2026年8月，华尔街投行杰富瑞发布了一份AI Agent研究报告，对八款中美主流AI Agent做了真实办公任务实测。结果出乎很多人的意料：阿里千问办公以95分综合排名第一，Anthropic的Claude Cowork以94分紧随其后，OpenAI Codex以92分排在第三，Kimi Work、豆包、MiniMax Code等紧随其后。

这是国产AI Agent第一次在华尔街投行的第三方实测中登顶。消息传回国内，很多人的第一反应是：千问办公是什么？它凭什么赢了Claude和Codex？

这场实测测了什么

杰富瑞的测试没有停留在聊天问答，而是把Agent放进真实的办公场景里：多文件检索、联网研究、浏览器操作、PPT制作、多模态内容生成。

这些任务有一个共同点，它们不是"问一个问题拿一个答案"，而是"交代一件事，看它能不能从头做到尾"。这正是Agent和聊天机器人的分水岭。聊天机器人是嘴，Agent是手。嘴能说会道不稀奇，手能把活干完才是真本事。

胜负手不是模型，是Harness

报告里有一个值得反复琢磨的结论：千问办公赢在模型和Harness的协同。Harness指Agent外面那层执行框架：怎么调用工具、怎么规划步骤、怎么处理中途出错、怎么在多份文件之间来回核对。模型是大脑，Harness是手脚和肌肉记忆。大脑再聪明，手脚不协调，活照样干不利索。

过去一年，行业把大部分掌声给了模型本身。这场实测提醒我们：当模型能力普遍够用之后，决定高下的，是那个不太起眼的外层框架。就像两支球队，球星差距不大时，赢球靠的是战术体系和临场执行。

AI办公的入口之争

报告还点破了一个更大的趋势：Agent正在成为新的办公入口，传统办公套件正在被从侧面绕过。过去我们打开Word写文档，打开Excel做表格，打开PPT做汇报。现在，一个Agent可以在收到指令后，自己检索资料、整理数据、生成PPT、输出多模态内容。工具不再是一个个孤立的应用，而是一个替你跑腿的助理。

对企业来说，这意味着一件事：办公效率的竞争，正在从"谁会用软件"变成"谁会用Agent"。会用软件是熟练工，会用Agent是调度者。前者按按钮，后者下指令。

95%的试点没有收益，问题出在哪

MIT发布的一份报告显示，约95%的企业级生成式AI试点没有获得实际收益。这个数字听起来吓人，但它恰恰印证了这场实测的价值。试点失败，大多不是因为模型不够聪明，而是因为落地这件事本身很难：任务定义不清、流程没梳理、工具没选对、员工不会用。模型是最后一道工序，前面缺的环节才是真正的瓶颈。

千问办公登顶的意义，不在于"国货之光"四个字，而在于它证明了一件事：国产AI在真实办公场景的落地能力，已经站到了全球第一梯队。对国内企业来说，这意味着选择更多、成本更低、数据更安心。

给老板和操盘手的三条建议

第一，别再问"哪个模型最强"，开始问"我的活儿交给哪个Agent能干完"。选型标准从参数转向场景：多文件处理、PPT、联网研究，拿自己真实的工作流去测，分数比任何宣传都诚实。

第二，把Agent当员工，不当玩具。员工上岗要培训，Agent上岗要调教：给它清晰的指令、完整的资料、明确的验收标准。用得好，它是你团队里最便宜的实习生；用得糙，它是你付费的摆设。

第三，AI办公是新一轮内容资产的机会。Agent生成的内容正在成为AI搜索的引用来源，企业把工作流里沉淀的方法、报告、案例整理成可被检索的内容，就是在给未来的AI客户修路。

AI的竞争，上半场比谁嗓门大，下半场比谁手脚利索。模型可以快速追赶，真正拉开差距的，是那些愿意把AI放进真实工作流里一遍遍打磨的人。

工具会不断更迭，会调度工具的人，永远不会被工具替代。

数据来源：杰富瑞（Jefferies）2026年8月AI Agent研究报告（上海证券报8月19日报道）；MIT NANDA报告。相关报道：雷峰网、上海证券报、东方财富网。

SEO关键词：AI Agent | 千问办公 | Harness | 企业落地 | 办公自动化