3.28亿对658万，豆包说优势不在我？

2026年6月，豆包月活达到了高点，足足3.82亿，可以说知道AI的人都是应用尽用。但后来的发展大家也都知道，在拿到C端大战的大结果后，豆包用收费模式试图赶走产生不了商业价值的C端用户。

C端在AI时代的规模化效应失灵了，可产品转化的价值还摆在那儿。

但问题是，当行业进入AI办公赛道后，3.28亿月活的豆包，面对仅仅有658万的WorkBuddy，却怎么也抢不过热度。

问题出在哪里？

1.在豆包和豆包工作之间，有一团迷雾

在这几天发布的AI产品榜单里，出现了一个怪异的现象。

豆包通过收费赶人几个月后，依旧稳住了3.82亿的月活，领先于竞品，一度被DeepSeek梁文峰认为不可能的“C端用户的忠诚度”就这么保持住了；但是在行业切入AI办公赛道后，玩家越来越多，行业也挤了几次水分后，豆包工作甚至没进入前十，在三方榜单里排11，只有66.2万月活。

可能有人会说，这怪豆包自己，在发展过程里一直侧重于娱乐化，虽然拿到了AI产品在C端竞争的大结果，但也给用户形成了“糖包”的刻板印象。当行业开始从对话到办事的转向后，豆包曾经的优势就成了劣势。

但事情没这么简单。

作为豆包的老用户，这里我得给豆包解释一句。豆包的模型能力没有大众刻板印象里说得那么差，在达到平均水平后，豆包也的确有自己的差异化能力，比如文字处理工作上，同样的提示词，出来的内容就是比其他AI产品输出得“更有活人味儿”。

豆包负面频出的问题，更多在于太大众化了，一些中年用户连手机都玩不明白，突然被拉进了AI时代，不亚于还停留在狩猎文化的土著突然进入现代世界。在错误的使用目的、错误的使用方法下，只能得出啼笑皆非的效果。

你换个AI，效果也差不多。

更重要的是，豆包工作不是立刻上马就独立出来的一个产品，而是先在豆包内部孵化。

迄今为止，豆包桌面端里，依旧有着豆包工作的入口，而且默认用户打开也不再是对话界面。

按照移动互联网时代的正常发展趋势，从豆包App中孵化出来的豆包工作，作为产品内置的功能模块，怎么说也该继承很大一部分原有产品的用户。这叫做导流再分流，很成熟也很有效的模式。

在豆包工作刚独立出来后，凭借这套打法以及数据口径的美化，一度在一些自媒体那里拿到了“2亿月活”这么个惊人的数据。

但这轮办公AI比用户数量的浪潮褪去，榜单也开始主动挤水分后，豆包工作并没有从豆包3.28亿月活里吃到什么红利。

而且还有一个现象需要注意：在这轮办公AI产品浪潮里，用户端催生的旺盛需求，和以前AI往办公场景落地并不一样：以前办公AI产品目标明确，就是让企业采购，做一些专业的事情；但这轮办公AI的用户快速增长，是模型和产品都到了一个临界点——从C端用户出发，用户个体自己可以拿来办生活工作中的事情。

后者的专业性和那些程序员用的写代码AI比起来，没那么强——所以大众用户本身就是这轮AI办公产品的目标用户。

但就是有一团迷雾，萦绕在豆包和豆包工作之间。

2.人做的也不都是“专业”的事情

这几天智能体领域比较大的事情，少不了META9月推出的那个“个人AI助手”Muse。

在Muse撬动了华尔街后，很多人只看到了后续：无数AI企业开始跟风做个人AI助手；但却没看到前奏：Muse这类个人AI助手其实是一场转向和一场延续。

转向的是AI大厂开始从对B端订阅采购中脱身，延续的是办公AI撬动的那个“让C端用户付费”的支点。

更容易理解的例子是千问前几天跟进推出的千问Go。这款软件很有趣，不是那么强，但是主推的功能却让人眼前一亮：替用户和航空公司拉扯，要到原本属于自己的延误赔偿；或者在购物软件里挑挑拣拣对比几个月的商品历史价格，选一个低点进行保价。

