华尔街投行杰富瑞近日发布了一份针对全球主流AI Agent产品的实测报告，引发业内广泛关注。该机构分析师选取了八款国内外具有代表性的AI Agent工具，围绕真实办公场景设置了五项具体任务，包括基于多份文件完成公司年报摘要、联网查找并比较企业经营数据、操作真实桌面浏览器完成信息检索和文档生成、根据数据制作英文演示文稿，以及基于参考图片生成营销海报。测试结果显示，阿里旗下千问办公在综合得分上排名第一，超越了包括Claude Cowork和Codex在内的多款美国产品，成为唯一在所有测评维度中均获得90分以上的Agent工具。
这份报告的核心价值在于，它并非单纯比拼底层大模型的参数或跑分，而是将Agent能力拆解为“模型”与“Harness”两个层面进行剖析。所谓Harness，是指围绕模型运行的一整套工程机制，涵盖指令编排、上下文管理、工具调用、边界控制、反馈纠错以及治理规则等环节。按照杰富瑞的测算，千问办公的“隐含Harness分”位居此次测试产品首位，高于Claude Cowork和Codex等七款主流产品。这一结论揭示了一个重要趋势：在底层模型能力日益趋同的背景下，如何通过工程和产品设计将模型智能稳定地转化为实际任务结果，正在成为Agent竞争的关键分水岭。换言之，一个优秀的Agent不仅需要“聪明的脑子”，更需要一套成熟稳健的“手脚协调系统”。
除任务表现外，成本因素也被纳入此次测评的重要考量维度。报告显示，千问办公底层所采用的Qwen 3.8 Max模型，其API调用价格明显低于部分海外头部模型。由于Agent在实际运行中通常需要进行多轮推理、持续调用外部工具并执行长链路任务，单次任务的综合算力消耗远高于普通对话请求。因此，杰富瑞提出“每任务成本”这一概念，建议企业在评估Agent价值时，不仅要看模型能力和产品体验，还要关注完成一项真实任务所需的执行成本。阿里Qwen模型与千问办公Agent的组合，在性能与成本之间展现出了较为突出的平衡优势，这为后续企业级规模化部署提供了更具吸引力的经济模型。
从更宏观的行业视角来看，过去几个月Agent的竞争焦点正从个人效率工具加速转向企业级应用场景。报告认为，对于企业级Agent而言，工作流和生态协同才是核心竞争壁垒。随着Agent持续连接企业数据库、业务系统、协作工具和权限体系，用户的历史任务、工作习惯、连接器、自动化流程等资产会逐渐沉淀在平台中，形成越来越高的使用粘性和迁移成本。据透露，千问办公目前已初步打通钉钉IM工具，企业员工可以直接通过该Agent完成群聊总结、文档表格创建、消息邮件收发等高频操作。未来，企业客户还可将千问办公接入到真实繁杂的工作流中，全面连接企业数据库和业务流程，从而在组织效率层面释放更大价值。此次杰富瑞的实测结果，无疑为正在加速演进的Agent赛道提供了一个重要的参照坐标。
