Mit einem Zeitaufwand von 41 Minuten – auf welche Zukunft von Agenten setzt Qianwen Office seine Wette?

Wenn Token zur neuen Geschäftssprache im Zeitalter der künstlichen Intelligenz werden, werden Unternehmen dann aktiv dazu beitragen, dass Agenten immer „schwergewichtiger“ werden?

41 Minuten – was kann man in dieser Zeit tun? Eine Sitzung abschließen, eine Tasse Kaffee trinken oder darauf warten, dass Qwen Office einen wöchentlichen Branchenbericht vorlegt.

Am 3. August wurden Qwen3.8-Max und Qwen Office gemeinsam vorgestellt. Wir haben sie sofort getestet und drei KI-Büroprodukte – Qwen Office, Workbuddy und TRAE Work – mit derselben Forschungsaufgabe beauftragt. Das Ergebnis: Qwen Office benötigte 41 Minuten, TRAE Work 16 Minuten und WorkBuddy nur 7 Minuten.

Betrachtet man nur die Geschwindigkeit, ist dieser Test völlig eindeutig: Qwen Office hat klar verloren.

Aber als wir die drei Berichte nebeneinander legten, wurde die Angelegenheit interessant. Hinter diesen drei Zeitangaben verbergen sich drei völlig unterschiedliche Wege für Agenten und eine noch wichtigere Frage: Wenn Token zur neuen Geschäftssprache im Zeitalter der künstlichen Intelligenz werden, haben Unternehmen, die Token verkaufen, dann einen Anreiz, Agenten immer „schwergewichtiger“ zu machen?

Ein wöchentlicher Bericht zeigt drei verschiedene Wege für Agenten auf

Die Aufgabe dieses Tests war nicht kompliziert: Erstellen Sie einen wöchentlichen Bericht über die Branche der verkörperten Intelligenz mit einem Erfassungszeitraum von einer Woche, der Finanzierungsereignisse, Unternehmensentwicklungen, technische Fortschritte und andere Inhalte abdeckt.

Anscheinend ist dies eine Aufgabe, die sehr gut für Agenten geeignet ist, da es sich nicht nur um eine einfache Informationssuche handelt, sondern auch darum, Informationen zu finden, ihren Wert zu beurteilen, Ereignisse auszuwählen, Quellen zu überprüfen und schließlich einen lesbaren und für Entscheidungen geeigneten Branchenbericht zu erstellen.

Aber die Ergebnisse, die die drei KI-Büroprodukte geliefert haben, spiegeln drei völlig unterschiedliche Produktphilosophien wider.

Sehen wir uns zuerst WorkBuddy an. Es hat 7 Minuten gebraucht und war das schnellste der drei Produkte, das die Aufgabe abgeschlossen hat. Aus dem Endergebnis geht hervor, dass der von WorkBuddy gelieferte Inhalt am ehesten einem „direkt bearbeitbaren ersten Arbeitsentwurf“ entspricht.

Die Struktur ist vollständig, die Überschriften sind klar, und Branchentrends, Unternehmensnachrichten und Finanzierungsereignisse sind alle abgedeckt. Für gewöhnliche Büroszenarien reicht dieses Ergebnis bereits aus, wenn der Nutzer nur möchte, dass die KI schnell Material für eine Besprechung am Nachmittag zusammenstellt.

Die meisten Büroaufgaben erfordern keine KI, die zu einem Branchenexperten wird. Die Nutzer brauchen vor allem, dass eine Aufgabe schnell erledigt wird, um den Aufwand für die Zusammenstellung von Materialien von Grund auf zu senken.

WorkBuddy folgt dem Prinzip „zuerst fertigstellen, dann optimieren“, aber hier liegt auch das Problem: Seine Beurteilungskette ist relativ kurz.

In dem wöchentlichen Bericht hat WorkBuddy für die Unternehmen Leju Robotics und Itushi Zhihang festgestellt: „In dieser Woche wurden keine wichtigen öffentlichen Entwicklungen erfasst.“ Bei einer weiteren Überprüfung stellte sich jedoch heraus, dass bei diesen beiden Unternehmen tatsächlich öffentliche Ereignisse stattgefunden haben.

Bei Leju Robotics wurde der IPO-Antrag diese Woche von der Shenzhen Börse angenommen, und das Unternehmen hat an relevanten Wettbewerbsveranstaltungen teilgenommen; der Mitbegründer von Itushi Zhihang wurde in die Liste „MIT TR35“ aufgenommen.

