[微軟] 你的Office被兩個AI接管了 微軟默認開啟
單模型時代，結束了。
剛剛，微軟把Copilot的引擎換了，在Researcher中引入多模型智能。
從此，Copilot的Researcher智能體，默認同時調用GPT和Claude。
這不是讓你手動切模型的那種“多模型”，而是GPT寫完初稿，Claude自動扮演專家評審員逐條審查，審完再交付給你。
壹個負責“沖鋒”，壹個負責“挑刺”。
微軟表示，這是Microsoft 365 Copilot深度研究代理Researcher邁出的重要壹步。
Researcher專為在工作流程中處理復雜研究而設計，這次通過兩項全新的多模型能力：“批判”（Critique）和“智囊團”（Council），進壹步提升了准確性、深度和可信度。
實測效果驚人。
在DRACO基准測試中，這套“雙模型互搏”架構綜合得分比此前壹直被視為深度研究天花板的Perplexity Deep Research（搭載Claude Opus 4.6）高出13.8%。
但這還不是全部。
同壹天上線的Copilot Cowork，微軟表示是把支撐Claude Cowork的技術平台引入了Microsoft 365 Copilot，並與Work IQ、企業權限和治理體系深度整合，讓AI能自主規劃、跨工具推進多步任務。
這已經不是“接了個API”那麼簡單，而是在把外部前沿智能體能力，納入微軟自己的工作系統。
微軟的牌面已攤開：不把賭注壓在單壹模型上，而是把Anthropic、OpenAI等前沿模型納入Copilot的多模型編排框架。
也就是說，Copilot正在從傳統AI助手，升級成壹個面向企業工作的多模型執行與編排系統。
Critique讓AI自己審自己的作業
過去的AI研究工作流有壹個結構性盲區：規劃、檢索、綜合、撰寫全部壓在壹個模型上。
讓模型既當運動員又當裁判，這樣幻覺幾乎是必然的。
微軟這次給出的解法是：把“生成”和“評估”拆成兩個獨立角色。
具體到大模型，是讓GPT負責上半場：任務規劃、迭代檢索、起草初稿；Claude負責下半場：以專家評審員的身份，基於結構化評價量表（Rubric）逐條審查。
這個量表主要聚焦叁個維度：
來源可靠性評估，審查引用是否權威、可驗證；
報告完整性，檢查是否覆蓋了用戶請求的所有意圖；
嚴格的證據溯源，要求每壹個關鍵結論都錨定到帶有精確引用的可靠來源。
更關鍵的是，審閱者的定位不是“第贰作者”，而是“同行評審”。它不替你重寫，而是逼你寫得更好。
微軟365和Copilot企業副總裁Nicole Herskowitz說：“我們不是簡單地在Copilot裡塞了多個模型，我們是讓客戶真正享受到模型協同工作的好處。”
未來這套機制還會升級為雙向互審：GPT也能審Claude的稿。
Critique已經是Researcher的默認模式，無需手動開啟。
其實，這算不上什麼技術花活，而是把學術界運行了幾百年的同行評審制度，第壹次工程化地嵌進了AI系統。
用架構設計來壓制幻覺，而不是壹味指望單個模型變得更聰明。
DRACO跑分拆解13.8%的含金量
數據不說謊。
DRACO（深度研究准確性、完整性和客觀性）是由Perplexity和學術界研究人員於2026年2月推出的基准測試，覆蓋10個領域、100項復雜研究任務，全部源自真實使用場景。
每個問題經過5次獨立運行取均值，評估維度包括事實准確性、分析廣度和深度、表達質量、引用質量肆項。
評委模型是GPT-5.2。
微軟特別強調，采用了與基准論文完全壹致的評估協議和配置，確保“同口徑”公平對比。
搭載Critique的Researcher綜合得分實現了+7.0分（SEM±1.90）的顯著提升，比此前表現最好的Perplexity Deep Research高出13.88%。
