Kimi Work 公测了，我拿它和 ChatGPT Work 对了一遍，国产办公 Agent 现在走到哪了

2026 年 7 月，月之暗面把 Kimi Work 推上了公测。这款产品一开始被描述为“面向知识工作者的通用型本地 Agent”，底子来自 Kimi Code：每天几十万程序员在用、支持本地浏览器/终端/文件、还能装 Skill、跑定时任务。发布后不久，社区里已经有人开箱说能同时跑 300 个子 Agent，底层模型是 K2.6 万亿参数 MoE。

我把公开资料和几篇 2026 年 7 月的实测/横评综合了一下，打算把 Kimi Work 和 OpenAI 的 ChatGPT Work 放在一起对照看，尽量不喊口号，只谈“现在能做什么、和竞品差在哪、前端人该怎么用”。

先看事实：两家到底做了什么

Kimi Work

• 定位：本地优先的办公/编码 Agent，随 Mac 和 Windows 客户端一起发。
• 能力边界：浏览器、终端、文件系统、网页浏览、文档生成、PPT/表格交付，支持并行执行子任务。
• 公开证据：月之暗面官方公测公告；CSDN 上有 7 月 22 日开箱，提到 K2.6 (1T MoE) Ready、浏览器/终端/文件已就绪；另有第三方横评显示它在大规模办公 Agent 评测里总分 4.08，和飞书 aily、钉钉悟空同场。
• 生态动作：支持 Skill，继承在线 Kimi 的专业 Skills 和数据库，CLI 安装脚本已经公开。

ChatGPT Work

• 定位：OpenAI 的云侧工作代理，管理邮件、Slack、日历，不是本地控制台。
• 能力边界：更像是“云上助理”，偏日程、消息、文档摘要，不接管用户本地终端。
• 公开证据：OpenAI 官方产品发布；社区讨论主要围绕 Work 权限、外部系统授权、SaaS 集成深度。

这两款产品的第一层差别其实很明显：Kimi Work 要进你的电脑干活，ChatGPT Work 要进你的 SaaS 日程表做事。对前端工程师而言，前者天然更适合改代码、跑脚本、操作本地项目；后者更适合对齐排期、回复消息、整理周报。

国产办公 Agent 的真实水平：和全球竞品比差在哪

从 2026 年 7 月公开的横评数据来看，Kimi Work 已经被放到一个五款产品的池子里测：

数据口径来自 2026-07 公开第三方横评，评测题 25 道，覆盖飞书生态、内容创作、代码/前端、浏览器操作。注意这是“企业办公 Agent”维度，不是纯编码能力。

结论很清楚：Kimi Work 现在属于第一梯队，但不是断层领先。它的长板是本地控制 + 编码/内容生成，短板是生态集成深度和跨端协同。飞书 aily 在企业内协同上更成熟，Qoder 在浏览器操作上更稳。

前端工程师真正该关心的 3 个细节

1. 本地终端接管能力
Kimi Work 从设计上就给了终端、文件、浏览器。对我这种前端来说，意义是：它能直接跑 npm、git、docker、curl，不用来回复制粘贴。ChatGPT Work 没有这层能力，更适合整理 PR 描述，不适合帮你修构建失败。

2. 并行子 Agent 与 Skill 生态
公开资料提到 Kimi Work 支持 300 个子 Agent 并行，底层靠 K2.6。这个数字听听就好，真正落地时瓶颈通常是 Skill 质量，而不是模型并发。当前它继承的是在线 Kimi 的专业 Skills，数量和深度还在爬坡。

3. 模型层透明度
Kimi K2.6 是 1T MoE，已开源；OpenAI 没有公开 ChatGPT Work 的底层模型明细。对企业用户来说，这个差距意味着数据出域和合规审计的复杂度不同。

一个可落地的判断标准

如果你现在要选办公/编码 Agent，不用看广告语，直接按这个标准判断：

• 你每天 40% 以上时间在本地改代码、跑脚本、操作文件 → Kimi Work、TRAE Work、Cursor Background Agent 更合适。
• 你每天 40% 以上时间在跨团队对齐、邮件/日程/SaaS 联动 → ChatGPT Work、飞书 aily 更合适。
• 你需要中文长文本 + 本地项目理解 → 当前 Kimi Work 的中文场景适配有明显优势。
• 你非常在意企业级权限、审计、知识库隔离 → 飞书 aily 这类内嵌于协作平台的方案落地更稳。

结论

Kimi Work 的公测不是“国产替代 ChatGPT”的情绪宣告，而是一个本地优先 + 编码友好 + 中文场景优化的具体产品形态。和 ChatGPT Work 比，它不是同一个物种，更适合前端工程师和本地开发场景。但企业级深度、跨端协同、浏览器操作稳定性，它还需要时间补课。

2026 下半年，国产办公 Agent 的竞争会从“能不能跑”进入“哪个更适配团队 workflow”的阶段。前端工程师选型时，建议优先看 Skill 生态和本地终端能力，而不是模型参数量。