9月15日，IDC发布《中国企业级通用Agent产品技术评估》报告，TeleAgent（星辰超级智能体）综合成绩位列前三，其中”任务表现”维度获得满分5分，成本效率维度获得评测最高分。这一结果将外界的关注点重新拉回办公Agent赛道的技术路径选择上。在过去数月里，从腾讯WorkBuddy到阿里千问办公、字节豆包工作，主流厂商已相继收敛产品形态，而TeleAgent则选择将竞争焦点定位在上下文工程与模型调度能力上。
办公Agent的产品形态在今年经历了从发散到收敛的过程。上半年，协同办公、Coding、云端与桌面Agent产品各自探索，行业对桌面Agent的最终形态并无统一答案。进入下半年，随着WorkBuddy的快速增长，阿里与字节相继收拢内部多产品赛马机制，整合为单一主线：字节推出豆包工作，阿里在更换数版logo后确定千问办公。三家产品各有侧重——WorkBuddy解决办公Agent产品形态问题，千问办公主打一句话直接生成网页成品文件，豆包工作则提供侧边编辑的新思路。从能力交付层面看，三者均通过模型路由形态完成能力输出。
模型路由的1.0阶段以分销模型能力为核心特征。WorkBuddy走聚合模式，内置腾讯混元系列模型，同时接入DeepSeek、GLM、Kimi、MiniMax等主流大模型供用户自由切换，延续了腾讯一贯的”连接”策略。千问办公与豆包工作则走上自营模式：千问办公一度接入智谱GLM-5.3与DeepSeek V4 Pro，三天后撤下外部旗舰模型；豆包工作自8月25日上线以来仅提供豆包2.1 Pro/Turbo两个自家模型，默认Auto档由系统按任务复杂度自动调度，未公开接入第三方模型。接入模型与能力交付被划上等号，任务被分割为简单任务走轻量档、复杂任务走旗舰档。但分销渠道模式缺乏护城河，模型一次迭代即可能抹平溢价。
TeleAgent将模型路由迭代至2.0版本，核心变化是从分销路由走向智能调度路由。在模型供给侧，TeleAgent在API服务端集成多模型动态路由能力，支持模型提供商自动无缝切换，将不同模型服务商置于统一能力池中，根据当前压力调度，向用户分发当下速度更快、效果更好的服务。在用户端，智能调度机制根据任务强度分层：轻量档面向翻译、总结、格式化、简单问答；均衡档面向文件操作、办公自动化、系统运维、PPT/文档生成；旗舰档面向代码编写与调试、深度推理、研究报告、方案设计等场景，以精准优化资源消耗与积分成本。
自研星辰大模型Xing4.0针对TeleAgent框架做了系统性专项适配与优化。在模型架构层面，采用mHC+MLA+MTP设计，原生支持256K长上下文，可扩展至512K，以处理多步骤规划、工具调用与复杂推理链路执行。同时，依托生产运行中真实业务数据分析，覆盖意图理解、任务拆解、工具调用执行等环节，常态化开展多专家强化学习训练与MOPD多专家能力融合调优，形成”数据分析—问题定位—定向调优—效果验证”的闭环迭代机制。
上下文与长期记忆能力构成TeleAgent的核心长板。办公任务普遍是长程的跨文件与跨系统深度任务，上下文规模随任务复杂度和沉淀物料增加而迅速膨胀，多数Agent走到后半程会因上下文限制出现”失忆”。行业通常有两种应对方案：一是不计成本扩充上下文容量，二是引导用户控制上下文规模。TeleAgent在Harness层引入动态上下文治理，实时预判窗口水位，溢出前主动分级压缩，并按任务阶段动态分配预算，将窗口留给最关键信息。当内容接近上限时，系统优先对历史中久远的工具输出进行轻量剪枝；若剪枝后仍超出，则由专职压缩模型深度压缩整段对话，在保留关键信息的前提下缩减Token用量。整个过程实时检测溢出状态，触发上限后自动压缩并继续执行任务，无需用户干预。系统同时结合提示词缓存命中技术，减少重复前缀的Token计费。
在记忆能力方面，传统AI对话普遍存在”阅后即焚”的特点，记忆仅存在于当前对话窗口，开启新窗口后系统记忆归零。TeleAgent在桌面端开发了autoDream长期记忆能力，每2小时自动总结近期对话并生成当天日志，每24小时将对话记录与既有记忆合并，更新个人记忆档案。这些记忆跨会话生效，Agent能够记住用户的项目背景、工作习惯和偏好，无需每次重复交代上下文。
从模型分销到模型调度，从单次任务执行到能力的持续自主进化，办公Agent的竞争重心正在发生位移。IDC评估结果与产品技术路径的对应关系表明，上下文工程与记忆能力或将成为下一阶段办公Agent差异化竞争的关键变量。随着各家产品形态逐步收敛，战事尚未真正开启，但靶心已经清晰。
该文观点仅代表作者本人，企服科学平台仅提供信息存储空间服务。