DRACO基准測試綜合得分對比圖：各深度研究系統（含Researcher with Critique、Perplexity Deep Research等）橫向得分對比。其中除Researcher with Critique外，其余對比結果引自Zhong et al., arXiv:2602.11685。
拆開肆個維度看：
分析廣度和深度提升最明顯，+3.33。其次是表達質量+3.04，事實准確性+2.58。引用質量同樣有提升。
所有維度均達到統計學顯著（配對t檢驗，p
真正值得注意的是那個+3.33。分析深度的飆升說明Critique最大的價值不是糾錯，而是可以逼出更全面的分析視角。
在領域層面，10個領域中有8個觀察到顯著提升，覆蓋醫學、技術、法律等核心場景。
僅有的兩個例外是“學術”和“大海撈針”，這兩個領域測試結果波動較大。
DRACO基准肆項評測維度提升表：Researcher with Critique（多模型）相較單模型 Researcher，在分析廣度與深度、呈現質量、事實准確性和引用質量上的提升，以及各項對最終總分的貢獻。
13.8%聽起來是壹個數字。
在深度研究這個賽道上，此前各家打得難分難解，Perplexity搭載Claude Opus 4.6好不容易爬到的天花板，現在被Critique壹個架構創新直接擊穿了。
當你需要的不是壹個答案，而是壹場辯論
Critique解決的是“怎麼讓壹份報告更准”的問題。
但有些場景，你要的根本不是壹份精修稿，而是兩個專家吵壹架。
而這，就是Council的定位。
在模型選擇器中選“Model Council”，GPT和Claude會各自獨立生成壹份完整報告，並排展示。
然後，壹個專門的評委模型會對兩份報告進行評估，生成壹份綜述（Cover Letter），深入分析雙方在哪些觀點上達成壹致、在何處存在分歧，以及各自帶來的獨特見解。
Council模式產品界面截圖：GPT和Claude各自生成的完整報告並排展示，附評委模型生成的Cover Letter綜述。
表面上看，這只是“多選壹”變成了“全都看”，實質上是把決策場景中的信息盲區暴露出來。
壹個模型可能忽略的事實、權重不同的分析框架、另壹條推理路徑……Council把這些全部擺到桌面上。
做季度戰略報告的時候，你希望看到壹份精修稿，還是兩個專家各執己見、讓你自己判斷？
Critique是“編輯審稿”模式，效率優先。
Council是“專家會診”模式，決策優先。
兩個模式精准覆蓋了企業用AI做研究的兩種核心場景：日常產出要快要准，重大決策要全要思考全面。
Copilot Cowork
微軟把Anthropic的撒手鑭搬進了Office。
如果說Critique和Council改變的是研究質量，Copilot Cowork改變的是工作方式本身。
Copilot Cowork直接基於Anthropic的Claude Cowork技術平台構建。
這裡不是“接入”或者“兼容”，而是“基於其技術平台構建”。
它的工作方式很簡單：你描述想要的結果，Copilot Cowork自動制定計劃，跨工具和文件進行邏輯推理，在推進過程中實時展示進度，你可以隨時介入和引導。
Copilot Cowork操作界面：描述目標 → 自動規劃 → 跨工具執行 → 實時進度展示。
內置Claude加上微軟原生技能：日歷管理、每日簡報等，覆蓋從壹次性雜事到每月預算審查的各類任務。
Capital Group等機構已經在使用，反饋集中在規劃、排程、產出成果以及准備管理層審查等高價值場景。
目前通過Frontier計劃向早期客戶開放。
這意味著，微軟和Anthropic的關系，已經從“模型供應商”進化到了“技術平台共建”，Cowork把Claude的Agent骨架直接嵌進了M365的肌肉裡。
微軟本月早些時候已以測試模式發布Copilot Cowork，目標是“抓住市場對自主AI智能體日益增長的需求”。
所以，這不是壹次產品更新，這是壹次架構級別的站隊。
微軟的真正野心，從AI助手到模型指揮中心
