Doubao integra modelos como Kimi, GLM y DeepSeek y ajusta los múltiplos de cuota para competir con WorkBuddy; la competencia en agentes de oficina pasa de la integración de modelos a la comparación de capacidad de enrutamiento y arquitectura.Autor del artículo, fuente: Todo el tiempo tecnología
Doubao, de ByteDance, comienza a permitir a los usuarios utilizar modelos más grandes de competidores.
El 12 de noviembre, DouBao Work anunció la actualización de su cartera de modelos, incorporando oficialmente modelos de terceros como Kimi K3.1 Pro, GLM 5.3 y DeepSeek V4.1 Flash, además de sus modelos propios DouBao 2.1 Lite y Pro.
This update is also accompanied by a price adjustment.
En la página de selección de modelos, Doudou Work marcará la tasa de consumo de cuotas para cada modelo. Los usuarios podrán elegir libremente el modelo según la complejidad de la tarea, la velocidad de respuesta y el costo de uso. Además, la plataforma ha lanzado un plan de oferta limitada que reduce la tasa de consumo de cuotas para Doudou 2.1 Lite y DeepSeek V4.1 Flash, y ofrece a los nuevos usuarios una suscripción gratuita de 30 días.
De hecho, el servicio de modelos de terceros de Doubao Work ya se había lanzado para equipos y clientes con suscripción empresarial el 29 de octubre. Esta actualización adicional, que amplía el conjunto de modelos y mejora el mecanismo de promociones, convierte la estrategia de múltiples modelos en un instrumento clave de Doubao Work para atraer usuarios.
El cambio en el trabajo de DouBao podría deberse a la presión de la competencia del mercado.
Anteriormente, Tencent WorkBuddy ya se había integrado con productos de múltiples proveedores de modelos, como Hunyuan, GLM, MiniMax, Kimi y DeepSeek, y seleccionaba automáticamente el modelo adecuado mediante el modo Auto según las políticas de enrutamiento.
WorkBuddy ha establecido una ventaja líder significativa. Según el informe del mercado de agentes de oficina inteligente del tercer trimestre de 2026 publicado por Yi Guan Analytics, en septiembre de este año, el volumen mensual de visitas de WorkBuddy alcanzó 85,34 millones, mientras que DouBao Work fue de 30,39 millones, siendo el primero aproximadamente 2.8 veces el segundo.
En el contexto de WorkBuddy que continúa ampliando su base de usuarios y capturando la entrada de agentes de oficina, Baidu Work también enfrenta una presión competitiva cada vez más directa.
De hecho, ByteDance no carece de experiencia con productos de modelos múltiples. Antes incluso de que DouBao abriera la plataforma a modelos de terceros, TRAE, una herramienta de programación de IA de ByteDance, ya había adoptado una estrategia de modelos múltiples. TRAE Work también ofrece la opción de modelos de diferentes proveedores, como Seed, GLM, DeepSeek, Kimi y MiniMax, y permite a los usuarios conectar sus propios servicios de modelos.
En cuanto al panorama de la industria, Baidu también ha adoptado una estrategia abierta similar. En agosto de este año, Baidu renombró oficialmente GenFlow, el agente inteligente general lanzado en conjunto por Wenku y Netdisk, como Kuku AI, e introdujo un cliente independiente para oficinas y una versión empresarial.
Entre ellos, la lista de selección de modelos de KuCoin AI incluye, además del modelo Wenxin desarrollado por Baidu, modelos de terceros como DeepSeek, GLM, Kimi y MiniMax.
Qoder, también de Alibaba, es similar. En abril de este año, la versión comunitaria de Qoder abrió oficialmente la capacidad de integración con API Key, admitiendo a múltiples proveedores de modelos como Alibaba Cloud Bailian, Zhipu, DeepSeek, Kimi y MiniMax, pero Qoder Office aún no ha habilitado modelos de terceros.
La diferencia entre las estrategias de múltiples modelos y modelos únicos radica en la diferencia entre productos Agent y herramientas de chat de IA tradicionales.
Para productos de chat comunes, el conocimiento del modelo, su capacidad de razonamiento y la calidad de la generación suelen afectar directamente la experiencia del usuario. Sin embargo, las tareas que debe manejar un agente son más complejas: una tarea puede involucrar la recopilación de información, el análisis de documentos, la escritura de código, el procesamiento de datos, así como la generación y validación del resultado final.
