阿里千问办公通过模型与Agent协同优化降低Token消耗提升使用效率
阿里
75%
标准模式Token消耗平均减少比例
100%
标准模式单任务生成速度提升比例
95%
标准模式可覆盖的日常任务占比
0.8元
输入每百万Tokens成本
项目背景
办公Agent行业竞争逐步转向模型与Agent架构的深度协同方向，同时用户使用Agent时普遍存在Token成本焦虑，高使用成本阻碍了办公Agent的日常普及，行业需要兼顾效果、速度与成本的解决方案 本案例依据「InfoQ 中文」公开发布的信息整理，原文：https://www.infoq.cn/article/70zHFKxwRRGIjBO8EUtC?utm_source=rss&utm_medium=article
面临的痛点
当前办公Agent领域产品功能趋同难以形成差异化；用户使用Agent时为避免返工倾向选择高成本档位，使用成本高；传统模型与Agent各自优化易出现工具调用错误、上下文冗余问题，推高Token消耗、降低运行速度；用户普遍存在Token成本焦虑，很多日常任务不舍得使用Agent处理
优秘的方案
千问办公联合千问大模型团队采用模型与Agent双向协同优化方案，首发搭载适配办公场景的大模型，从架构层面提升计算效率降低单Token成本；同时针对办公场景做专项训练，优化Agent的工具调用、上下文管理等环节，减少不必要的Token消耗；简化产品档位设置，用标准模式满足绝大多数日常办公需求，兼顾使用效果与成本
多模态 MoE 模型GDN + Attention 的 Hybrid 架构Qwen Sparse Attention（QSA）Gated Residual（GR）
实施路径
1
研发升级Qwen3.8-Flash模型，对Attention、Residual、Embedding、Optimization四个模块做系统优化提升计算效率
2
开展模型与Agent双向协同优化，针对办公场景的多步规划、工具选择、上下文压缩等做专项训练
3
优化Agent层的Harness、上下文管理和工具调用机制，提升能力使用效率
4
简化产品档位设置为标准和高级两档，推广标准模式覆盖日常办公需求
落地成效
75%
标准模式Token消耗平均减少比例
100%
标准模式单任务生成速度提升比例
95%
标准模式可覆盖的日常任务占比
0.8元
输入每百万Tokens成本
想成为下一个成功案例？
预约专属顾问，结合你的行业与规模，给出可落地的 AI 化方案
优秘智能