01 触发事件

2026 年 11 月 9 日，千问办公发布 2.0，上线“协作”、资料空间、自动任务和三端互联等功能。官方称，“协作”是首个支持多人与 Agent 协作的 Team Agent。

同一天，阿里云上调 Token Plan 个人版额度，Lite、Essential、Standard 三档月费不变，月度额度提高约 74% 至 78%。

这两个动作放在同一天看，比单看新品发布更有信息量。

一边用 Agent 把用户从个人助手带入团队工作流，一边用更多 token 降低调用摩擦。模型能力当然重要，但真正的战场是：谁掌握工作入口，谁掌握 token 消耗，谁就能把一次模型调用变成持续使用。

02 这事的真正含义

问题不在于千问办公多了一个“协作”按钮，而在于 Agent 产品正在从个人工具变成组织基础设施。

个人助手解决的是单次任务效率；Team Agent 解决的是任务分配、上下文共享和持续执行。资料空间尤其关键，因为它可能把文件、成员权限、任务状态和 Agent 行为放进同一个工作系统。

这意味着 agent 不再只是聊天窗口里的一个角色，而是开始接近软件公司的“员工接口”。

一旦 Agent 能读取团队资料、调用组织权限并执行任务，distribution 就不再只是获客渠道。它会变成数据飞轮：更多成员进入工作空间，产生更多任务与反馈，再改善 Agent 的任务完成率。模型本身仍是基础能力，但用户迁移成本开始来自 workflow、权限和协作关系。

这与 Claude Code、Cursor 的竞争逻辑相似。开发者工具最初靠模型质量吸引用户，最后靠 repository context、终端权限、团队协作和既有配置形成 switching cost。千问办公正在把同一套逻辑复制到办公场景。

Token Plan 的额度变化，则说明平台已经进入另一轮价格战。

月费不变、额度提升 74%-78%，接近把每单位有效调用成本降低四成。对重度用户而言，这是非常直接的模型补贴。对平台而言，这可能比再发布一个 benchmark 更高的模型更有效：它能推动用户提高调用频率，把闲置订阅额度变成实际 workload。

但我不会把这些数字直接等同于利润改善。原文没有披露套餐价格、token 类型、模型路由规则和额度有效期，所以 74%-78% 不一定等于所有场景的实际推理成本下降同样幅度。模型输入输出比例、上下文长度、缓存命中率和工具调用次数，都会改变最终账单。

我没在内部跑过这些套餐，也无法确认额度是否按等价 token 计算。

03 历史类比 / 结构对照

2007 年 iPhone 的关键并不只是 capacitive touchscreen，而是 App Store 与运营商计费。硬件让功能进入日常，distribution 和 billing 把使用变成产业。

2014 年 AWS 的拐点也不是 EC2 单机性能，而是按小时使用、API 化和逐渐增加的存储服务。开发者不再购买设备，而是购买一种可嵌入产品的 primitive。

千问这次的动作更像后者：token 是计算 primitive，Agent 是产品接口，团队协作是新的消费场景。

历史经验还有一条不太显眼：平台补贴通常发生在供给过剩、用户争夺最激烈的阶段。2010 年前后，创业网站可以免费获得云资源；2016 年前后，创业公司可以免费获得 analytics 与客服工具。最终，能把补贴转成工作流入口的平台留存下来，只提供额度却没有形成 workflow 的产品，往往被价格战淘汰。

因此，额度上调 74%-78% 不是终点，而是一次获客与激活策略。

真正的护城河不会来自“本月多送了多少 token”。它会来自团队是否持续把资料、权限、任务和结果留在这个系统里。如果用户明天换一个 Agent，过去的上下文能否带走？这才是 switching cost 的试金石。

04 对 AI builder 意味着什么

对 AI builder 来说，这周值得做的不是立刻把产品改名为 Team Agent，而是检查自己的 Agent 是否已经进入团队工作流。

第一，明确 token 补贴会压低哪些层的价格。如果你的产品只是包装通用模型调用，那么 74%-78% 的额度上调会直接压缩毛利。对应动作是提高单位用户价值：保留数据导入、执行闭环、评估、监控和团队权限，而不是把模型调用本身当作差异化。

第二，把 context 当作产品资产。千问强调“资料空间”，说明竞争焦点正在从模型参数转向运行时上下文。谁能持续维护 workspace、长期记忆、权限隔离和任务状态，谁就更难被替换。

第三，提前设计 model routing。若平台套餐背后按多个模型进行智能路由，用户可能不应该绑定单一模型。保留统一接口、抽象模型差异，并对高价值任务使用更贵模型、对批处理和低难度任务使用便宜模型，会比全量追求旗舰模型更现实。

第四，重新评估团队功能。个人用户可以因为一次体验离开，团队则会因为权限配置、共享资料和协作流程留下。AI 产品如果只有个人模式，增长可能很轻，但 moat 也很轻。

对 model API 消费者，阿里云额度上调值得直接纳入本月成本模型。至少应拿 Lite、Essential、Standard 三档分别重跑一次真实 workload，记录每项任务的 token 消耗、延迟、失败率和重试量。优惠额度只有在任务成功率不变时才是真优惠；如果额度按低价值 token 计价，而产品必须调用高价推理模型，账面折扣可能没有意义。

如果团队正构建 coding agent 或办公 agent，还应关注 MCP、A2A 等协议能否承接跨系统执行。模型能聊天和完成更复杂的 software engineering 工作只是能力层；能否稳定连接企业资料、代码仓库和业务工具，决定它能否成为 production system。

05 反方观点 / 风险

我可能高估了这次额度调整的战略意图。

它也可能只是促销：为了在 Anthropic、OpenAI、Google 的模型能力竞赛中扩大 usage，先用订阅补贴抢一批 token consumption。阿里云并不缺 token，它缺的是模型调用发生在哪里。

而且，千问办公上线三个月就做大规模升级，也可能意味着产品定位仍在搜索。多人与 Agent 协作听起来正确，却未必对应明确的高频场景。办公软件最大的敌人不是模型，而是权限、迁移成本、组织采购与数据合规。Agent 能自动完成任务，并不代表组织愿意把工作交给它。

原文称其为“行业首个”支持多人与 Agent 协作的 Team Agent，但没有给出 benchmark、付费客户数、retention 或 ARR。这个措辞更像产品声明，而不是经过市场验证的 moat。

我尤其怀疑“资料空间”能否自然形成锁定。如果资料可以低成本导出，协作空间可能只是另一个壳；如果不能导出，用户又会担心被平台绑定。这个矛盾不会靠宣传解决，只能靠执行质量、权限设计和实际留存回答。

还有一个更直接的风险：OpenAI 正在限制设备账号与付费档位，ChatGPT 和 Codex 又被外界指称合并 token 池。大厂正在从宽松补贴转向风控与成本纪律。阿里云此刻增加额度，可能是在需求侧抢 workload，也可能是在供给价格下探前提前锁定客户。

所以我的判断不是“Agent 办公入口已经赢家确定”，而是：token 补贴正在把竞争推向工作流层，但胜负要由留存与单位经济性决定。额度可以买来第一次调用，买不来持续依赖。