Das Problem ist nicht, dass die Informationen nicht existieren, sondern dass WorkBuddy die Aussage „keine Informationen gefunden“ zu der Schlussfolgerung umgewandelt hat, „dieses Ereignis hat nicht stattgefunden“.

Zwischen diesen beiden Urteilen liegt eine entscheidende Lücke. In gewöhnlichen Büroszenarien kann diese Abweichung nur begrenzte Auswirkungen haben. Aber wenn die KI einen Branchenbericht erstellt, der zur Beurteilung von Markttrends, Wettbewerbslandschaften oder sogar Investitionsrichtungen verwendet wird, können falsche Urteile nachfolgende Entscheidungen beeinträchtigen.

Wenn WorkBuddy für die Priorisierung der Effizienz steht, dann konzentriert sich TRAE Work stärker auf die Informationsabdeckung. Sein Ablauf ähnelt eher dem Suchen nach Schlüsselwörtern, dem Abrufen von Informationen, der Zusammenfassung und der Erstellung von Berichten.

Auf den ersten Blick enthält der Bericht von TRAE Work mehr Informationen als der von WorkBuddy. Er listet die Entwicklungen von zehn Unternehmen auf, von denen sechs als „in dieser Woche keine überprüfbaren neuen Entwicklungen erfasst“ markiert sind, darunter Qianxun Intelligence, Leju Robotics, Digua Robotics, Itushi Zhihang, Juji Dynamics und Zhongke Wujishi.

Bei der einzelnen Überprüfung stellte sich jedoch heraus, dass mindestens fünf dieser Unternehmen öffentliche Entwicklungen haben. Bei Qianxun Intelligence gab es diese Woche eine Rede des Gründers auf dem Industriellen Internet-Kongress sowie entsprechende ausführliche Berichte;

Leju Robotics hat nicht nur Fortschritte im Zusammenhang mit dem IPO, sondern auch andere öffentliche Aktivitäten; Digua Robotics hat Berichte über Kooperationen im Lieferkettenökosystem und zu Rechenplattformen; Juji Dynamics hat auf der ChinaJoy einen vollformatigen humanoiden Roboter vorgestellt; Zhongke Wujishi hat ebenfalls Patente offengelegt und an Forenveranstaltungen teilgenommen.

Das zeigt, dass das Problem von TRAE Work nicht einfach ein Mangel an Informationen ist. Genauer gesagt: Es hat sich bei dieser Aufgabe stärker auf die Informationsbeschaffung als auf die tiefe Beurteilung konzentriert.

Ein weiterer bemerkenswerter Punkt ist seine Quellenstruktur. In dem von TRAE Work erstellten Bericht stammen viele Links von Inhaltsaggregationsplattformen wie Toutiao und nicht von den ursprünglichen Quellen der Ereignisse. Für gewöhnliche Aufgaben zur Informationszusammenstellung ist dieses Vorgehen nicht sehr problematisch. Aber für die Branchenforschung ist das Finden von Informationen nur der erste Schritt. Eine Nachricht über ein einzelnes Unternehmen, die von zehn Medien wiedergegeben wird, bedeutet nicht, dass zehn unabhängige Informationen entstanden sind.

Wenn ein Agent die Beziehungen zwischen den Informationen nicht erkennen kann, erhält er möglicherweise nur mehr Links und keine höhere Informationsdichte.

Im Vergleich dazu hat Qwen Office 41 Minuten für die Erstellung dieses wöchentlichen Berichts benötigt, weil es im Aufgabenverlauf mehr Beurteilungsschritte hinzugefügt hat.

Zum Beispiel markiert es aktiv Risiken, anstatt zwangsläufig eine endgültige Antwort zu geben.

Als in dem wöchentlichen Bericht eine Information über die Beschränkung der Einfuhr chinesischer humanoider Roboter durch die US-amerikanische FCC erwähnt wurde, hat Qwen Office dies nicht direkt als feststehende Tatsache formuliert, sondern mit dem Hinweis versehen: „Derzeit nur eine einzelne Quelle, eine weitere Überprüfung wird empfohlen.“

Das scheint nur ein kleines Detail zu sein, aber es spiegelt eine einzigartige Vorgehensweise wider. Viele Agenten neigen dazu, eine vollständige Antwort zu geben, wenn sie mit unsicheren Informationen konfrontiert werden. Da die Antwort vollständig ist, wirkt sie „intelligenter“. Aber für Forschungsaufgaben ist die Fähigkeit zu wissen, wo Unsicherheiten bestehen, genauso wichtig.

