千问办公多人工作台与星火X2.5同日出现：办公AI竞争开始转向协作与模型升级

9月8日的AI行业信息流中，两条消息被放在了同一张产业动态清单里：千问办公推出“业内首个多人工作台”，科大讯飞发布星火X2.5大模型。前者把注意力放在办公协作入口，后者则把竞争焦点放在模型架构、训练基础和代码与智能体能力升级上。它们并不是同一种产品的直接对照，却共同指向一个变化：办公AI的竞争，正在从“能不能调用模型”转向“模型如何进入组织、如何参与协作，以及企业如何判断升级是否真正有用”。

两条消息，代表两种产品路径

从公开资料看，千问办公多人工作台的核心看点，是把AI办公从单人使用场景推向多人协同入口。过去，企业员工使用AI，往往是个人提出问题、个人获取结果，再把内容复制到群聊、文档或会议流程中。多人工作台所代表的方向，则是让AI更靠近团队共同处理事务的过程。它关注的不是单次回答是否足够漂亮，而是一个团队能否围绕同一项工作共享任务上下文，并让AI成为协作过程中的参与者。

目前可确认的公开线索主要集中在“推出业内首个多人工作台”这一产品定位，资料没有进一步给出完整功能清单、具体发布时间安排或用户规模数据。因此，对它的判断不宜扩展为某种已经被验证的组织协作结果。更准确的说法是，千问办公释放了一个明确的产品信号：办公AI的入口正在从个人聊天窗口，向多人共同使用的工作空间迁移。

星火X2.5走的是另一条路径。资料显示，科大讯飞于9月7日发布该模型，9月8日相关报道进一步披露其技术信息。星火X2.5采用混合专家架构，总参数量为2930亿，每次推理激活参数量为300亿；模型基于全国产算力完成全流程训练和推理，支持256K上下文，并针对国产算力上的超长序列训练与推理进行优化。产品重点提升代码和智能体能力，数学、理解等通用能力也得到增强，模型已经上线讯飞开放平台。

如果说多人工作台解决的是“AI如何进入团队”，那么星火X2.5尝试回答的就是“进入团队之后，AI能承担多复杂的任务”。一边是协作关系与工作入口，一边是模型底座与任务能力。两者共同出现，使企业用户重新思考办公AI的价值：采购或接入一个AI产品时，不能只看模型参数，也不能只看界面是否方便，而要同时观察组织入口和能力底座。

千问办公把竞争拉回“工作空间”

多人工作台这一表述的重要性，在于它改变了办公AI的默认使用单位。单人对话适合处理即时问答、文本起草和资料整理，但企业工作通常不是一个人独立完成的。一个任务往往要经过提出、讨论、修改、审核和交付，不同角色也会在过程中持续补充信息。如果AI只停留在个人窗口里，它的输出就需要被反复转发和重新解释，协作成本并不会因为生成内容而自动消失。

工作台的价值，首先体现在它可能成为任务的共同入口。这里的“共同”并不等于简单地把多人拉进同一个页面，而是要求产品能够围绕同一工作目标组织信息、保持上下文连续，并让参与者知道AI正在处理什么、已经完成什么、还需要什么。公开资料暂未披露千问办公具体如何实现这些环节，因此不能把上述能力当成已被证实的功能。但从产品方向看，多人工作台至少把企业注意力从“个人效率工具”引向了“团队工作机制”。

这对企业办公软件产品经理尤其重要。过去，AI功能常被放在文档、会议、沟通或知识管理等单点模块中，评估方式也往往是生成速度、回答质量或使用频率。多人工作台提出的则是另一套评价问题：团队是否愿意在这里共同推进工作？AI产生的内容能否被多人接续使用？任务过程是否更容易追踪？当结果出现偏差时，谁能发现并修正？这些问题都比“能否生成一段文字”更接近企业真实使用场景。

办公协作入口的竞争还有一个特点：它对模型能力的要求不是单一维度的极限，而是稳定、连续和可管理。企业可能更关心AI能否理解一段持续变化的工作背景，能否在不同成员之间保持信息一致，能否减少重复沟通，而不是单独追求一次复杂问答的高分。换句话说，工作台的竞争重点不只是模型聪明不聪明，还包括产品能否把模型能力嵌入团队流程。

星火X2.5把模型升级落到代码与智能体

星火X2.5的公开信息则更集中于模型底座。混合专家架构意味着模型在处理不同任务时，可以通过专家模块参与计算；资料披露的2930亿总参数和每次推理激活300亿参数，也呈现了模型规模与实际推理路径之间的区别。对于企业用户来说，这些指标本身并不能直接等同于办公体验，但它们说明模型升级不再只围绕通用对话，而是在向代码、智能体、数学和长上下文等更复杂任务延伸。

代码与智能体能力被放在重点位置，也具有明确的应用意味。代码能力关系到软件开发、自动化脚本和应用原型构建，智能体能力则关系到模型能否围绕目标拆解任务、调用工具或持续推进流程。资料显示，星火X2.5已在讯飞开放平台上线，这意味着它的定位不仅是面向普通用户的聊天产品，也包含面向开发者和企业的模型服务属性。

公开实测资料提供了一个有限但有参考价值的观察窗口。在游戏开发任务中，星火X2.5经过一次修改，补齐了首版缺失的敌人问题，最终完成了包含移动射击、换弹和波次挑战等内容的HTML枪战游戏；在数学任务中，资料称其正确解答了一道AIMO参考题；在小说写作任务中，它能够把握穿越题材中的冲突与逆袭节奏。不过，测试也暴露了局限：网页前端虽然搭起基本框架，但排版和产品质感一般；“鹈鹕骑自行车”的3D创作任务多次运行失败，最终没有交付作品。

