实测三款AI办公应用：谁是天选“电子牛马”？

三款产品分属三种“打工人格”

7月27日，阿里开始内测千问办公。这款产品以QoderWork为基础，整合了内部Agent产品“悟空”和“MuleRun”的能力。同日，有媒体爆出，腾讯内部将WorkBuddy产品当作“超级项目”在推进，且月访问量连续三月领先。

千问办公的入场，让大厂AI办公Agent的三条路径更加清晰。腾讯的WorkBuddy始终瞄准白领，字节的TRAE从开发者工具向通用职场扩张，阿里则把多个Agent能力汇入千问办公。

三款产品都想替打工人干活，真正用起来怎么样？我们把六项任务交给它们，看看三个大厂的“电子牛马”谁表现更好。

考虑到有两款产品都能切换模型，为了尽量减少模型选择带来的影响，测试时我们统一让它们调用自家最新的模型。WorkBuddy搭载混元Hy3、TRAE搭载豆包Seed-2.1-Pro、千问办公则搭载Qwen 3.8 Max预览版。需要说明的是，Qwen 3.8 Max目前仍处于预览阶段，千问办公处于内测阶段，加之模型迭代较快，本次结论只反映三款产品在测试当下的表现。

我们从完成度、质量、速度、自主性和交付规范度五个维度观察三款产品的实际表现。为了不让逐轮打分影响阅读，我们先呈现它们在不同场景中的具体表现，综合评分则统一放在文末。

六轮测试下来，我们发现，三款产品的差异与其说来自单纯的能力高低，不如说来自不同的产品基因。WorkBuddy更像一名会主动补充观点的分析师，但在复杂视觉和交互生成任务中不占优势；TRAE带有明显的程序员思维，工程结构清晰、生成速度快，却经常不按传统办公方式交付；千问办公更像一名追求完整交付的执行者，愿意花更多时间补内容、磨细节，但效率也因此被拖慢。这次测试未必能选出一个冠军，但能看出不同产品更适合哪类工作。

竞品监测：周报都会做，差别在交付

我们先从一个最日常的任务开始，让它们定时追踪阿里、腾讯和字节近一周的AI动态，覆盖产品、模型和人事变化，按公司整理，末尾需要补充本周观察，再把周报保存到桌面。竞品监测信息散、更新快，但难度不算高，正适合交给AI。

三家都交出了内容比较完整的周报，但都对“近一周”的理解不够到位，它们的差别主要体现在信息规范和交付方式上。

WorkBuddy比较有条理，它把每家公司的信息拆成模型、产品、人事与组织等版块，且还补充了模型参数、产品数据和竞争态势等细节，并按要求将周报保存至桌面。不过，它混入了不少监测周期之外的消息，没有注明信息来源。

千问办公的内容更集中，抓住了阿里整合Agent、腾讯统一模型组织、字节扩张终端和算力三条主线。但它同样纳入了监测周期外的信息，还把仍在内测的千问办公写成7月21日正式发布，也没有附上具体信源。

TRAE则没有遵循交付的要求，而是把周报直接做成了一个网页。网页按日期和类别制作信息卡片，每条动态都标注了来源并附上可跳转核验的链接，信息规范性和阅读体验是三家中最好的。不过，它也混入了监测周期之外的信息，还有两条重复的内容。

第一轮已经暴露了三家的习惯，WorkBuddy追求信息覆盖面，千问办公擅长压缩和组织信息，TRAE则程序员思维明显，下意识用网页交付。

数据看板：图表差距不大，数据先打架

接下来，我们再让它们做一个截至测试当日的2026年中国电影票房数据看板，包含年内票房TOP10排行榜、月度趋势折线图、国产片与进口片对比饼图，并输出HTML文件。这道题本质上就是写一个前端页面，有数据、有图表、有交互、有视觉要求。对于三款具备代码能力的产品来说，难度不算大。

结果也验证了这一点，在网页呈现的层面，三家的差距不大，图表、交互等功能要求都实现了。

WorkBuddy首次交付的数据不够有时效性，没有统计最新的票房变化，导致影片排名出现偏差。经过提醒，它才将数据更新至测试当日。

千问办公生成速度偏慢，但页面完成度相对更高。除了规定的图表，它还在顶部增加了滚动票房榜，并在标题下方概括整体票房表现。页面末尾附有信息来源和跳转链接，方便进一步核验。

