月活2000万的WorkBuddy只拿了66分，我花了一周时间找到了原因腾讯WorkBuddy是国内AI办公跑得最快的产品。6月全平台月活突破2000万，日活超过1300万，PC端月访问量2097万次，超过第二名和第三名之和。马化腾在腾讯一季度财报里专门写到了这款产品。
但华尔街投行杰富瑞在8月发布的AI Agent实测报告里，给WorkBuddy打了个不太体面的分数——66分，和谷歌Gemini Spark并列垫底。
阿里千问办公95分第一，Anthropic的Claude Cowork 94分第二，OpenAI Codex 92分第三。
流量第一，考分垫底。这中间的落差，比分数本身更值得追问。
我用一周时间同时试用了WorkBuddy、Microsoft 365 Copilot和Google Workspace Gemini，想搞清楚一件事：WorkBuddy到底差在哪？这个差距是暂时的，还是结构性的？
66分背后的真实差距：Harness才是分水岭杰富瑞这场测试设计了五项真实办公任务——多文件检索、联网研究、浏览器操作、PPT制作和多模态内容生成。这些任务的特点是“跨应用、多步骤、需要判断”，不是单轮问答能应付的。
结果差距有多大？WorkBuddy 66分，千问办公95分，差了整整29分。
但真正让人意外的不是分数本身，是杰富瑞得出的结论：差距不在模型智商，而在Harness这套工程机制。同一模型换一套Harness，实测能差18个百分点。
Harness可以理解成“AI干活时的操作台”。模型负责思考，Harness负责告诉它先干什么、后干什么、出了错怎么办、什么该自己做、什么该问人。
WorkBuddy的Harness还比较粗糙。有用户实测发现，一旦修改本地文件名称或存储路径，WorkBuddy会丢失上下文记忆，需要重新下达指令。另一个用户让WorkBuddy统计“已完成的项目数”，结果它把“进行中待复查”也算进去了，只因那行字里带了“完成”两个字。
千问办公能拿95分，是因为它的Harness设计得更成熟——能自动拆解任务、维护上下文、在多步骤操作中保持一致性。
这不是“模型不够聪明”的问题，是“工程还没做到位”的问题。而工程恰恰需要时间和大量真实任务打磨。
但如果你只看到66分，就低估了WorkBuddy它的核心优势不在能力，在生态融合。
腾讯把腾讯文档的能力直接整合到了WorkBuddy中，打通了人和AI在Office里协作编辑的功能。这个叫“人机双写”的功能，允许用户在对话界面直接修改侧边栏的文件，可以自己上手改，也可以用“AI编辑”让WorkBuddy按需求调整。比如在Excel里选中表格让AI做柱状图，生成的图直接放进对应位置。
另一个被低估的优势是模型多样性。WorkBuddy除了腾讯自家的Hy4、Hy3，还集成了智谱GLM、Kimi、MiniMax、DeepSeek的模型。你不需要在五个AI产品之间来回切换，一个WorkBuddy就够了。
Skill生态是更大的变量。公开技能库已有超过21000条Skill快照，其中277个经过审阅可直接安装。这个数量已经远远超过了微软和谷歌的插件市场。
实测中，WorkBuddy处理一份8000多行的电商订单表格，能完成数据清洗、格式统一和异常标记。一键输出结构化会议纪要、待办事项表格、11页业务复盘PPT，整套任务消耗控制在免费额度以内。
这些能力说明一件事：WorkBuddy不是在跟Copilot拼“谁更聪明”，它在拼“谁更懂中国办公场景”。飞书、钉钉、企业微信的接入，腾讯文档的无缝整合，微信生态的原生支持——这些东西Copilot和Gemini做不到，不是因为技术不行，是因为它们没有这些生态。
但排队和积分正在消耗用户的耐心WorkBuddy最真实的问题，不在能力，在体验。
Hy4大模型上线后，用户发现几乎每个任务都要排队处理。非高峰期排在100名开外，需要等10到20分钟。高峰期直接排到1000多名，一个任务等2小时才能被处理。有用户为了躲开高峰期，专门在夜里10点多打开，发现前面居然还有5000多人排队。
付费会员也不能完全解决这个问题。有用户充值了140元的月卡，高峰期使用Hy4时仍会排队，最久的一次排在队伍第74名。
积分规则的不透明是另一个痛点。有用户用Craft模式处理任务，一周就烧了一千多积分。另一位用户两个月内从5000积分掉到0，事后才发现大部分积分都浪费在了“用大炮打蚊子”上。
钛媒体的评测给WorkBuddy下了一个很准确的定语：“能力执行上处于及格的水平，但它现在更关注的不是能力，而是降低用户的使用门槛”。这个判断有两层意思：WorkBuddy的能力确实还不够强，但它的策略是先用生态和低门槛把用户留下来，再慢慢提升能力。
这是一个务实的选择。问题是，用户愿不愿意等。
对比Copilot和Gemini：三种完全不同的产品哲学把WorkBuddy放在微软和谷歌的产品旁边看，差异就非常清晰了。
