告别Token焦虑，千问办公定义了 Agent 的斩杀线

用上 AI 这几年，我一直没有看额度的习惯。订阅的服务太多，这个那个摊开来，怎么用都够，压根想不起来去查还剩多少。

这个习惯是最近才被打破的。起因是我把整条工作流搬到了一个 AI 办公工具上——说得直白点，是搬到了一个智能体集群上——从那以后，看一眼今天烧了多少 Token，成了我每天都要干的事，因为那个数字跑得太快了。快到我这么一个仅仅在用它干些自动化程度并不那么高的活儿的人，都得盯着看。

比我焦虑的人多的很。2026年春天，一家三十五人的工程团队算了算当月的 AI 支出，八万七千美元。LeanOps 的调查里，重度使用 Claude Code 或 Cursor 的开发者，月均要在 AI 上花四百到一千五百美元，跑得凶的几天就烧掉四千。国内也一样，有人到处寻找便宜的API，自嘲成了"AI 时代的下沉市场人群"。大家的普遍感觉是，工具的确好用了，但积分烧完会焦虑，续费又心疼。

王坚打过一个比方：早期的 AI 应用像点电灯，耗电有限；以 OpenClaw 为代表的这一代智能体像开空调，耗电指数级地涨。他后面还跟了一句——"电价不降，老百姓用不起空调。"

8月26日晚上，千问办公推出标准模式，做的就是“降电价”。它首发了刚刚发布的 Qwen3.8-Flash，实现Token 消耗减少约 75%，生成速度差不多翻了一倍，同时任务质量还有保障，这也意味着，95% 的日常任务在标准模式下就能跑完。

但如果只把这当成"Agent又上线了一个新模型"，就完全失焦了——千问办公想做的更大——给眼下这场 AI 办公大战划一条斩杀线：论性价比我比你高，论功能我比你全，论价格我也比你便宜。用户为什么要走？

——导语

但它凭什么敢这么讲？

先说一件这半年硅谷和国内都在争、大众媒体却没讲透的事：同一个模型，套在不同的"驾驭层"里，效能差距大得离谱。

驾驭层，行业里叫 harness，就是围绕模型搭起来的那套东西：工具怎么调、上下文怎么管、任务怎么拆、出错了怎么兜。这个词不性感，但它常常比换一个更贵的模型更能左右结果。

Cursor 的研究团队做过一组对比：同一个底座模型，换不同的 Agent 框架去跑，得分从 46% 拉到了 80%。模型一个字节没改，只是框架换了，成绩差了将近一倍。

Harness-Bench 的结论也很类似：不动模型、只换框架，同一批任务的分数能差出 23.8 分。在 SWE-bench 上，同一个模型因为 harness 配置不同，解题率从个位数跳到三成以上。

山姆·奥特曼跟 Ben Thompson 聊的时候说过一句话：他已经没法把模型和驾驭层看成两个独立的东西了，当 Codex 表现好的时候，他自己都分不清功劳归谁。他还有一个更干脆的判断：多数 Codex 失败是上下文问题，不是模型能力问题。

国内这边，清华刘知远团队提出的"密度定律"（Densing Law）从另一个角度讲了同样的事：大模型的能力密度大约每一百天翻一倍，换句话说，每过三个多月，你用一半参数就能跑到当前最强模型的水平。

这其实是一个很清醒的判断，就是单纯堆参数的红利在快速收窄，把模型用好的红利才是结构性的。就像手机芯片一样，如果你6个月就更新一次，其实意义不大。如何把芯片调教到性能释放极致，才知真功夫。

这几件事放到一起，说的其实是同一件事：一个好模型如果不跟工具链深度整合，就是法拉利的发动机配了一小面包车的底盘和传动系统，发动机再好也跑不出该有的成绩。这叫暴殄天物。

千问办公这次的更新正是踩在这个判断上。光有好模型不够，模型得长在 Agent 里面。千问办公上线的是和千问大模型团队联合设计的专属版Qwen3.8-Flash，所以在原有模型的基础之上，获得了更高的性能收益。

可有人会说，模型一旦长进 Agent 里，账单就开始不受控制。

前面我已经讲过AI工具带来的token焦虑。但是要从底层理解 Token 焦虑，要先理解 Agent 和普通对话的结构性差异。

一个人跟 AI 聊一个小时，撑死十几二十轮。而一个智能体后台跑一小时，为了完成任务可能来回交互几千轮。一次看上去轻飘飘的"帮我整理一下会议纪要"，背后触发的是多轮工具调用、上下文检索、自我纠错、格式重排，实际消耗可以是一次普通问答的十到五十倍。

