段竞争的关键战场。

目前，头部厂商已形成差异化布局：字节强化单人工作流闭环，阿里探索团队协同新范式，百度、讯飞等则在垂直行业场景（如法务合同审查、财务报表生成）持续深耕。可以预见，随着企业对AI办公依赖度提升，评测体系也将进一步细化，例如加入权限管理合规性、多轮对话稳定性、异常处理鲁棒性等维度。

办公智能体的竞争已不再是“谁更能写”，而是“谁更懂你的工作”。当AI开始理解项目背景、识别隐性需求、甚至预判后续动作时，它才真正从工具升格为协作者。这场静默的变革，正悄然重塑知识工作者的日常边界。