TRAE首次使用的数据也只更新到一周前，经提醒后才调整至测试当日。它的优点是为部分数据补充了解读，降低理解的门槛。

不过，这个场景暴露出数据可靠性的问题。它们给出的国产片与进口片占比出现明显差异，WorkBuddy给出的国产片占比约85%，千问办公约92%，TRAE约80%。同时，三家都没有给出明确统计范围和计算口径，很难判断哪一组数据更准确。

这个场景里，三家的差距最小，但反而让我们看清了AI自查的数据不可靠。如果任务需要精准的数据，则要进行人工复核。

内容创作：创作不算难，看谁更懂平台风格

我们再让它们基于上一环节制作的数据看板，完成三个创作任务：写一篇微信公众号文章，要有观点和分析，不能纯罗列数字；写一篇小红书笔记，要口语化，带emoji，结尾附5个推荐话题；再完成一份60秒的短视频口播脚本，每句话需要有对应的画面建议。

先做一个总结，它们都能根据平台调整文风，但对平台风格的理解比较套路化。比如，生成的公众号文章都有“报告感”，分得版块过多，整体不够流畅；小红书文案集中使用“杀疯了”“谁懂啊”等词，比较模版化；视频脚本差异不大，主要区别在于交付形式。

WorkBuddy的文章分析含量最高，档期依赖、口碑黑马、头部集中、动画赛道和进口片失势等都有写到，但观点略有重复。它的小红书笔记就差点意思，内容偏罗列，文风不够符合小红书的调性。

千问办公三类产出的风格区分最明显，基本贴合不同平台的内容要求。公众号文章叙述更集中，小红书笔记的语感和节奏是三家里最自然的。

TRAE的亮点是在视频脚本上。它把口播脚本做成了一份分镜表格，每句话对应的画面、时长、字幕样式都标得比较清楚，还额外给了转场、封面的建议。

这个场景最有意思的地方在于，产品基因不是绝对的优势或劣势，而是要看场景是否适配。WorkBuddy的分析能力在公众号文章里是加分项，搬到强调口语感和轻松表达的小红书却变成了减分项。TRAE的工程思维让脚本变成了结构清晰的分镜表格，这对视频制作团队来说更实用。

没有“更好的Agent”，只有“更适合场景的Agent”。

PPT制作：有慢工细活，也有把PPT做成网页

接下来，我们把任务拉回常规办公场景，让它们制作一份10页左右的PPT，主题是2026年Q2市场部工作总结与Q3规划，适合季度会汇报，输出为PPT file。

这道题本该是WorkBuddy的主场，但结果有些意外。WorkBuddy整体框架没问题，可是有两个图表没有正常显示出来，而且缺结束页，完整度和稳定性不足。

千问办公的成品内容丰富，各类图表和数据统计口径更多，同时整体的视觉呈现比其他两家要好。不过，有的页面出现数字被遮挡的情况，以及速度依旧比较慢。

TRAE速度最快，但打开一看又是网页。它给了一个可以用快捷键切换主题的HTML页面，但第一次用快捷键切换时没反应，提醒之后才恢复正常。它的整体内容比较简单，不过，在汇报内容准备上更省心，还额外提供了逐字稿。

这一轮拉开差距的，是能不能按照办公习惯稳定交付。WorkBuddy理解汇报逻辑，但稳定性不足；千问办公重视内容完整度，只是依旧速度慢；TRAE会主动补充逐字稿，但再次做成网页，不够适配办公场景。

这也说明，生成速度快不等于整体效率高。如果文件格式不符合要求，或者首轮结果需要返工，速度优势就会被重新消耗。

视觉设计：3D场景拉开差距，审美、细节有差异

前四个场景偏办公，从第五轮开始，我们进一步测试它们的能力边界。需要说明的是，接下来的任务并非典型办公场景，更接近压力测试，重点考察三款产品能否将代码、视觉和交互真正整合成可用的成品。

我们让它们用Three.js做一个海底世界场景，要有珊瑚礁、至少三种不同的鱼群在游动、水面光影透射效果、缓慢飘动的水草，支持鼠标拖拽旋转视角和滚轮缩放，整体色调偏深蓝，要有氛围感。这道题同时考验前端编程、3D建模、动画和视觉审美。

