核心内容总结
国内头部科技公司（阿里、百度、腾讯、字节）的办公AI助手（办公Agent）正集体转向“模型聚合”模式——不再只依赖自家大模型，而是接入智谱、DeepSeek等第三方模型，让用户能自由选择。这么做的核心目的是吸引用户把真实工作（写报告、做PPT、分析表格）交给AI，积累任务拆解、工具调用、用户反馈等稀缺数据，反过来优化AI的“指挥系统”（Harness）；但随之而来的难题是“路由”：如何给不同任务选最合适的模型，平衡效果、速度、成本这三个难以同时满足的需求，这将成为未来竞争的关键。
一、为啥办公AI都开始“攒模型”？——先让用户用起来才是王道
过去大模型比拼的是“谁家模型更牛”，但到了办公AI阶段，逻辑变了：先把用户留住，让他们真的把工作交过来。
举个例子：千问办公接入了智谱GLM-5.3和DeepSeek V4 Pro，腾讯WorkBuddy甚至接入了混元、智谱、MiniMax等多个系列。为啥？因为单一模型不可能搞定所有任务——有的擅长写文案，有的擅长算表格，有的擅长做PPT。模型池越丰富，用户遇到的问题被解决的概率越高，就越愿意用。
更重要的是，用户用得越多，AI能拿到的“真实工作流数据”就越多：比如用户让AI写报告时，AI是怎么拆分成“找资料→写大纲→填充内容→修改”的？哪一步失败了？用户在哪改了？这些数据是AI进化的关键——就像老师批改作业，改得多了才知道学生哪里错，怎么教更好。百度高管说，公共数据已经被模型学透了，未来AI提升靠的是“人产生的新知识”，而真实工作流就是这些知识的载体。
所以，“攒模型”不是为了炫技，是为了让用户愿意用，进而积累数据，形成“用户用→数据多→AI更好→用户更愿意用”的循环（数据飞轮）。
二、聚合不代表“无边界”——大厂还在守着自己的生态墙
虽然大家都在接入第三方模型，但仔细看会发现：各家的模型池里都没有直接竞争对手的模型。
比如腾讯WorkBuddy没有阿里的千问和字节的Seed；字节TRAE Work没有腾讯的混元；百度库库AI也没有混元、千问、Seed。为啥？因为大厂不想给对手导流——如果用户在自家AI里用了竞品的模型，可能会被吸引走。所以聚合是“开放”，但开放是有底线的，生态壁垒依然存在。
这就像商场里的专柜：你可以引进其他品牌，但不会让竞争对手的专柜进来抢生意。
三、路由：聚合路线的“生死题”——怎么选模型才划算？
把多个模型装进AI只是第一步，真正难的是给每个任务选对模型，这就是“路由”。
这里有个“不可能三角”：效果好的模型通常贵（比如复杂任务用大模型，一次调用几块钱）、速度慢；速度快的模型可能效果差；便宜的模型又可能解决不了复杂问题。路由要做的就是在这三者之间找平衡：
- 简单任务（比如生成一个会议纪要）：用便宜、快的模型，省成本；
- 复杂任务（比如分析年度销售数据并做PPT）：用效果好的模型，保证质量；
- 紧急任务（比如10分钟内要一个方案框架）：用速度快的模型，牺牲一点效果也没关系。
对用户来说，这关系到“结果好不好、等多久、花多少钱”；对企业客户来说，批量任务的成本差异会被放大——比如一次调用差1毛钱，100万次就是10万，这是笔大账。
所以路由不是简单的“选模型”，而是“算经济账+效果账”。
四、终极竞争：谁的“指挥系统”更聪明？
模型可以买，可以接入，但怎么把任务拆解、选模型、调用工具、失败恢复这些环节串起来，才是真正的壁垒——这就是AI的“指挥系统”（Harness）。
举个例子：用户说“帮我做一份Q3销售报告”，AI的指挥系统要先把任务拆成“拉取Q3销售数据→分析增长趋势→生成报告大纲→填充内容→美化PPT”；然后给每个步骤选模型：拉数据用擅长表格的模型，分析趋势用擅长逻辑的模型，写内容用擅长文案的模型；如果某一步失败了（比如数据拉取错误），还要能自动恢复。
这套指挥系统的好坏，取决于平台积累的真实任务数据和调度经验。比如同样是选模型，有的平台能更精准地判断“这个任务用智谱比DeepSeek更省成本且效果差不多”，有的则做不到。
所以，未来办公AI的竞争，不是比谁的模型多，而是比谁的指挥系统更聪明——能在效果、速度、成本之间找到最优解，让用户用得更爽、更省钱。
一句话总结
办公AI从“单模型比拼”转向“多模型聚合”，是为了获取用户和数据；但要跑通这条路，得先解决“选模型”的路由问题，最终拼的是AI的“指挥能力”。这就像开餐厅：先把各种菜（模型）摆出来吸引顾客，然后要学会给不同顾客（任务）推荐最合适的菜，最后靠后厨（指挥系统）的效率和经验留住人。