8 月 26 日，阿里巴巴旗下 Agent 产品「千问办公」国际版（QwenWork）正式开启公测。海外个人和企业用户即日起可访问 qwenwork.ai 体验，网页版和 PC 客户端同步上线。这不是一次普通的出海动作——随公测一起放出的，是一份第三方投行实测报告：在杰富瑞对八款全球主流 Agent 的真实办公任务评测里，QwenWork 综合得分排名第一。
这篇把事件拆开讲：QwenWork 是什么、杰富瑞的实测含金量在哪、对办公 Agent 竞争格局意味着什么，最后是我的老达点评。
事实梳理：QwenWork 是什么，公测放出了哪些能力
QwenWork 是阿里「千问办公」的国际化版本，国内版 8 月初刚上线，三周后就出了国际版，节奏相当快。产品层面它融合了阿里三个 Agent 平台的底座能力——QoderWork、MuleRun 和 Wukong——整合成一个面向办公场景的 AI 生产力套件。
核心能力有几块：自主任务执行，用户用自然语言下指令，Agent 可浏览网页、操作电脑、执行多步工作流；网页交付，能生成高质量 HTML 页面，还提供域名和数据库服务，把想法变成可访问、可运行的网页应用；多模态，集成图像、视频、音频生成模型，用户不用在多个 AI 工具之间来回切换。
对企业市场，QwenWork 已接入 Slack、Notion 等海外协作平台，未来计划连企业的真实数据库和工作流。它强调的一个能力是「组织级 Skill」：资深员工完成一次复杂任务（比如律所律师做完一份并购尽调报告）后，可以把全过程沉淀成 Skill 共享给团队，新人遇到同类任务直接调用，不用再从头请教。
事实梳理：杰富瑞的实测，含金量到底在哪
这次被反复引用的数据来自华尔街投行杰富瑞的分析师：他们对八款全球主流 Agent 做了真实办公任务实测，设置 5 项真实办公任务，QwenWork 综合得分排名第一，超过美国的 Claude Cowork 和 Codex 等工具。
含金量在于三个「唯一」：它是唯一在所有测评维度都拿到 90 分以上的产品——尤其在复杂办公任务、网页浏览器控制、多模态内容生成三个场景表现突出；它是唯一综合排名超过 Claude Cowork 和 Codex 的产品——这两个是目前海外 Agent 第一梯队；它是第一次由第三方投行对国产 Agent 做横向实测并给出第一的成绩——不是厂商自评，是外部裁判。
这跟 AI Agent 评测怎么做 里说的逻辑一致：评测的价值在于「用同一套任务集横向比」，比出来的结果比任何宣传都有说服力。QwenWork 能扛住第三方实测，说明它的能力不是 PPT 里的，是真刀真枪跑出来的。
影响分析：办公 Agent 入口战，从国内打到海外
过去一个月，办公 Agent 入口战在国内已经白热化：字节豆包工作上线（字节豆包工作正式上线）、企业微信开放 CLI 和 MCP（企业微信 5.0.10 全面开放）、支付宝推 AHA 多智能体互联协议（支付宝发布 AHA 协议）——大厂全在抢「办公入口」这个位置，因为谁占了入口，谁就占了企业工作流的下一个十年。
QwenWork 出海的意义，是把这场仗从国内打到了海外。海外市场目前是微软 Copilot、Google Workspace 的天下，Claude Cowork 和 Codex 也在快速渗透开发者人群。阿里选择这个时候带着第三方实测第一的成绩出海，等于先立了个「客场标杆」——你要质疑我，先看看杰富瑞的报告。
另一个值得注意的背景：阿里近期动作密集——800 亿港元配售募资全部投向 AI 基础设施、AI 相关产品年化收入突破 495 亿元、千问 Token 计划持续拉低调用成本。模型、应用、资本三条线正在被串成一条完整的出海链路：模型开源打底、应用出海抢入口、资本锁定算力。
影响分析：竞争的本质，不是模型对决，是 Harness 和场景深度的对决
杰富瑞实测里 QwenWork 赢的不是「模型更强」——它背靠的是「模型 + Harness」的协同。正如 Agent = Model + Harness 里讲过的，决定 Agent 体验的，一半是模型智商，一半是执行框架、工具链和场景打磨。QwenWork 在复杂办公任务、浏览器控制、多模态生成上的 90+ 分，说明它的 Harness 层（任务编排、工具调用、网页操作）已经打磨到了一定水准。
这也解释了为什么实测第一的是「千问办公」而不是「千问模型」：办公 Agent 的护城河从来不只是模型能力，而是「能不能稳定地完成一整套办公任务」——读文件、查资料、写文档、做表格、发消息，一步都不能掉链子。谁把场景做深、把流程做稳，谁就能留住企业客户。
老达点评
第一，这次出海最值钱的不是产品本身，是「第三方实测第一」这个背书。国产 Agent 以前出海，最吃亏的就是缺一个国际化的裁判给打分。杰富瑞这份实测，等于给 QwenWork 发了一张国际信用背书——以后海外企业评估国产 Agent 的时候，第一眼看到的就是这个「唯一全维度 90 分」。信用是出海最贵的资产，这份报告是实打实的加分项。
第二，办公 Agent 的格局进入「双线作战」：国内卷入口（豆包、企微、飞书、钉钉），海外卷实测（QwenWork 对 Claude Cowork、Copilot）。对用户是好事——竞争越充分，产品越便宜越好用；对厂商是考验——两条战线都要投入，不是谁都能玩得起。我反而觉得，国产 Agent 出海的路子走对了：先用实测说话，再谈生态，比烧钱补贴实在。
第三，冷静泼盆冷水：公测第一 ≠ 商业成功。QwenWork 接下来要过三关——本地化关（语言、习惯、合规）、生态关（Slack/Notion 只是开始，企业核心系统才是主战场）、付费关（真实企业客户愿不愿意长期买单）。评测分数代表能力上限，商业验证代表真实落地，两码事。方向对了，路还长。
总结
8 月 26 日，阿里千问办公国际版 QwenWork 开启公测：融合 QoderWork、MuleRun、Wukong 三大平台能力，接入 Slack 和 Notion，主打自主任务执行、网页交付和多模态生成，并强调组织级 Skill 的企业知识沉淀。杰富瑞对八款全球主流 Agent 的 5 项真实办公任务实测中，QwenWork 综合第一、唯一全维度超 90 分，超过 Claude Cowork 和 Codex。老达点评：这是国产办公 Agent 第一次带着第三方实测背书出海，入口战从国内打到海外；但公测第一不等于商业成功，本地化、生态、付费三关还等着它闯。