这些信息的意义不在于证明模型已经适合所有办公任务，而在于展示模型能力升级的两面性。面对结构相对清晰、可以通过迭代修正的代码任务，模型可能展现出较强的执行能力；面对对视觉生成或复杂交付稳定性要求更高的任务，失败仍然可能发生。企业在评估模型时，不能只看一次成功演示，也不能把某个场景的表现直接推导为全面能力。任务类型、结果验收方式以及失败后的修正成本，都应纳入判断。

星火X2.5支持256K上下文，也是资料中明确披露的一个技术方向。长上下文对长文档处理、复杂代码阅读和持续任务理解有潜在帮助，但上下文窗口变长并不自动意味着模型就能准确使用所有信息。企业仍需关注内容是否被正确理解、关键信息是否被遗漏，以及长任务推进过程中是否出现前后不一致。对办公应用而言，真正有价值的不是“能放进去多少内容”，而是模型能否在较长工作链路中维持可靠判断。

办公AI的核心问题从“接入”转向“落地”

把千问办公和星火X2.5放在一起观察，可以看到企业AI落地至少有两类不同的决策。

第一类决策是入口决策。企业需要判断AI应该被放在哪里，是以个人助手的形态存在，还是进入团队共同使用的工作空间；是作为一个独立工具存在，还是成为协同软件中的一层能力。入口决定了谁能使用AI、任务如何开始、信息如何流动，也影响企业后续的管理方式。

第二类决策是能力决策。企业需要判断底层模型是否适合自己的任务，尤其要看代码、智能体、长文档、数学推理和内容生成等能力是否与实际业务相关。模型参数越大、上下文越长，并不意味着所有岗位都会获得同等收益。对于大量以固定流程、结构化资料和权限管理为主的工作，稳定性和可控性有时比单次生成效果更重要。

两类决策如果被割裂，企业很容易出现“产品入口很好用，但模型无法支撑复杂任务”，或者“模型能力很强，却没有进入团队日常工作”的情况。千问办公多人工作台强调协作入口，星火X2.5强调模型升级，恰好提醒企业：办公AI不是单纯的模型采购，也不是在办公软件里增加一个聊天按钮，而是入口、能力和流程之间的组合。

对于协同软件产品经理而言，下一阶段的难点不只是增加AI功能，而是设计AI在团队中的责任边界。一个多人工作空间如果缺少清晰的任务状态、修改记录和结果确认机制，AI越主动，团队越可能难以判断哪些内容可以直接采用。相反，如果AI的参与方式足够清晰，成员能够知道它提供了什么、哪些内容需要人工确认，那么协作入口才有机会转化为实际效率。

对于企业办公用户而言，评估新产品也不宜只围绕品牌声量和发布日热度展开。更有意义的做法，是先把内部任务分成几类：哪些工作需要多人持续协作，哪些工作更依赖代码或自动化，哪些任务需要处理长文档，哪些环节对结果错误极其敏感。只有把任务特征说清楚，才能判断自己需要的是多人工作台、模型调用能力，还是两者的组合。

“模型升级”能否转化为“组织升级”

模型能力升级最终要通过业务流程体现价值。星火X2.5在代码和智能体方面的增强，为开发者和企业使用模型提供了新的观察对象；千问办公多人工作台则把这种能力可能进入的组织场景进一步前置。但从发布信息到大规模组织应用，中间仍然存在较长距离。

这段距离包括任务定义、数据边界、权限安排、人工复核和结果追踪。资料没有提供千问办公多人工作台的详细功能，也没有提供星火X2.5在企业办公中的用户数据，因此不能据此判断两款产品已经形成了明确的市场结果。现阶段更适合把它们视为两个方向性信号：一个信号指向协作场景，一个信号指向模型底座。

企业真正要观察的，是这些方向是否能在实际使用中形成闭环。多人工作台需要证明团队愿意把工作放进去，模型则需要证明它能够稳定完成可验收的任务。只有当协作入口能够减少信息断裂，模型能力能够降低任务处理成本，AI才会从“办公软件中的新功能”变成组织运行的一部分。

对于行业观察者来说，这次同日出现在新闻资料中的两条动态，也反映出AI竞争的层次正在变复杂。竞争不再只有模型之间的参数比较，也不只是应用之间的用户争夺。模型厂商在提升底层能力，办公产品在争夺团队入口，企业则在两者之间寻找能够真正嵌入流程的方案。未来的产品差异，可能更多体现在谁能把这三层连接起来。

【软盟观察】

千问办公多人工作台与星火X2.5分别代表办公AI的两个观察面：前者强调协作入口，后者强调模型能力。它们的同日出现，值得关注，但不宜被简单解读为办公AI已经完成了从个人助手到组织智能的转变。多人工作台能否降低团队沟通成本，取决于任务上下文、权限和结果确认机制；模型升级能否产生企业价值，取决于代码、智能体和长上下文能力能否稳定对应真实工作。对企业而言，最理性的选择不是追逐参数或概念，而是先明确高频任务，再分别评估入口是否顺畅、模型是否可靠、失败是否可控。接下来，办公AI竞争的关键，可能不在谁先发布更多功能，而在谁能让AI真正进入团队流程，并承担可被验证的工作结果。