这俩工作有一个共性：用户自己是能做的，做了也有回报，但是做得过程太麻烦了——这个麻烦不是技术门槛，是实现过程会让人心累。

那AI来做的性价比马上就有了。这可比之前手机上的AI智能体们替用户点奶茶有用多了，点奶茶买东西只是用户操作的平替，用户凭啥让你操作？但AI替用户去battle，这简直太棒了。

是的，智能体想让人用，得先回答一个问题：

用户自己能做的事情，为什么要让AI做？在这个需求面前，“让AI做很专业的事情”的需求都得让步。

因为哪怕是一个很专业的公司职员，每天大部分工作也不是用在“专业”的领域。

3.大众化的另一面，是多元化

这轮AI办公的火是WorkBuddy烧起来的，这一点没什么争议。

但在WorkBuddy 658万的月活背后，其实藏了一条很“意外”的孵化脉络。

WorkBuddy不是自上而下立项的重磅专业产品，它的前身是CodeBuddy，听名字也知道，CodeBuddy更专业，也更符合去年到今年上半年的“程序员付费”的行业趋势的。但是，在CodeBuddy的打磨过程里，企业内部出现了一个现象：HR、运营、行政、市场这些不懂代码的内部同事，开始自己硬啃CodeBuddy，拿来写报告、整理文献、处理表格、做 PPT。

当时的CodeBuddy看到了这个现象，敏锐地察觉到了一件事：

编码只是手段，拿到最终工作成果才是用户目的。

内部碎片化的需求倒逼着WorkBuddy在推出前不断做减法、降低使用门槛、新增skill、接入多模型。

有人把这个叫做大众化，但实际上是可完成的目的多元化了。

在WorkBuddy里，上手简单可以略过。豆包工作、千问办公在追赶下，实际上对于小白用户而言也都不难上手了，而大部分常用的人在切换几个办公AI产品时也没什么阻碍。

但是，在面向多元大众需求的功能多元化上，WorkBuddy依然牢牢掌控着优势。

我以前一直是用豆包工作多一点，是其月活构成中66.2万分之一。但这段时间处理一些杂事时，才发现WorkBuddy中一个优势在竞品面前颇有降维打击的味道。

举个例子，你让豆包工作生成一个图片，提示词稍微复杂些，豆包工作可以做，甚至比起来WorkBuddy，初生成效果还会好一些。

但是大家也都知道，在文生图的过程里，语言和图形表达天然有一道理解上的鸿沟，在不同的人眼里“绿色”的标准都不一样，AI生成的复杂图片就更需要后续对话去进行修改和约束了。

问题就出在这里，无论是什么办公产品AI产品，大部分仅仅内置单模型的产品，后续对话约束的效果就很差。

这是模型本身的上限锁死的效果呈现。

但在WorkBuddy里，Hy3 preview不行，你可以换Hy4，再不行，还有大把模型可选。

这可能是Hy模型先前掉队所导致的产品决策，但不妨碍事实上形成了多模型可选的满足多元需求的优势。

再回到豆包工作，就不难发现C端赢家豆包和豆包工作之间的迷雾是什么了——阻碍用户转移的，恰恰是豆包工作没有给大众用户提供多元的选项。

这个多元，不是多么专业的东西，恰恰就是一种直观、浅显、需要误打误撞甚至部分落后碰出来的用户体验。

更有意思的是，这段时间一些专业的AI用户，开始自己用不同智能体搭建更完整的工作流，给这些智能体分配不同的任务。

这样的工作流比用单一模型或者智能体创建的不同员工角色更符合目前的AI发展现状，几家AI头部企业的模型明显开始出现能力上的分化。你擅长搜索信息、它擅长发明创作、我擅长表达，还有的擅长计算和代码……

当然了，这样的工作流需要的技术门槛很高，大众用户实现不了。但偏偏，已经有不少用户在可以选择多个模型的WorkBuddy里自己摸索了一套用A模型研究用B模型撰写用C模型校检的链路。多用点积分就多用点，但着实多了几个在底层技术上就有区别的模型当搭子。

只能说，豆包这次3.28亿对658万，本以为优势在我，但输的真不冤。