腾讯总裁刘炽平在第三季度财报电话会议上透露,WorkBuddy 已成为中国几乎所有开放权重模型的最大客户。这一发展反映出中国大型科技公司在定位上的重大转变:它们正成为开源大语言模型的主要买家。
这一举措标志着中国 AI 市场迎来战略转折点。互联网巨头此前专注于部署自研模型,如今则开始采用多模型策略。WorkBuddy 于 3 月上线,最初支持集成 DeepSeek、GLM 和 Kimi 等第三方模型。此后,该平台不断扩充模型选择,成为智谱、月之暗面(Moonshot AI)和 MiniMax 等独立模型厂商的重要分发渠道。
WorkBuddy 倡导的多模型模式引发了竞争对手的迅速响应。字节跳动的豆包办公于 8 月 25 日上线,最初仅支持豆包模型;10 月 29 日,它开始向团队版和企业版订阅用户开放第三方模型。到 11 月 12 日,豆包进一步扩展模型选择,在自研豆包模型之外加入了 Kimi K3.1 Pro、GLM 5.3、DeepSeek V4.1 Flash 等外部模型。
阿里的 Qwen Office 起初抵制这一趋势。8 月,它短暂引入了 GLM 和 DeepSeek,但几天后便将其移除,重新转向自研模型。不过,到 11 月中旬,Qwen Office 再次改变方向,在一次更新中上线了十款模型,包括自研的 Qwen4-Max,以及 Kimi、GLM、DeepSeek、MiniMax 和 Step 模型。值得注意的是,Qwen Office 现在允许企业管理员按部门、用户组和员工配置模型使用权限,显示出其多模型管理方式更加成熟。
这一融合趋势源于用户的实际需求。办公智能体最终要交付报告、电子表格、代码或可执行任务。不同工作场景对模型能力、响应速度和成本效率的要求各不相同。没有任何单一模型能在所有应用场景中始终占优。通过集成多种模型,用户可以为特定任务选择最合适的选项。
产品策略的转变为独立模型厂商开辟了新的客户类别。过去,智谱、月之暗面和 MiniMax 等公司依赖直接分发产品、开发者生态、API 服务和企业客户。如今,拥有数百万日活用户的办公智能体成为重要的新客户群体。
这种转变已经体现在模型厂商的产品发布策略中。10 月初,WorkBuddy 集成了一款匿名模型,名为 Space Bunny。10 月 19 日 MiniMax 正式发布 M3.1 Flash 后,双方的关联便明朗起来——Space Bunny 是以匿名方式运行的早期版本。据 MiniMax 披露,在匿名运行期间,Space Bunny 累计处理了超过 200 万亿个 token。
然而,随着腾讯、字节跳动和阿里都转向多模型策略,各平台可使用的底层模型能力正变得越来越同质化。单纯选择模型已无法维持差异化。竞争重点已转向模型编排效率、任务交付效果和推理成本控制。
腾讯管理层在最近的财报电话会议上明确表示,公司计划通过提高付费用户比例、增加每位付费用户的 token 消耗、优化推理、定制模型以及提升计算效率来改善单位经济效益。
随着调用量不断增加,互联网巨头面临日益上升的运营成本,但同时也获得了更强的议价能力。一位将模型集成到 WorkBuddy 的模型厂商代表向华尔街见闻证实,API 定价折扣会根据客户调用量进行调整。企业客户可以通过分发渠道获得低于公开标价的价格,实际价格则由双方协商确定。
Anthropic 也采用类似机制,明确为高调用量客户提供基于调用量的批量折扣,并为企业提供定制价格。这种定价灵活性造成了一种不对称:尽管腾讯、字节跳动和阿里都能使用类似的模型库,但它们的实际采购成本可能因调用规模和议价能力而大不相同。
能够带来更大模型调用量的平台,可以凭借规模获得更强的议价地位,从而降低单位调用价格。这一优势会形成正向循环——更低的使用成本有助于提供更具竞争力的产品定价和服务额度,吸引更多用户,推动调用量进一步增长,并继续降低单位成本。
任务执行不仅取决于模型选择,也取决于负责协调执行步骤的智能体框架,即 Harness。该框架决定模型被调用的次数、管理上下文、处理重试逻辑,并直接影响资源总消耗。
字节跳动 Seed 团队和外部研究人员于 9 月发表了《HarnessDev》论文,研究不同 Harness 设计对智能体性能和运营效率的影响。在一项实验中,研究人员使用 Gemini 3.1 Pro 作为底层执行模型,并通过不同的 Harness 实现进行 Terminal-Bench 2.1 测试。结果显示出显著差异:采用 GPT-5.5 构建的 Harness 平均消耗约 2430 万个 token,而基于 Claude Opus 4.8 的 Harness 消耗约 9430 万个 token,相差约 3.9 倍。
两种实验的任务成功率分别为 49.4% 和 52.4%。尽管后一种方案的成功率略高,但 token 消耗增加了近 3 倍。这表明,即使底层模型相同,通过不同的 Harness 实现调用时,运营成本也不一定相同。
随着腾讯、字节跳动和阿里扩大与 GLM、Kimi、DeepSeek 等第三方模型的集成,拥有类似的模型库已无法确保执行成本相当。互联网巨头必须管理两种不同的成本变量:一是向模型厂商采购产生的成本,批量规模可带来议价优势;二是与模型路由、Harness 效率和任务拆解策略相关的执行成本。
随着 WorkBuddy 通过率先采用多模型策略扩大市场优势,两家公司面临的竞争压力日益加剧。字节跳动的豆包办公和阿里的 Qwen Office 意识到,用户更倾向于为特定任务选择最合适的模型——不同工作场景对能力、速度和成本的权衡各有要求,单模型方案无法满足这些需求。此外,开放第三方模型的使用权限,能让这些平台通过更出色的编排和成本管理实现差异化,而不只是依赖模型选择,因为各平台的底层模型正日益商品化。
负责协调执行的智能体框架 Harness 会直接决定资源消耗,与底层模型的选择无关。字节跳动的 HarnessDev 研究表明,相同模型经由不同的 Harness 实现调用后,token 消耗相差约 3.9 倍,而成功率相近。这意味着,平台不能只靠争取更优惠的模型价格,还必须优化模型路由、任务拆解、重试逻辑和上下文管理。更高的 Harness 效率能够形成累积优势:更大的调用量可以支持更多产品实验,并借助真实任务反馈加快优化周期。
更大的模型调用量使企业能够与供应商进行更有力的价格谈判,通过批量折扣和企业定制定价降低单位采购成本。这会形成良性循环:较低的单位成本有助于提供更有竞争力的用户定价和服务额度,吸引更多用户,推动调用量增加,并进一步降低成本。再加上更高的 Harness 效率,拥有更大调用规模的平台会在采购成本和执行效率两方面不断积累优势,而这些优势也会让规模较小的竞争对手越来越难以追赶。
相关快讯