Los diferentes modelos tienen rendimientos distintos en estos procesos y presentan diferencias en los costos de uso.
Para la plataforma de agentes de oficina, aunque es importante poder integrar el modelo más potente, asignar el modelo adecuado a cada tarea se está convirtiendo en una nueva variable competitiva.
Lo que merece más atención que la integración del modelo de apalancamiento es el desarrollo de la tecnología de enrutamiento de modelos.
Actualmente, esta actualización de Doubao se centra principalmente en permitir a los usuarios seleccionar el modelo de forma autónoma. Los usuarios pueden decidir qué tarea asignar según las características de cada modelo y su multiplicador de consumo de cuota.
Pero la selección manual del modelo por parte del usuario no es el punto final de la arquitectura de múltiples modelos.
Por ejemplo, un empleado puede pedirle a un agente que complete un informe de investigación de la industria, un proceso que puede incluir recopilar información pública, organizar datos financieros, analizar tendencias industriales y crear una presentación.
En este caso, la recopilación de información básica puede requerir solo un modelo con mayor velocidad de respuesta y menor costo; cuando se trata de análisis financieros complejos o razonamiento multietapa, se debe llamar a un modelo con mayores capacidades; y en etapas como la ajuste de formato, se puede volver a cambiar a un modelo de menor costo.
Utilizar siempre el modelo más caro para completar todo el proceso puede generar un consumo innecesario de capacidad de cómputo; sin embargo, perseguir exclusivamente un bajo costo puede aumentar los errores y la necesidad de rehacer tareas debido a la limitada capacidad del modelo.
El enrutamiento de modelos busca precisamente equilibrar la calidad de la tarea, la velocidad de ejecución y el costo de uso.
Esta capacidad ya ha comenzado a integrarse en la arquitectura de productos de los Agentes de oficina.
El modo Auto de Tencent WorkBuddy admite la asignación automática de modelos según políticas de enrutamiento. Además, Tencent Cloud ha lanzado un servicio independiente de enrutamiento de modelos que asigna tareas a diferentes modelos según la intención de la solicitud, la carga del modelo y la latencia de respuesta, entre otros factores.
All-weather Technology observó que el modo Auto de DouBao también adopta un formato de prueba gratuita con montos pequeños.
Al reducir el umbral de uso del modo Automático, Doubao Work tiene la oportunidad de atraer a más usuarios para probar la selección automática de modelos, ayudándolos a pasar gradualmente de elegir modelos manualmente a simplemente entregar tareas y esperar los resultados.
Para la plataforma, la ejecución de más tareas reales también ayuda a evaluar continuamente la capacidad, el costo y la eficacia de finalización de diversas modelos, proporcionando una base para optimizar las estrategias de enrutamiento.
Desde este punto de vista, Baidu DouBao podría estar buscando no solo más usuarios y volumen de tareas, sino también el control de la programación de modelos para agentes de trabajo futuros.
A medida que ByteDance, Tencent y Baidu abren sus modelos de terceros, el conjunto de modelos que pueden utilizar los agentes de oficina de cada empresa se está volviendo cada vez más similar. Solo integrar más modelos ya es difícil que genere una ventaja diferenciadora a largo plazo.
Esto también significa que la competencia en los agentes de oficina está transfiriéndose aún más hacia la arquitectura tecnológica por encima del modelo.
Una de las capacidades importantes es el enrutamiento de modelos, es decir, asignar el modelo adecuado a diferentes tareas según la dificultad, el rendimiento y el costo de tokens. Sin embargo, desde una arquitectura de tecnología de agente más completa, el enrutamiento de modelos es solo una parte.
Agent Harness, que ha recibido atención de la industria en los últimos años, abarca aún más etapas como la planificación de tareas, la llamada a herramientas, la gestión del contexto, el mantenimiento del estado de ejecución y la recuperación de errores, determinando si el agente puede convertir la capacidad del modelo en resultados de ejecución de tareas estables.
Ambos influyen conjuntamente en la eficiencia comercial del agente de oficina.
Ahora se presta atención a si las demás empresas utilizarán guerras de precios para atraer aún más a los usuarios.