华尔街实测8款主流AI Agent：千问办公综合排名第一，超越Claude Cowork与Codex

事件概述

华尔街投行杰富瑞分析师近日对8款全球主流AI Agent进行真实办公任务实测。结果显示，阿里千问办公综合得分排名第一，超过Claude Cowork、Codex等国内外Agent工具。

测试设置与结果

测试共设置5项真实办公任务：

• 基于多份文件完成公司年报摘要
• 联网查找并比较公司经营数据
• 操作真实桌面浏览器完成信息检索和文档生成
• 根据数据制作英文PPT
• 基于参考图片生成营销海报

千问办公整体表现均衡，在复杂办公任务、网页浏览器控制、多模态内容生成等场景中表现突出，是唯一在所有测评维度中均获得90分以上的Agent产品。

报告关键分析

报告将Agent能力拆分为模型与Harness两部分。Harness指围绕模型运行的工程机制，包括指令、上下文、工具调用、边界控制、反馈纠错和治理等。按杰富瑞测算，千问办公的“隐含Harness分”位居测试产品首位，高于Claude Cowork、Codex等七款产品，说明工程和产品能力正成为Agent竞争的重要维度。

成本方面，千问办公底层Qwen 3.8 Max的API价格明显低于部分海外头部模型。由于Agent通常需要多轮推理、持续调用工具和执行长链路任务，企业衡量Agent价值时可能更关注“Cost per Task”（完成单次任务所需执行成本）。

企业级趋势

报告认为，Agent竞争正从个人办公转向企业级场景，工作流和生态协同成为核心竞争壁垒。用户历史任务、工作习惯、连接器、Skills和自动化流程会沉淀在产品中，形成使用粘性和迁移成本。目前千问办公已初步打通钉钉IM工具，支持群聊总结、文档表格创建、消息邮件收发等操作，未来可接入企业真实工作流和数据库。