这几天办公室里聊AI的风向变了。以前大家问“用什么模型”，现在都换成了“能帮你干活吗”。从“有没有”到“好不好用”，这个转变值得让人琢磨。

刚好华尔街投行杰富瑞近日发了份报告，把八款主流中美AI Agent放到一起，用真实办公任务做了场实测打分。其中包括文件检索、联网研究、做PPT等任务，结果还挺有意思的。千问办公95分排至先，背后是所有产品里模型能力至强的Claude Cowork 94分排第二，OpenAI Codex 92分排第三。后面依次是Kimi Work 86分、豆包77分、MiniMax Code 71分，腾讯Workbuddy和谷歌Gemini Spark以66分垫底。

看到这个排名，让人好奇的，不是谁赢了，而是为什么赢。报告里把Agent能力拆成模型和Harness两部分。模型负责“思考”，Harness负责管指令、上下文、工具、边界、反馈、治理等。报告里做了个控制变量实验，去验证Harness的作用。即同一个模型，换不同的Harness，得分能差18个百分点以上。这意味着，很多时候我们觉得“AI不够聪明”，未必是模型本身不行，而是因为没人教它把聪明用对地方。

基于这个思路，杰富瑞还测算出各家产品的“Harness分”。结果是千问办公至高，甚至超过了美国的Claude Cowork和Codex。它在文档处理、多模态内容生成上的表现尤其突出。通俗讲就是，Harness的优势，可以很好弥补模型能力上的差距。同时，成本也是值得重视的点。对于企业来说，其关心的不只是Token的价格，更是完成一项真实任务要花多少钱。性能好、价格低，这个组合在商业化落地时竞争力很强。

顺着这个思路看，AI的竞争逻辑其实也正在变化。以前比“谁模型更强”，现在比“谁能把活干得更漂亮”。这中间差的一环恰好是Harness。即模型是基础，但基础之上的组织能力，才是决定体验的关键。而且Agent用久了，用户的历史任务、连接的工具都会融合进去。所以把Harness打磨好的产品，可能建立起比模型本身更难跨越的壁垒。

这份报告真正的价值，在于提醒我们，当一个行业走向“好不好用”时，衡量标准就从单一变成了多维。对于AI Agent来说，那个新增的维度，叫Harness。

#AIAgent#千问办公#Harness#AI测评#办公效率#大模型落地