Doubao intègre des modèles tels que Kimi, GLM et DeepSeek et ajuste les taux de quota pour faire face à la concurrence de WorkBuddy ; la concurrence dans le domaine des agents de bureau passe de l'intégration de modèles à la comparaison des capacités de routage et d'architecture.Auteur et source de l'article : Tout temps technologique
Doubao, filiale de ByteDance, commence à permettre aux utilisateurs d'utiliser des grands modèles de concurrents.
Le 12 novembre, DouBao Work a annoncé une mise à jour de son éventail de modèles, intégrant officiellement des modèles tiers tels que Kimi K3.1 Pro, GLM 5.3 et DeepSeek V4.1 Flash, en plus des deux modèles internes existants, DouBao 2.1 Lite et Pro.
Cette mise à jour est accompagnée d'une série de réajustements de prix.
Les consommations de quotas pour les différents modèles seront indiquées sur la page de sélection des modèles, permettant aux utilisateurs de choisir librement le modèle en fonction de la complexité de la tâche, de la vitesse de réponse et du coût d'utilisation. En parallèle, la plateforme lance une offre promotionnelle limitée dans le temps, réduisant le taux de consommation de quotas pour les modèles DouBao 2.1 Lite et DeepSeek V4.1 Flash, et offrant aux nouveaux utilisateurs un abonnement gratuit de 30 jours.
En réalité, le service de modèles tiers de Doubao Work a été ouvert en premier aux équipes et aux clients abonnés entreprises le 29 octobre. Cette mise à jour supplémentaire, qui élargit la gamme de modèles et optimise les mécanismes de promotion, fait du stratégie multi-modèles un levier clé pour Doubao Work dans la conquête des utilisateurs.
Le changement dans le fonctionnement de DouBao provient peut-être de la pression concurrentielle.
Précédemment, Tencent WorkBuddy avait déjà intégré les produits de plusieurs fournisseurs de modèles, tels que Hunyuan, GLM, MiniMax, Kimi et DeepSeek, et sélectionnait automatiquement le modèle approprié via le mode Auto selon des stratégies de routage.
WorkBuddy a effectivement établi un avantage compétitif significatif. Selon le rapport sur le marché des agents d'entreprise publié par Yi Guan Analytics pour le troisième trimestre 2026, le volume mensuel de visites de WorkBuddy a atteint 85,34 millions en septembre de cette année, contre 30,39 millions pour DouBao Travaux, soit environ 2,8 fois plus.
Dans le contexte de l'expansion continue de l'utilisateur de WorkBuddy et de la prise de contrôle de l'entrée des agents de bureau, Baidu Work fait face à une pression concurrentielle de plus en plus directe.
En réalité, ByteDance n'est pas sans expérience dans les produits multi-modèles. Bien avant l'ouverture de DouBao aux modèles tiers, TRAE, un outil de programmation IA issu de ByteDance, avait déjà adopté une stratégie multi-modèles : TRAE Work propose également le choix de modèles provenant de différents fournisseurs, tels que Seed, GLM, DeepSeek, Kimi et MiniMax, et permet aux utilisateurs d'intégrer eux-mêmes des services de modèles.
Dans le contexte du secteur, Baidu a également adopté une stratégie ouverte similaire. En août de cette année, Baidu a officiellement renommé GenFlow, l'agent intelligent général développé en collaboration entre Wenku et Baidu Netdisk, en Kuku AI, et a lancé une application de bureau indépendante ainsi qu'une version entreprise.
Parmi ceux-ci, la liste de sélection de modèles de KuCoin AI inclut, en plus du modèle Wenxin développé par Baidu, des modèles tiers tels que DeepSeek, GLM, Kimi et MiniMax.
Qoder, appartenant à Alibaba, en fait autant. En avril de cette année, la version communautaire de Qoder a officiellement ouvert la possibilité d'intégrer des clés API, prenant en charge plusieurs fournisseurs de modèles tels qu'Alibaba Cloud BaiLian, Zhipu, DeepSeek, Kimi et MiniMax, mais Qoder Office n'a toujours pas ouvert l'accès aux modèles tiers.
La différence entre les stratégies de modèles multiples et de modèle unique réside dans la distinction entre les produits Agent et les outils de discussion AI traditionnels.