把以上所有動作連起來看，微軟的戰略意圖已經很清晰：它不再押注自己或者某壹個模型能贏，而是轉向押注無論誰贏，流量都經過我。
從對OpenAI的深度依賴，到把Anthropic的技術深度整合進產品線，微軟正在從“模型選手”轉型為“編排層”。
Critique讓GPT和Claude協作，Council讓它們競爭，Cowork讓Anthropic的Agent能力直接為Office用戶服務。
這是平台邏輯，不是模型邏輯。
正面戰場上，微軟同時在硬剛谷歌Gemini的多模態路線和Anthropic Claude Cowork的自主Agent路線。
但當Anthropic、OpenAI、谷歌叁巨頭的模型格局已經成型，微軟的策略不是下場當選手，而是用生態開放把所有選手的能力收編進自己的平台。
對開發者來說，信號已經非常明確：未來的競爭力不在於綁死壹個模型，而在於編排多模型的能力。
但市場對於微軟這次Copilot升級，似乎並不買賬。
微軟股價當日僅微漲約1%，本季度仍面臨近25%的跌幅：這是2008年金融危機以來最差的單季表現。
華爾街更在意的，可能是落地數據：多模型來回調用的成本誰買單？企業員工真能把它融入日常工作流？
可以確定的是，這次升級改寫了微軟與OpenAI的合作關系，OpenAI在微軟生態裡的位置，已經從“唯壹的王牌”變成了“牌桌上的壹張”。
而對Anthropic、OpenAI、谷歌叁家來說，值得警惕的是：當平台方開始把你的能力當作可替換的模塊來編排，模型能力本身或許就不再是護城河了。
企業級AI正在從“聊天機器人”時代翻篇，進入“工作系統”時代。
這個轉折點上，決定勝負的不再是誰家的benchmark最高，而是誰能把多個模型編排成壹條可靠的、可審計的、可落地的工作流。
[物價飛漲的時候 這樣省錢購物很爽]
無評論不新聞，發表壹下您的意見吧
剛剛，微軟把Copilot的引擎換了，在Researcher中引入多模型智能。
從此，Copilot的Researcher智能體，默認同時調用GPT和Claude。
這不是讓你手動切模型的那種“多模型”，而是GPT寫完初稿，Claude自動扮演專家評審員逐條審查，審完再交付給你。
壹個負責“沖鋒”，壹個負責“挑刺”。
微軟表示，這是Microsoft 365 Copilot深度研究代理Researcher邁出的重要壹步。
Researcher專為在工作流程中處理復雜研究而設計，這次通過兩項全新的多模型能力：“批判”（Critique）和“智囊團”（Council），進壹步提升了准確性、深度和可信度。
實測效果驚人。
在DRACO基准測試中，這套“雙模型互搏”架構綜合得分比此前壹直被視為深度研究天花板的Perplexity Deep Research（搭載Claude Opus 4.6）高出13.8%。
但這還不是全部。
同壹天上線的Copilot Cowork，微軟表示是把支撐Claude Cowork的技術平台引入了Microsoft 365 Copilot，並與Work IQ、企業權限和治理體系深度整合，讓AI能自主規劃、跨工具推進多步任務。
這已經不是“接了個API”那麼簡單，而是在把外部前沿智能體能力，納入微軟自己的工作系統。
微軟的牌面已攤開：不把賭注壓在單壹模型上，而是把Anthropic、OpenAI等前沿模型納入Copilot的多模型編排框架。
也就是說，Copilot正在從傳統AI助手，升級成壹個面向企業工作的多模型執行與編排系統。
Critique讓AI自己審自己的作業
過去的AI研究工作流有壹個結構性盲區：規劃、檢索、綜合、撰寫全部壓在壹個模型上。
讓模型既當運動員又當裁判，這樣幻覺幾乎是必然的。
微軟這次給出的解法是：把“生成”和“評估”拆成兩個獨立角色。
具體到大模型，是讓GPT負責上半場：任務規劃、迭代檢索、起草初稿；Claude負責下半場：以專家評審員的身份，基於結構化評價量表（Rubric）逐條審查。
這個量表主要聚焦叁個維度：
