WorkBuddy日活破千万

腾讯首次披露WorkBuddy核心数据:日活超过1000万,日均消耗超过100万亿Token。这个数字证明AI Agent正在从聊天工具变成高频生产系统,但也留下了成本、口径与商业化效率等关键问题。
WorkBuddy日活破千万,腾讯把AI应用卷进“Token工业化”
腾讯在AI应用层交出了一组目前国内罕见的规模数据。
11月18日,腾讯发布2026年第三季度财报,并首次披露WorkBuddy的核心运营指标:截至11月初,WorkBuddy日活跃用户数超过1000万,日均Token调用量超过100万亿,成为腾讯口径下中国大语言模型日均Token用量最高的AI产品。
WorkBuddy是腾讯在2026年3月推出的AI生产力与智能体应用,核心能力是让模型调用工具、处理文件并执行多步骤任务,而不只是回答问题。 从3月上线到11月初,WorkBuddy用约8个月越过千万日活门槛,累计完成超过100次大版本更新,并处理了约90亿次用户任务请求。
这组数字真正值得关注的并不是“又一个千万日活产品”,而是100万亿Token背后的使用方式变化。传统聊天机器人以一问一答为主,而Agent会在后台规划步骤、读取上下文、调用搜索或办公工具、检查结果,再决定是否继续执行;用户只发出一句指令,系统内部可能已经完成数次甚至数十次模型推理。

100万亿Token到底是什么量级
Token是大模型处理文本和多模态信息时使用的基本计算单位,可以近似理解为模型真正读取和生成的信息片段。 一个中文汉字可能对应一个或多个Token,英文单词也可能被拆成多个Token,因此Token数量并不等于字数,却直接影响模型的推理负载、响应成本和上下文容量。
100万亿Token即每天超过 $10^{14}$ 个Token。如果简单除以1000万日活跃用户,算术平均值超过每名日活用户每天1000万Token,这显然不能被理解为每个人都亲手输入和阅读了1000万Token。
这个反常识的平均数恰恰说明,WorkBuddy统计的很可能是完整任务链条产生的模型消耗。系统提示词、历史上下文、文件内容、工具返回结果、Agent内部反思、多模型路由和重复校验,都可能被计入Token调用量;企业自动化任务还可能在没有用户持续操作的情况下批量运行。
换句话说,千万日活体现的是产品触达规模,100万亿Token体现的则是系统执行强度。前者更接近传统互联网的用户指标,后者更像云计算时代的计算量指标,两者同时快速增长,才说明产品正在从“有人试用”转向“有人持续把工作交给它”。
| 指标 | 截至2026年11月披露数据 | 代表的产品信号 | |---|---:|---| | 日活跃用户数 | 超过1000万 | 已进入大众级AI应用规模 | | 日均Token调用量 | 超过100万亿 | Agent任务链与上下文调用强度极高 | | 累计任务请求 | 约90亿次 | 产品不只用于低频问答,而是承接大量工作流 | | 大版本更新 | 超过100次 | 约8个月保持高频迭代 | | Buddy专业场景 | 55个 | 应用生态开始按职业和任务细分 | | 覆盖垂直领域 | 超过30个 | 从通用助手向行业能力扩展 | | 企业版落地行业 | 超过50个 | B端部署已超出试点阶段 | | 中国企业500强覆盖率 | 约50% | 腾讯的企业客户渠道正在转化为AI分发能力 |
不过,Token用量并不是一个可以直接比较产品优劣的指标。不同模型的分词器、上下文长度、缓存策略、Agent循环次数和内部路由方式都不相同,同一个任务在两套系统中可能消耗完全不同的Token数量。
因此,“日均100万亿Token”更适合用来判断WorkBuddy的系统规模,而不是直接证明它比其他产品更聪明。一个Agent如果因为规划效率低而反复读取上下文,同样会制造大量Token;真正决定商业价值的指标仍然是任务完成率、单位任务成本、用户留存率以及企业愿意支付的价格。
千万日活背后,是模型与产品一起迭代
模型与产品Co-Design是指模型团队根据真实产品中的失败案例训练模型,产品团队再根据模型能力重新设计交互和工作流。 腾讯把这一模式视为WorkBuddy快速增长的重要原因,因为生产环境能够提供实验室跑分无法覆盖的长尾任务。
腾讯最新一代混元模型Hy4在WorkBuddy上线首日就出现大量用户额度触顶,随后完成了10倍扩容。这个细节比单纯的榜单名次更有价值:用户是否愿意持续调用、产品是否敢迅速增加供给,往往比一次静态评测更能说明模型在真实场景中的可用性。
Hy4 flash则承担了把调用规模继续做大的任务。Hy4 flash是腾讯混元系列面向低延迟和低推理成本场景推出的轻量模型,目标是在足够强的任务能力与可控成本之间取得平衡。 该模型上线首日Token调用量突破50万亿,创下混元系列模型首日调用量新高;在WorkBuddy内部,其首日调用量达到Hy4 preview上线首日的10倍。
轻量模型正在成为Agent产品扩张的关键基础设施。复杂推理任务可以交给能力更强、价格更高的模型,但意图识别、信息抽取、格式转换、分类、工具选择和结果检查等高频步骤,并不一定需要每次调用最大模型。
这也是Hy4 flash比单纯刷新跑分更重要的地方。只要腾讯能够用模型路由把简单任务交给flash、复杂任务升级到Hy4,就可能在不明显牺牲体验的情况下控制平均推理成本,而成本控制决定了100万亿Token究竟是规模优势,还是一张昂贵的算力账单。
