ByteDance 的辦公 Agent 豆包工作在測評機構 SuperCLUE 的 SuperCLUE-Office 測評中，以 85.33 分總分在 8 款中國辦公 Agent 中居首，但前 4 名總分只相差 2.65 分，數據分析一項的差距則大得多。豆包工作在文檔處理單項取得 87.12 分，比該項第二高的百度搭子多 4.19 分。對需要用 Agent 處理文件和報表的團隊而言，總分以外，Agent 在各類任務能否交出可用成果同樣重要。
豆包工作 85.33 分居首，前四名相差 2.65 分
SuperCLUE-Office 的 10 月測評中，ByteDance 的豆包工作以 85.33 分排第一，使用的基座模型是 Doubao 2.1 Pro。Moonshot AI 的 Kimi Work 以 84.57 分排第二，Tencent 的 WorkBuddy 得 83.99 分，Baidu 的百度搭子則以 82.68 分排第四。第一至第四名相差 2.65 分，第二至第四名相差 1.89 分。
其餘 4 款依次是 Alibaba 的千問辦公（78.38 分）、SenseTime 的商湯小浣熊（69.20 分）、訊飛星火工作（69.12 分）及 360 的納米 Work（53.13 分）。榜首與榜末總分相差 32.20 分。
SuperCLUE-Office 測法：交可編輯檔，編造數據倒扣
SuperCLUE-Office 以真實辦公任務作輸入，評估 Agent 交出的 Word 文件、PowerPoint 簡報、Excel 工作簿及圖表是否完整，而非考選擇題或問答題。測試對象包括各廠商的旗艦模型，以及各廠商配合模型使用的工程框架（harness）。
測評涵蓋文檔處理、材料撰寫及數據分析 3 個範疇，共 13 項二級任務，評核 5 項能力：文件與環境操作、多文件規劃、遵循限制條件、內容質素，以及安全與權限邊界。
一篇評論文章轉述的例題要求 Agent 扮演市場監管部門負責人，根據 4 份附件，包括一份舊格式 .xls 檔案，交出 8 至 10 頁可編輯 Word 月報。月報須包含封面、目錄、執行摘要及行動表，百分比的小數位亦須在全文統一。
據該文章轉述的測評說明，Agent 交出的檔案須能打開及繼續編輯，每題設 5 檔評分細則，編造數據最多倒扣 4 檔。評分時腳本會先檢查交付物的格式、頁數及能否打開，再由經 Claude Code 框架接入的裁判模型按細則逐條評分；超過 2 小時仍沒有有效輸出的任務當作失敗。
豆包工作文檔處理單項領先逾 4 分
豆包工作在文檔處理取得 87.12 分，比單項第二高的百度搭子 82.93 分多 4.19 分；WorkBuddy 則得 82.45 分。8 款產品在這項全部高於 72 分，最低的訊飛星火工作得 72.49 分。
按官方榜單分數計算，文檔處理是 3 個範疇中產品分差最小的一項，最高與最低相差 14.63 分；數據分析及材料撰寫的最大分差分別為 72 分及 47.75 分。據評論文章轉述，SuperCLUE 認為文檔處理是辦公 Agent 應用於日常工作的最重要能力模塊。
數據分析分化最大：Kimi Work 88 分，納米 Work 16 分
SuperCLUE-Office 的數據分析測試由 Kimi Work 以 88.00 分居首，WorkBuddy 得 86.13 分，總分第一的豆包工作得 81.50 分，最低的納米 Work 只得 16.00 分。這項平均分為 71.72 分，最高與最低相差 72 分。
材料撰寫方面，Kimi Work 以 88.33 分最高，總榜第五的千問辦公以 88.08 分緊隨，百度搭子得 87.60 分。這項平均分為 73.62 分，最大分差為 47.75 分。SuperCLUE 表示，辦公 Agent 正走進日常工作流程，但處理較難的分析及撰寫工作時表現仍參差，這會是下一個競爭重點。
評估辦公 Agent：用自家文件測試及覆核數字
SuperCLUE-Office 的結果來自單一主辦方用自己的框架和題庫做出的測評，適合作為一個公開榜單參考，不能代表所有辦公 Agent 的普遍排名。團隊可借鑑這次測法，以部門的真實文件和報告格式試行，檢查交付檔案能否繼續編輯，並把編造數據列入評分條件。
不同工作亦可分開看：文件整理參考文檔處理成績，報表和分析則看數據分析表現。榜單只涵蓋 8 款中國產品，未必反映香港企業實際使用的軟件環境；涉及數字判斷的輸出，流程中仍可保留人手核對。對要交出報告的團隊來說，能否核實數字、繼續編輯檔案，與榜上排名一樣直接影響工作。
來源：SuperCLUE
