文 | 深流研究所，作者 | 之丰
AI 办公大战打到现在，大家开始齐刷刷走腾讯的路了。
此前，用户打开哪家的办公 Agent，就是用哪家的模型。腾讯 WorkBuddy 是少数派，在今年 3 月上线之初，它就向用户开放了 DeepSeek、GLM、Kimi 等三方模型的选择。
10 月以来，WorkBuddy 又陆续接入阶跃星辰和小米的旗舰模型，几乎涵盖所有国内主流大模型。
现在，其他 AI 办公产品开始跟上 WorkBuddy 的多模型策略了。上周五，豆包工作开始向企业客户开放三方大模型服务，首批接入了 Kimi、GLM、DeepSeek 等系列模型。就在同一天，小米 MiMo Desktop 也宣布会员用户可以选择更多模型，包括 DeepSeek 系列。
为什么 AI 办公产品都开始把对手的模型请进自家？
任务面前，没有永远的单点领先
多模型这条路，WorkBuddy 走了半年多后，越来越多 AI 产品开始跟着走了。
10 月初，马斯克在 X 上宣布，Grok Bot 将可以调用 Claude、Midjourney、Suno 等第三方模型。几天后，谷歌发布面向办公场景的 Gemini Agent，也开放了对 Claude 等第三方模型的支持。
背后的原因并不复杂。AI 进入办公场景后，是以任务执行为中心，用户所需的智能供给也就变得多元。
即使是在同一家企业里，行政、销售、财务、设计、产品经理等不同岗位的任务也相差甚大。况且，一项工作任务可能就包含资料检索、数据分析、内容生产、视频生成等多个环节，这对模型的推理、写作、多模态等能力提出了不同要求。
与此同时，如今模型厂商在不同能力维度上持续竞争，迭代速度加快。这个阶段，某家模型可能在编程任务上表现突出，另一家可能在成本效率上更有优势，而随着新模型发布，原先的相对优势又会被重新洗牌。
能力上的领先像潮水，涨落之间，没有哪一家能在岸上站定不动，谁也没法保证自家模型能在所有任务上永远领先。
所以，马斯克和谷歌在解释为何提供三方模型时，说法都很一致：任务不同，所选的模型也理应不同。
让任务匹配模型，便成为多模型策略的价值所在。Google Cloud 的 CEO 在 10 月初时公开表示，" 最适合任务的模型并不总是最大的 "。让模型与任务的匹配，可以提高复杂任务的准确率，并降低简单任务的成本。
尤其是在办公场景下，用户的任务记录、工作流和上下文等，往往都沉淀在一个 Agent 中。开放模型选择后，用户能根据任务进行质量、速度与成本的优化，无需为单一模型妥协；也不必因为模型偏好改变，重新迁移整套工作环境。
对于各家巨头来说，留住用户的整套工作环境，比坚持只使用自家模型更有商业价值。
模型隐入后台，Agent 入口更加重要
以任务为核心的需求，正在改写模型能力与 Agent 产品之间的关系和位置。
对办公 Agent 来说，模型是完成任务的底层智能供给。Agent 需要整合这些能力，让它们能够在具体的工作流程中发挥作用。
如果一款办公 Agent 无法提供用户完成任务所需的更丰富、更可靠的智能能力，用户就可能转向其他产品。豆包工作首先向企业用户开放第三方模型，多半也出于这层考虑。
与此同时，模型能力也需要寻找更多进入真实任务的渠道。
在过去，大模型厂商通常通过自家的 Chatbot 或 API 向用户和开发者提供能力。随着办公 Agent 的发展，模型能力抵达用户的路径正在变得更加多样。
据易观分析数据，2026 年 9 月，中国桌面端 AI 原生办公智能体市场合计访问量已突破 3 亿次，同比 2026 年 6 月增长近 5 倍，其中排在首位的 WorkBuddy9 月月访问量就达 8534 万次。
随着模型能力逐渐变成底层供给，Agent 作为用户使用模型能力的入口，其价值变得愈发重要。
据腾讯披露，WorkBuddy 自今年 3 月上线以来，已经完成 90 亿次任务请求，企业版进入 50 多个行业，覆盖 50% 的中国企业 500 强和 60% 的中国企业 100 强。所以，最近 DeepSeek 发布的 V4.1 Flash 新版本模型，就特别针对 WorkBuddy 等平台框架进行了优化。小米在宣布旗下 Agent 产品接入 DeepSeek 的同时，它的大模型也接进了 WorkBuddy 里。
向外调度模型，对内重组自身
接入更多的模型，只是 Agent 能力建设的一部分。
不同模型接入之后，Agent 还需要解决工具调用、上下文传递、执行控制和结果验证等问题。只有这些环节能够协同工作，多模型能力才能转化为真正的任务完成能力。
这又牵出 AI 办公竞争的另一面：公司要如何围绕任务协同，重组自身的能力与资源。
上述易观分析数据里前三名的办公 Agent，分别来自腾讯、阿里和字节。这些成熟的科技大厂原本就拥有丰富的相对独立的产品线，各自积累了用户入口、数据、工具、账号体系和产品团队等。
而在真实的办公场景中，用户交给 Agent 的往往是一项跨越多个产品、数据源和操作环节的任务。Agent 需要检索分散在不同系统中的信息，调用相关产品的能力，再把执行结果连接起来。如果各个产品仍然只能独立提供功能，用户就需要在它们之间手动切换、搬运资料和重复交代背景。
办公 Agent 要真正完成任务，就需要将这些原本分散的能力和资源重新组织起来。近期腾讯 WorkBuddy 和企业微信全面打通，以及上周刚发布的 Buddy One，都是围绕 Agent 任务协同再造自身。Buddy One 把 WorkBuddy 和腾讯文档、腾讯会议、腾讯网盘、ima 接到了一起，用户授权之后，文档、会议记录和知识库可以一并检索，账号和积分权益也统一了。
其中，新推出的腾讯网盘为 WorkBuddy 套件提供统一存储，让 Agent 工作中积累的资料和生成的成果能够保存下来，并在后续任务中按权限继续调用。用户切换设备或者应用，工作也不必从头来过。
不同产品提供的功能和内容，由此能够围绕同一项任务协同起来。腾讯的内部整合还延伸到了云基础设施。据腾讯介绍，腾讯云 Agent Runtime 针对 Agent 长时间运行、状态保存、休眠与恢复等特点，调整了基础设施，让任务能够持续执行。
上个月刚发布 AI 办公产品的谷歌也在进行类似的探索。Gemini Agent 能够连接 Gmail、Drive、Docs、Slides、Sheets、Chat 和 Calendar 等 Workspace 应用，支持跨应用执行任务，并利用相关工作资料和上下文提供服务。它也可以根据任务需要调用不同模型、工具和子 Agent，包括 Claude 等第三方模型。
腾讯和谷歌，都在尝试让旗下的 AI 办公产品承担起一个双向调度枢纽的角色。向外接入三方模型和外部生态，根据任务调用不同的能力；对内调度产品、工具和上下文等，让这些资源围绕任务协同。
当多模型策略逐渐成为共同选择，AI 办公的竞争也将进一步深入到任务执行过程。模型可以来自不同厂商，但用户把任务交给一个 Agent 之后，真正影响体验的，是它能否理解目标、找到合适的能力、组织执行过程，并在出现问题时及时调整，最终交付可靠的结果。这份统一调度的功夫，可没法从别家轻易学过来。