Zweitens unterscheidet es zwischen dem Zeitpunkt des Ereignisses und dem Zeitpunkt der Berichterstattung. Zum Beispiel die Kooperation zwischen Guanglun Intelligence und Siemens. Dieses Ereignis fand während der WAIC am 20. Juli statt und liegt außerhalb des Erfassungszeitraums des wöchentlichen Berichts. Qwen Office hat es nicht einfach gelöscht, sondern mit dem Hinweis versehen: „Dies ist ein Ereignis vor dem Erfassungszeitraum, aber es gibt innerhalb des Zeitraums entsprechende Berichte, daher wird es aufgenommen.“

Darüber hinaus erklärt es seine eigene Logik für die Auswahl und den Ausschluss von Inhalten. Bei der Erfassung von Nachrichten über Juji Dynamics schreibt Qwen Office: „Innerhalb des Erfassungszeitraums befindet sich das Unternehmen in einer relativ stillen Phase nach der Pre-IPO-Runde, daher wird eine Nachricht aufgenommen.“ Es teilt dem Nutzer nicht nur das Ergebnis mit, sondern erklärt auch, „warum“ es so entschieden hat.

Schließlich erläutert es aktiv seine Forschungsmethode. Am Ende des Berichts wurde eine vollständige „Berichtsbeschreibung“ hinzugefügt, die den Erfassungsmaßstab, das Quellenformat, Hinweise zur Zuverlässigkeit und den Abdeckungsbereich umfasst.

Das ist auch der größte Unterschied zwischen Qwen Office und den anderen beiden Produkten: Es liefert nicht nur einen Bericht, sondern zeigt auch den gesamten Forschungsprozess auf.

In einer weiteren Testreihe haben wir Qwen Office angewiesen, die Sitzungstranskription der Aufnahmekarte für KI-Hardware A1 in DingTalk zu lesen. Ohne entsprechende Zugriffsrechte hat es nicht vorgetäuscht, die Datei erfolgreich gelesen zu haben, sondern hat klar darauf hingewiesen, dass der Zugriff auf die Daten derzeit nicht möglich ist.

Nach der erneuten Gewährung der Zugriffsrechte hat es nicht nur die Extraktion des Transkriptinhalts abgeschlossen, sondern auch aktiv Fehler in der Spracherkennung darin erkannt. Zum Beispiel wurde VLA fälschlicherweise als „VOA“ und CVPR als „cpr“ erkannt – Qwen Office hat diese Fehler anhand des Kontexts korrigiert.

Bei Firmennamen, die es nicht bestätigen konnte, hat es auch nicht zwangsläufig geraten, sondern sie als vermutete Transkriptionsfehler markiert und die Entscheidung dem Nutzer überlassen.

Die beiden Testszenarien sind völlig unterschiedlich, aber dahinter verbirgt sich dieselbe Fähigkeit: Bei unsicheren Informationen gibt Qwen Office keine voreiligen Antworten, sondern weiß, wann eine Überprüfung erforderlich ist und wann die Grenzen der Fähigkeiten offengelegt werden müssen.

Es muss jedoch betont werden, dass dies nicht bedeutet, dass WorkBuddy und TRAE Work keine Forschungsfähigkeiten haben. Schließlich können einzelne Testergebnisse die Fähigkeitsgrenzen eines Produkts nicht definieren. Die endgültige Leistung ergibt sich aus dem Zusammenspiel vieler Faktoren wie Modellkapazität, Agentenablauf, Design der Werkzeugkette und Ressourceneinsatz.

Genauer gesagt zeigen die drei KI-Büroprodukte unterschiedliche Wege für den Einsatz von Intelligenz auf.

Der Wendepunkt für Agenten ist nicht die Geschwindigkeit, sondern die Kosten der Beurteilung

In der Vergangenheit waren Nutzer bei der Beurteilung der Fähigkeiten von KI-Produkten gewohnt, die Antwortgeschwindigkeit und die Flüssigkeit der Antworten zu vergleichen. Aber wenn die KI wirklich in Büroszenarien Einzug hält, verlagert sich der Kern des Wettbewerbs von „wer antwortet schneller“ zu „wer liefer brauchbare Ergebnisse“ und von der „Ausgabefähigkeit“ zur „Ausführungsvertrauenswürdigkeit“ – also dazu, ob der