Microsoft 365 Copilot走的是“捆绑锁定”路线。它不是独立产品，是Office套件的AI层。Copilot单独购买是每用户每月30美元，但如果买E7套装，每用户每月99美元，比单独采购便宜了18美元。微软在2026年3月推出了Microsoft 365 E7企业版，首次将Office 365和Copilot捆绑销售。
这个策略的逻辑很清楚：Copilot的价值不在它自己，在它和Word、Excel、Teams、Outlook的深度融合。你不用Copilot，损失的不是“一个AI工具”，是整个Office套件的AI能力。
Google Workspace Gemini走的是“原生整合”路线。Gemini已经内嵌到Gmail、Docs、Sheets、Slides、Meet、Chat的每一个环节中。你可以在Gmail侧边栏直接让Gemini帮你写邮件，可以在Sheets里用自然语言做数据分析，可以在Chat里直接生成PPT。
2026年9月，谷歌还推出了五款跨应用Agent功能，Gemini可以作为“智能编排器”在后台生成格式化的Docs、结构化的Sheets和样式化的Slides，保存到你的Drive里。Gemini对大多数付费Workspace方案是包含在内的，不需要额外加购。
WorkBuddy走的是“生态融合+模型超市”路线。它不像Copilot那样绑定在单一办公套件上，也不像Gemini那样原生嵌入到所有工具里。它是一个“独立的AI工作台”，通过接入飞书、钉钉、企业微信、腾讯文档等外部工具来实现跨应用操作，同时集成多家大模型让用户按需切换。
三条路线的底层逻辑不同。微软在赌“Office用户离不开Office”，谷歌在赌“Workspace用户愿意用AI做更多事”，腾讯在赌“中国用户需要一个能操作所有软件的AI助手”。
从杰富瑞的测试结果看，目前微软和谷歌的路线在“任务完成度”上更成熟，腾讯的路线在“生态覆盖面”上更有潜力。但66分的成绩说明，覆盖面广不等于用得好。
Harness比模型更重要WorkBuddy的66分引出了一个更根本的问题：AI办公产品的竞争力到底来自哪里？
杰富瑞的报告给出了一个反直觉的答案：Harness比模型更重要。WorkBuddy集成的模型阵容并不弱——Hy4、GLM、Kimi、MiniMax、DeepSeek都在里面。但同样的模型，在千问办公的Harness里能拿95分，在WorkBuddy的Harness里只能拿66分。
这就像同样一匹好马，配一副好马鞍和配一副烂马鞍，跑出来的成绩完全不同。
Harness的核心能力包括：任务拆解、上下文维护、错误恢复、权限管理。
WorkBuddy的Harness还在早期阶段。Skill生态虽然大，但“能用”和“用得好”之间有巨大的差距。21000个Skill里有多少是经过充分测试的？有多少是在真实办公场景中验证过的？这些问题目前没有答案。
Copilot和Gemini的Harness为什么更成熟？因为它们背靠Office和Workspace，有海量的真实使用数据和反馈循环。微软和谷歌的工程团队可以基于数亿用户的实际操作来持续优化Harness的每一个环节。而WorkBuddy的用户规模虽然在国内领先，但和海外的Copilot、Gemini比起来还是小巫见大巫。
这个差距不是靠“接入更多模型”能弥补的。它需要时间、数据、和大量真实任务的打磨。
所以，WorkBuddy值得用吗回到最实际的问题。
如果你是一个需要跨工具处理多种任务的办公用户——写文档、做表格、出PPT、整理会议纪要、查资料——WorkBuddy的生态覆盖面和模型多样性确实有吸引力。免费版每月500积分，对于轻量使用来说基本够用。它的“能直接操作电脑文件”的能力，比那些只给你“写个脚本”的AI工具实用得多。
如果你是一个深度Office用户，Copilot的捆绑策略其实很划算。99美元的E7套装包含了E5的全部功能加上Copilot，比单独买Copilot还便宜。而且在Word和Excel里直接调用AI的体验，是WorkBuddy这种“外部工具”做不到的。
如果你是一个Google Workspace用户，Gemini的免费内置几乎没有理由不用。它已经在Gmail、Docs、Sheets里了，不需要额外下载任何东西。
但无论你选哪个，都别指望它能“全程躺平”。钛媒体的评测说得很实在：WorkBuddy“更关注的不是能力，而是降低用户的使用门槛”。一个用户用了一个月后的总结也很到位：“它真的能帮你干活，但它也不是万能的，别指望它能完全代替人”。
WorkBuddy的66分不是终点，是起点。它的生态融合策略是对的，模型多样性是对的，Skill生态的方向也是对的。但它需要在Harness上投入更多工程资源，需要把排队问题解决好，需要让积分规则更透明。
流量第一证明了需求是真实的。但66分证明了能力还没有跟上。
你用过WorkBuddy、Copilot或Gemini吗？哪个让你觉得“真的省了时间”？评论区聊聊。
#AI资讯# #WorkBuddy# #AI办公# #Copilot# #Gemini# #腾讯#