三个最火 AI 办公产品的金融能力盲测

（来源：佩妮Penny的世界）

大家好，我是penny。

最近看到一个 AI 办公产品的榜单，感受到了大厂在这个方向的疯狂卷法……

根据 Quest Mobile 的统计，AI效率办公赛道月活合计达到了1.02亿。

不知道它这个合计有没有去重，我实际的体感是，现在行业的渗透率和频次还是比较低的，头部的产品月活跃用户也就是在几百万量级。

我们假设中国办公工具的天花板是 WPS 的 5 亿月活，渗透率也就是在 1%~2%，100 个人中还只有1-2 个人开始使用这类产品，行业还处在非常早的阶段。

但是榜单归榜单，在金融类场景，月活和排名都不太管用，还是要实际使用体验说话。 

我之前的主力主要还是 Codex，现在国内产品这么多，也好奇国产到底能做到什么程度。所以本人突发奇想，对国内头部这几家做个金融类场景同一条件下的测试，这次测的榜单中头部的 3 家： workbuddy、百度搭子和千问办公。

（字节系整合的豆包工作还在测，下次再说好了。）

具体方式是，我设定了 3 个场景，给不同的 AI Agent 发完全一样的指令，评价的标准主要是金融数据的准确性、逻辑推理/分析能力。

评分也不是我打的，是把问答结果整合之后，抹去具体模型名称，发给 codex 让它打的，Prompt 和过程可追溯。

真正的 AI for AI，哈哈哈哈。

让我们先来公布一下结果：

大家可以先猜猜 ABC 是谁，结果应该会出乎你的意料。

（其实也出乎了我的意料。。。）

【着急的先拉到最后看答案，再回来看过程】

ps：这次多数使用的都是产品的默认配置，模拟普通用户使用习惯。比如说 workbuddy 使用的均衡模式GLM-5.3。千问和百度都是用自家模型。

为了考验每个 Agent 自行获取准确数据源的能力，我都是纯 prompt 提问，没有喂任何本地的报告或者数据，要求他以官方披露的文件为第一优先。

百度搭子和 WorkBuddy 都有已经内嵌的金融套件，提问时有选择使用，千问办公需要自定义金融类的使用习惯和场景，能看得出来，大家对金融这个场景都很重视～

问题 1——财报摘要/数据准确度核验。（35 分）

这次我选取了月初公布财报的博通，让 AI 查找并且核验最新一季的财报数据。美股可以考验他们直接在 SEC 拿官方数据的能力。（就不重复大段的 prompt 了，最后会有链接）

结果：

这里出现了本次测评的最大 bug。。。可怜的 A 同学因为审题不严，直接判断错了财报期，20 分直接扣光光。

虽然是一句话就能纠正，但是这种考试表现放在学校，是要被老师拎到办公室直接教育的程度。

B 和 C 都基本准确，属于吹毛求疵的扣点分，codex 老师还是太严格了。

问题 2——做个股的基本面、估值和持仓建议；（35 分）

这边是以科大讯飞为例，需要分析最近股价异动的原因，给出普通投资者能看懂的盘后诊断，而且是 html 的可视化展示。（刚好也可以比较多模态展示能力。）

这里我也要说一下，也不要指望 AI 能够给你预测股价，更重要的是它快速总结和获取信息的能力，以及在过程中体现出来的思路和逻辑是否清晰，环环相扣。

（客观分是事实的准确度，主观分是逻辑评判。也都是 AI 打的）

结果：

 这个是 B 产品的展示结果，在手机上的展示效果也很好，内容很全。

问题 3——基于当下的宏观环境，设定的资金规模和风险偏好，做 AI 领域的主题选股。（30 分）

假设现在你有100万美元，构建一个持有期为12个月的美股AI产业链组合，需要从给定的 10 只股票里选择。

这其实是一个组合构建题，没有什么标准答案。还是说看过程中有没有出什么纰漏。

首先是选股的结果：

哈哈哈，感觉 AB 稳如老狗。

另外，其实这次有让他们给出这 10 支里面最不建议买的股票，这个也挺有意思。

本题得分如下（B 最高）：

好了，现在公布 ABC 分别是哪家：

A：腾讯 workbuddy

B：百度搭子

C：千问办公

从模型评测的结果上，百度搭子和千问办公最后的得分差距不大，百度高 2.5 分。体感问答速度上 workbuddy 比较快，百度搭子居中，千问速度最慢，而且经常跳出允许button。

百度搭子的亮点体现在稳定性。三道题分别拿到34、27.5和27.5分，没有出现报告期错误、任务中断或整题失效。三道题中的最低分也是三家里最高的。 

金融研究里，我会很看重这种稳定。偶尔拿一次满分当然很好，每次都先把财报期、数据口径和来源弄对，才敢继续往下分析。

而目前使用人数最多，有先发优势的 workbuddy，因为一开始误判财报季，惨遭 AI 辣手扣分，直接滑铁卢了。

从测验结果也可以看出，现在大模型领域其实大家也都是你追我赶，交替式领先上升。过程肯定不够严谨，不过有个感觉就是，未来如果模型的智能水平接近，能够决定市场占有率的，其实就是产品稳定性和细节体验了。

感觉上AI 办公类 Agent 产品，已经从比“谁的模型更聪明”，进入了“谁能拿到更多的上下文，进入真实工作场景”的比拼。

大家手上都有一些各自的牌，过去互联网大厂积累的很多老资产，到了Agent时代可能会被重新定价。

搜索、知识库、云、办公软件、企业系统、支付、硬件，看起来是完全不同的生意，现在都可以被拆成Agent的眼睛、记忆、手脚和工作现场。

而通用 Agent ，未来可能是 token 分发的入口，拥有下一阶段的平台级想象力。

最后，这是这次测评的一些过程展示哈：

【WorkBuddy】核验博通最新季度财报数据，https://workbuddy.link/p/If3DTyOD0X5RioA5XeJ5AR?ext2=copy_link（翻车现场……）

codex 测评的 prompt&过程：

测这几家我甚至都没付费，每个都有一堆积分送……妥妥新手福利期，大家多去用起来～

我是佩妮，关注我，一个只说真话的创投人