字节跳动旗下的豆包工作，开始让用户使用更多竞争对手的大模型。
11 月 12 日，豆包工作宣布更新模型阵容，在原有豆包 2.1 Lite 和 Pro 两款自研模型之外，正式接入 Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等第三方模型。
这次更新还伴随着一轮价格调整。
豆包工作将在模型选择页面标注不同模型的额度消耗倍率，用户可以根据任务复杂程度、响应速度及使用成本，自主选择模型。同时，平台还推出限时优惠计划，下调豆包 2.1 Lite 和 DeepSeek V4.1 Flash 的额度消耗倍率，并向新用户提供 30 天免费订阅权益。
事实上，豆包工作在 10 月 29 日就已率先向团队及企业订阅客户开放第三方模型服务。此次进一步更新模型阵容和优惠机制，也让多模型策略成为豆包工作争夺用户的重要手段。
豆包工作的转变或许来自市场竞争的压力。
此前，腾讯 WorkBuddy 已经接入混元、GLM、MiniMax、Kimi、DeepSeek 等多家模型厂商的产品，并通过 Auto 模式，根据路由策略自动选择适合的模型。
WorkBuddy 确实建立一定的领先优势。易观分析发布的 2026 年三季度办公智能体市场报告显示，今年 9 月，WorkBuddy 的月访问量达到 8534 万次，豆包工作则为 3039 万次，前者约为后者的 2.8 倍。
在 WorkBuddy 持续扩大用户规模、抢占办公 Agent 入口的背景下，豆包工作也面临着越来越直接的竞争压力。
事实上，字节并非没有多模型产品的经验。早在豆包工作开放第三方模型之前，字节旗下从 AI 编程工具起步的 TRAE 就已经采取多模型策略，其 TRAE Work 同样提供 Seed、GLM、DeepSeek、Kimi、MiniMax 等不同厂商的模型选择，并支持用户自行接入模型服务。
行业情况来看，百度也采取了类似的开放策略。今年 8 月，百度将文库、网盘联合推出的通用智能体 GenFlow 正式更名为库库 AI，并推出独立办公客户端及企业版。
其中，库库 AI 的模型选择列表中，除了百度自研的文心大模型，还包括 DeepSeek、GLM、Kimi、MiniMax 等第三方模型。
阿里旗下的 Qoder 也是如此。今年 4 月，Qoder 社区版正式开放自带 API Key 接入能力，支持阿里云百炼、智谱、DeepSeek、Kimi、MiniMax 等多家模型服务商，但千问办公迄今未开放第三方模型。
多模型与单一模型策略背后是 Agent 产品与传统 AI 聊天工具之间的差异。
对于普通聊天产品而言，模型的知识储备、推理能力及生成质量，往往直接影响用户体验。但 Agent 需要处理的任务更加复杂，一个任务可能涉及资料搜集、文档分析、代码编写、数据处理，以及最终结果的生成和验证。
不同模型在这些环节的表现并不相同，使用成本也存在差异。
对办公 Agent 平台而言，能否接入最强模型固然重要，但如何为不同任务匹配合适的模型，正在成为新的竞争变量。
比多模型接入更值得关注的是模型路由技术的发展。
目前，豆包工作的此次更新主要解决的是用户自主选择模型的问题。用户可以根据不同模型的特点和额度消耗倍率，决定把任务交给谁执行。
但用户手动选择模型并不是多模型架构的终点。
例如一名员工让 Agent 完成一份行业研究报告，整个过程可能包括搜集公开资料、整理财务数据、分析行业趋势以及制作演示文稿。
其中，基础信息整理可能只需要响应速度较快、成本较低的模型；涉及复杂财务分析或多步骤推理时，则需要调用能力更强的模型；到了格式调整等环节，又可以切换回成本更低的模型。
如果始终使用最昂贵的模型完成全部流程，可能造成不必要的算力消耗；但如果一味追求低成本，又可能因为模型能力不足而增加错误和返工。
模型路由要解决的正是如何在任务效果、执行速度与使用成本之间找到平衡。
这项能力已经开始进入办公 Agent 的产品架构。
腾讯 WorkBuddy 的 Auto 模式支持按照路由策略自动分配模型。在此之外，腾讯云还推出了独立的模型路由服务，可以根据请求意图、模型负载和响应延迟等因素，将任务分配给不同模型。
全天候科技注意到，此次豆包工作的 Auto 模式还采取小额免费的形式。
通过降低 Auto 模式的使用门槛，豆包工作有机会吸引更多用户尝试自动模型选择，让用户逐渐从自己挑选模型，转向直接交付任务、等待结果。
对平台而言，更多真实任务的执行也有助于持续评估不同模型的能力、成本和任务完成效果，为优化路由策略提供依据。
从这个角度看，豆包工作希望争取的可能不只是更多用户和任务量，还有未来办公 Agent 的模型调度权。
随着字节、腾讯、百度相继开放第三方模型，各家办公 Agent 能够调用的模型阵容正变得越来越相似。仅仅接入更多模型已经很难构成长期的差异化优势。
这也意味着，办公 Agent 的竞争正在进一步向模型之上的技术架构转移。
其中一项重要能力是模型路由，即根据任务难度、执行效果及 Token 成本，为不同任务分配合适的模型。而从更完整的 Agent 技术架构来看，模型路由只是其中一环。
近年来受到行业关注的 Agent Harness，则进一步涉及任务规划、工具调用、上下文管理、执行状态维护及错误恢复等环节，决定 Agent 能否将模型能力转化为稳定的任务执行结果。
两者共同影响着办公 Agent 的商业化效率。
接下来各家是否会通过价格战的形式进一步吸引用户使用，正受到关注。