| 产品或模型 | 核心定位 | 最新披露数据 | 对腾讯AI体系的作用 | |---|---|---:|---| | WorkBuddy | 面向个人与企业的AI生产力平台 | 日活超1000万,日耗超100万亿Token | 承接用户需求并生成真实任务数据 | | Hy4 | 面向复杂生产力任务的主力模型 | 上线后因需求快速完成10倍扩容 | 处理编程、研究和复杂Agent任务 | | Hy4 flash | 低成本、低延迟轻量模型 | 首日调用超50万亿Token | 降低高频任务的单位推理成本 | | Buddy开放平台 | 行业智能体与应用生态 | 覆盖55个场景、30多个领域 | 把通用能力封装为专业工作流 | | WorkBuddy企业版 | 企业部署与商业化产品 | 落地50多个行业 | 将用户规模转化为合同与云收入 |
腾讯真正的优势不是多一个聊天框
腾讯最难复制的优势仍然是分发渠道和企业关系,而不是单一模型参数。WorkBuddy企业版已经进入50多个行业,覆盖约50%的中国企业500强;开放平台上线两个月后,Buddy应用覆盖金融、法律、医疗、教育、公益、设计和SaaS等55个专业场景。
企业覆盖率当然不等于企业已经全面付费部署。所谓“覆盖”可能包括采购、试点、部门使用、账号开通或生态合作,腾讯没有同步披露合同金额、席位数、活跃企业数和企业客户续费率,因此还不能把50%的500强覆盖直接换算成收入优势。
但腾讯在企业市场的入口确实比多数创业公司更短。企业微信、腾讯云、腾讯会议、文档、邮箱和安全产品已经存在于大量组织的日常流程中,WorkBuddy不需要从零说服企业接受一套陌生工作环境,而是可以把Agent能力嵌入已有账号、权限和协作链路。
这种嵌入能力决定了企业AI的竞争会逐渐偏离“谁的聊天回答更好”。真正有价值的产品需要理解组织权限、调用内部数据、连接业务系统、保留审计记录,并在模型犯错时允许人工接管;这些能力看起来不如模型跑分性感,却直接决定企业是否敢让AI接触合同、财务、代码和客户信息。
腾讯还在用AI需求反向拉动云业务。三季度腾讯云服务收入同比增长35%,公司将增长归因于WorkBuddy带动,以及更多算力被分配给模型服务和GPU租赁;同期腾讯资本开支付款达到651亿元,同比增长226%,研发投入为323.6亿元,同比增长42%。
这意味着WorkBuddy不仅是一个独立应用,也是腾讯销售模型、云算力和企业软件的前台。用户在WorkBuddy中发起任务,后台消耗混元模型和腾讯云资源,企业进一步采购部署、安全与集成服务,腾讯希望形成从应用到模型再到基础设施的完整闭环。
100万亿Token既是成绩,也是成本压力
100万亿Token首先是一项工程能力测试。任何面向千万日活用户的Agent产品,都必须处理高并发调度、上下文缓存、模型路由、工具调用失败、任务状态恢复和内容安全审核,问题已经不再只是部署一个大模型推理接口。
100万亿Token同时也是一项商业效率测试。即使平均每百万Token的综合推理成本已经降到很低水平,每天 $10^{14}$ Token形成的总成本仍然可观;腾讯没有披露输入与输出Token比例、缓存命中率、模型分布以及内部结算价格,外界暂时无法判断WorkBuddy的单位经济模型。
对腾讯而言,Hy4 flash的意义就是把这道成本题变得可解。轻量模型如果能承接多数常规步骤,大模型只处理少数高难度节点,系统整体成本就可能从“每一步都调用最强模型”降为“按任务难度动态配置算力”。
对用户而言,Token增长也不必然等于效率增长。一个真正好用的Agent应该用更少的人工操作完成更多任务,而不是让用户关注模型在后台消耗了多少计算资源;如果任务失败率较高,Token越多甚至可能意味着系统进行了更多无效尝试。
因此,WorkBuddy下一阶段最值得关注的不是日耗Token能否继续翻倍,而是腾讯是否会公布更接近生产力的指标,例如端到端任务成功率、每个任务的平均完成时间、人工接管比例、企业客户续费率和单任务成本。
中国AI应用竞争开始换指标
中国AI应用的竞争正在从“月活多少”转向“完成了多少真实任务”。聊天产品依靠低门槛获得用户并不困难,困难的是让用户把代码修改、资料研究、合同审核、表格分析和跨系统操作长期交给AI。
WorkBuddy目前给出的答案,是用高频产品迭代、轻重模型协同和腾讯既有生态把任务规模堆起来。上线约8个月完成超过100次大版本更新,平均不到3天就有一次大版本变化,这种速度意味着产品仍处于快速试错期,也意味着当前形态远未稳定。
腾讯的短板同样明显。WorkBuddy披露了极具冲击力的Token数据,却缺少可横向核验的统一口径;企业覆盖数据很强,却没有对应收入与续费信息;Hy4系列在真实调用量上增长迅速,但模型能力、推理价格和成本效率仍需更多透明数据验证。
总体来看,WorkBuddy日活破千万并不是腾讯已经赢下AI应用战争的证明,却是一个重要分水岭。它说明国内AI产品已经能够制造每天 $10^{14}$ Token级别的真实负载,AI Agent也开始从演示工具变成云计算、模型训练和企业软件共同驱动的生产系统。
接下来的竞争不会只是谁拥有最强模型,而是谁能以更低成本稳定完成更多任务。腾讯已经证明自己可以把Token规模做大,下一步必须证明这些Token可以变成用户节省的时间、企业增加的收入,以及可持续的AI商业利润。
参考来源
- IT之家:腾讯WorkBuddy日活跃用户数超1000万 — 汇总腾讯2026年第三季度财报披露的WorkBuddy日活、Token用量、企业覆盖及Hy4 flash调用数据。