Anthropic 自己也承认，Agent Teams 模式下消耗大约是标准会话的七倍，“三个 Agent 跑一小时，顶一个 Agent 跑一整天”。IDC 给了一个更长周期的数据：企业智能体的 Token 消耗年均增幅超过 30 倍。

原来按对话设计的那套成本结构，撑不住这种量级。

所以千问办公出手的时机就在于，此刻，正是AI工具的放量期，且Agent工具正在趋同。谁能拿出一款"量大管饱"的模型和Agent组合，谁就在这场仗里握住了“取胜之匙”。千问办公首发 Qwen3.8-Flash 的底层意图在这里。

但光说便宜还不够——因为这场竞争里还横着另一个问题：慢。

很多文章在谈模型质量的时候只说“聪不聪明”，很少说“快不快”。但在真实的办公场景里，快不快才是体感最直接的那个维度。

那些公认更强的模型，因为参数大，往往也更慢。大不是问题，要命的是大带来的慢。

用过 Claude MAX模式或者 Kimi K3极致模式的人都有体会：坐在那里，盯着它一圈一圈地转，进度条好像粘住了，什么都干不了。你以为你在用一个强大的助手，其实你只是在等。对于那种高密度、连续性很强的办公场景来说，这种"坐等"非常致命，它打断的是人的心流。

对 Agent 工具来说，慢的代价还会被放大。它不像人可以边读边等，每一步都要等上一步的完整输出才能继续，延迟一层层累加。

有一组对比可以说明问题：一个三十万 Token 规模的复杂任务，在每秒一百个 Token 的速度下要跑将近五十分钟；拉到每秒四百个，只要十二分钟。省下来的那三十八分钟，就是一个人留在心流里还是切出去刷手机的分界线。

密度定律有一条推论：模型的推理开销会随时间指数级下降。高质量和慢，不需要永远绑在一起。千问办公把速度拉高一倍，解决的就是这个问题。让办公真正流动起来，而不是卡在一个转圈圈的等待里。

可便宜和快，都会被追平。真正的斩杀线，得往别处找。

驾驭层到底是不是护城河？

有一派很有分量的声音说不是。

TechCrunch 最近的报道就援引了 AI 领域那条著名的“苦涩教训”：从长远看，更强的通用模型终究会把外围那些精巧的工程一口吞掉。他们还举了个例子。Databricks 的实测里，一个叫 Pi 的开源极简 harness，用着和 Codex 完全相同的底座模型，成绩反而更好。在这一派看来，harness 是一根"随着模型变强而不断贬值的拐杖"。

这个反问很尖锐。但它恰恰指向了千问办公真正在做的事：斩杀线从来不靠某一个单点。模型会被追平，这是事实。驾驭层会随模型进步而贬值，这也是事实。但如果你能把三样东西同时叠到一起，取一个相对最优解，局面就不一样了。

第一，是模型和 Agent 的双向协同优化。模型在训练阶段就专门为 Agent 场景调过，Agent 框架又反过来围绕这个模型的特性做调度，两边互相优化、互相迁就。这件事情，“通用模型加一层薄封装”的产品做不到。你手里得同时握着自研模型和自研 Agent。

第二，是靠一版一版磨出来的工程沉淀。上下文压缩、会话恢复、长程任务里的目标保持，单拎出来都不性感，但极难复制。

第三样最吃劲：生态和上下文。千问办公把钉钉和 MyContext 接了进来，可以帮助企业构建一个Agent 的专属上下文，让Agent更懂业务工作流。模型可以下载，框架可以模仿，但一家企业沉淀在你这里的上下文，组织的记忆、业务的习惯，换一个产品带不走。业界有个说法叫"替换测试"：悄悄把背后的模型换掉，用户还是离不开你，那才叫护城河。

三张牌叠在一起，就是千问办公说的"斩杀线"。它不靠哪一张牌去碾压谁，只是把对手可能进攻的每个方向都堵上了。性价比更高，功能更全，价格也不更贵。那你告诉我，客户凭什么走？

至此，阿里也成了全球第一个把"模型、办公平台、企业 IM、上下文层"打通的公司。这条全栈链路本身，就是壁垒的一部分。

但对我这样的用户来说，判断它有没有走对，还有个更土的标准——等哪天我又变回那个懒得看额度的人，就说明它做成了。