千问办公依旧交卷最慢，但成品也是三家里最完整的。它的成品要素齐全，鱼的建模比较写实，能看出鱼的形态，水面光影的透射效果也最自然，更接近真实的水下光照。

TRAE同样要素齐全，但细节粗糙。整体画面偏暗，光影效果不太明显，鱼群则直接用椭圆形物体代替，视觉效果一般。

WorkBuddy的成果则漏掉了鱼群这一核心要素。光影效果也看起来像舞台灯光打在布景上，不符合水下光线透射的物理规律。

前几轮里，三家的差距更多体现在风格偏好上，到了这一轮，差距变成了能力边界。WorkBuddy缺失核心要素，说明它在办公分析类任务上有优势，但复杂视觉任务的处理跟不上；千问办公慢工出细活，视觉质量领先；TRAE能交差但没有惊喜，工程底子保证了完整度，却没有进一步转化为审美优势。

游戏制作：游戏能玩，细节翻车

最后一轮，我们把难度继续往上拉。

这次的任务是做一款屋顶跑酷游戏。玩家开局自动奔跑，在屋顶之间跳跃，穿过检查点，在倒计时结束前抵达终点。相比上一轮的海底世界，这道题多了一层要求，画面做好之后，游戏逻辑还得成立。

千问办公在生成过程中还连续弹出多个“高危操作”确认框，需要手动逐一放行。它设计的跑酷路线较长，但水塔这类障碍物，角色可以直接穿过，没有起到阻拦的作用。穿模意味着不够理解物理规律，也让跑酷变成了一条直线冲刺，可玩性打了折扣。此外，终点的设置同样直接穿墙，不符合物理规律。经提醒后能改正，说明稳定性不足。

WorkBuddy的画面简单得多，屋顶数量少，城市装饰也比较稀疏，跑几步就能接近终点，此外也同样存在穿模问题。

TRAE的情况比较曲折。第一次交付的版本无法直接进入游戏，只有一个游戏说明页面。提醒之后重新生成，二次产出整体画面不错，但试玩之后发现单次跳跃距离不足以跨过屋顶间隙，玩家根本无法抵达对面，再次修改后，跳跃距离又变得过远，不过基本能正常使用。

把三家的表现放在一起看，它们都能搭出游戏框架，但没有在交付前发现存在的问题。千问办公的路线和场景更丰富，但碰撞细节也不够稳定；WorkBuddy能完成相关流程，关卡设计却过于简单；TRAE展现了工程化搭建能力，但参数细节反复有问题，需要多轮调整才能玩起来。

综合表现：没有天选“电子牛马”，只有适配场景的Agent

六项任务中，竞品监测、数据看板、内容创作和PPT制作属于高频办公任务，主要考察实际工作价值；视觉设计和游戏制作则用于测试产品的复杂生成能力和能力边界。

最终评分既看结果，也看过程：内容缺漏、数据口径不明、反复返工和交付格式偏差，都被纳入考量。

从结果来看，千问办公拿到最高分，WorkBuddy紧随其后，TRAE位列第三，但三者的总分并没有拉开明显差距。排名之外，更值得关注的是它们分别在哪些方面拿了分数。

千问办公的优势，一是在于复杂生成任务完成度更高，二是在于成品的完成度和质量更高。不过，它的生成速度较慢，也会存在细节处理不到位的情况。它愿意花更多时间处理细节，但不代表首轮交付稳定。

WorkBuddy的得分主要来自它对办公任务的理解。无论是竞品监测、内容分析，还是资料整理，它都会主动补充观点。但进入3D设计、游戏制作这类难度较高的生成任务，它的短板在于细节不足、物理逻辑欠缺。

TRAE则延续了开发者思维。它写代码、搭页面、做结构化内容时效率最高，很多交付都会自动转化成网页、表格等工程化形式。但对于传统办公场景来说，“程序员思维”有时候会带来交付格式上的水土不服。

所以，天选的“电子牛马”并不存在。

选对工具的关键，不能只看谁排名最高，还得看你的日常工作更需要哪一种能力。需要搜集资料、分析问题和提炼观点时，WorkBuddy更顺手；需要制作多平台内容、PPT或视觉成品，更看重完成度时，千问办公更有优势；需要搭建网页、整理制作流程时，TRAE更容易发挥长处。

JOTO 企业落地观察

• 当前大厂AI办公Agent已从“功能演示”迈入“场景适配”阶段，产品差异不再仅由模型能力决定，更取决于对办公流程、交付规范与用户心智的深度理解。
• “程序员思维”（如TRAE）与“分析师思维”（如WorkBuddy）在企业落地中各有适用边界：前者利于技术团队快速构建内部工具链，后者更易被业务部门接受，但需警惕观点先行导致的事实偏差。
• 千问办公所展现的“交付完整性优先”策略，反映出阿里对政企客户交付标准的响应——但其生成延迟与细节稳定性，仍是规模化落地的关键瓶颈。