Pour les produits de chat ordinaires, les connaissances du modèle, ses capacités de raisonnement et la qualité de sa génération influencent souvent directement l'expérience utilisateur. Toutefois, les tâches que doit gérer un Agent sont plus complexes : une tâche peut impliquer la collecte d'informations, l'analyse de documents, l'écriture de code, le traitement de données, ainsi que la génération et la validation du résultat final.
Les performances des différents modèles varient à ces étapes, et les coûts d'utilisation diffèrent également.
Pour la plateforme d’agents de bureau, il est important de pouvoir intégrer le modèle le plus puissant, mais appariar les modèles appropriés à différentes tâches devient un nouveau facteur de compétitivité.
Ce qui mérite davantage d’attention que l’intégration de modèles de prédiction à la hausse est l’évolution des technologies de routage de modèles.
Cette mise à jour de DouBao vise principalement à permettre aux utilisateurs de choisir eux-mêmes le modèle à utiliser. Les utilisateurs peuvent décider de confier leurs tâches à un modèle en fonction de ses caractéristiques et du taux de consommation de quota.
Cependant, la sélection manuelle du modèle par l'utilisateur n'est pas la fin de l'architecture multi-modèles.
Par exemple, un employé demande à l'Agent de réaliser une étude de marché sectorielle, un processus qui peut inclure la collecte de données publiques, l'organisation de données financières, l'analyse des tendances du secteur et la création d'une présentation.
Dans ce cas, la collecte des informations de base peut uniquement nécessiter un modèle rapide et peu coûteux ; pour les analyses financières complexes ou les raisonnements en plusieurs étapes, il faut faire appel à un modèle plus puissant ; en revanche, lors des étapes de mise en forme, on peut revenir à un modèle moins coûteux.
Utiliser systématiquement le modèle le plus coûteux pour l'ensemble du processus peut entraîner une consommation inutile de puissance de calcul ; mais privilégier exclusivement le coût faible peut, en raison d'une capacité insuffisante du modèle, augmenter les erreurs et les retours en arrière.
Le routage des modèles vise à trouver un équilibre entre la qualité des résultats, la vitesse d'exécution et le coût d'utilisation.
Cette fonctionnalité a déjà été intégrée à l'architecture produit des agents de bureau.
Le mode Auto de Tencent WorkBuddy prend en charge l'allocation automatique des modèles selon les stratégies de routage. En outre, Tencent Cloud a lancé un service de routage de modèles indépendant qui attribue les tâches à différents modèles en fonction de l'intention de la requête, de la charge du modèle et de la latence de réponse, entre autres facteurs.
Tianquan Technology a noté que le mode Auto de DouBao fonctionne également selon un modèle gratuit pour de petites sommes.
En abaissant la barrière d'entrée pour le mode Auto, DouBao Work a l'opportunité d'attirer davantage d'utilisateurs à essayer la sélection automatique de modèles, les amenant progressivement à passer de la sélection manuelle de modèles à la simple soumission de tâches en attendant les résultats.
Pour la plateforme, l'exécution d'un plus grand nombre de tâches réelles permet également d'évaluer en continu les capacités, les coûts et l'efficacité des différents modèles, afin d'optimiser les stratégies de routage.
From this perspective, Doubao Work may be seeking not only more users and task volume, but also the model scheduling rights for future office agents.
À mesure que ByteDance, Tencent et Baidu ouvrent progressivement leurs modèles tiers, les ensembles de modèles accessibles aux agents de bureau de chaque entreprise deviennent de plus en plus similaires. Il est désormais difficile de créer un avantage différenciant durable simplement en intégrant davantage de modèles.
Cela signifie également que la concurrence entre les agents de bureau se déplace davantage vers les architectures technologiques au-dessus des modèles.
L'une des capacités essentielles est le routage des modèles, qui consiste à attribuer le modèle approprié à chaque tâche en fonction de sa complexité, de son efficacité d'exécution et du coût en tokens. Toutefois, dans une architecture d'agent plus complète, le routage des modèles n'est qu'un seul élément.
Agent Harness, qui a attiré l'attention du secteur ces dernières années, implique davantage des étapes telles que la planification des tâches, l'appel d'outils, la gestion du contexte, le maintien de l'état d'exécution et la récupération d'erreurs, déterminant ainsi la capacité de l'Agent à transformer les compétences du modèle en résultats d'exécution de tâches stables.
Les deux influencent conjointement l'efficacité commerciale des agents de bureau.
On suit avec attention si les différentes plateformes vont encore attirer les utilisateurs par une guerre des prix.