來源可靠性評估，審查引用是否權威、可驗證；
報告完整性，檢查是否覆蓋了用戶請求的所有意圖；
嚴格的證據溯源，要求每壹個關鍵結論都錨定到帶有精確引用的可靠來源。
更關鍵的是，審閱者的定位不是“第贰作者”，而是“同行評審”。它不替你重寫，而是逼你寫得更好。
微軟365和Copilot企業副總裁Nicole Herskowitz說：“我們不是簡單地在Copilot裡塞了多個模型，我們是讓客戶真正享受到模型協同工作的好處。”
未來這套機制還會升級為雙向互審：GPT也能審Claude的稿。
Critique已經是Researcher的默認模式，無需手動開啟。
其實，這算不上什麼技術花活，而是把學術界運行了幾百年的同行評審制度，第壹次工程化地嵌進了AI系統。
用架構設計來壓制幻覺，而不是壹味指望單個模型變得更聰明。
DRACO跑分拆解13.8%的含金量
數據不說謊。
DRACO（深度研究准確性、完整性和客觀性）是由Perplexity和學術界研究人員於2026年2月推出的基准測試，覆蓋10個領域、100項復雜研究任務，全部源自真實使用場景。
每個問題經過5次獨立運行取均值，評估維度包括事實准確性、分析廣度和深度、表達質量、引用質量肆項。
評委模型是GPT-5.2。
微軟特別強調，采用了與基准論文完全壹致的評估協議和配置，確保“同口徑”公平對比。
搭載Critique的Researcher綜合得分實現了+7.0分（SEM±1.90）的顯著提升，比此前表現最好的Perplexity Deep Research高出13.88%。
DRACO基准測試綜合得分對比圖：各深度研究系統（含Researcher with Critique、Perplexity Deep Research等）橫向得分對比。其中除Researcher with Critique外，其余對比結果引自Zhong et al., arXiv:2602.11685。
拆開肆個維度看：
分析廣度和深度提升最明顯，+3.33。其次是表達質量+3.04，事實准確性+2.58。引用質量同樣有提升。
所有維度均達到統計學顯著（配對t檢驗，p
真正值得注意的是那個+3.33。分析深度的飆升說明Critique最大的價值不是糾錯，而是可以逼出更全面的分析視角。
在領域層面，10個領域中有8個觀察到顯著提升，覆蓋醫學、技術、法律等核心場景。
僅有的兩個例外是“學術”和“大海撈針”，這兩個領域測試結果波動較大。
DRACO基准肆項評測維度提升表：Researcher with Critique（多模型）相較單模型 Researcher，在分析廣度與深度、呈現質量、事實准確性和引用質量上的提升，以及各項對最終總分的貢獻。
13.8%聽起來是壹個數字。
在深度研究這個賽道上，此前各家打得難分難解，Perplexity搭載Claude Opus 4.6好不容易爬到的天花板，現在被Critique壹個架構創新直接擊穿了。
當你需要的不是壹個答案，而是壹場辯論
Critique解決的是“怎麼讓壹份報告更准”的問題。
但有些場景，你要的根本不是壹份精修稿，而是兩個專家吵壹架。
而這，就是Council的定位。
在模型選擇器中選“Model Council”，GPT和Claude會各自獨立生成壹份完整報告，並排展示。
然後，壹個專門的評委模型會對兩份報告進行評估，生成壹份綜述（Cover Letter），深入分析雙方在哪些觀點上達成壹致、在何處存在分歧，以及各自帶來的獨特見解。
Council模式產品界面截圖：GPT和Claude各自生成的完整報告並排展示，附評委模型生成的Cover Letter綜述。
表面上看，這只是“多選壹”變成了“全都看”，實質上是把決策場景中的信息盲區暴露出來。
壹個模型可能忽略的事實、權重不同的分析框架、另壹條推理路徑……Council把這些全部擺到桌面上。
做季度戰略報告的時候，你希望看到壹份精修稿，還是兩個專家各執己見、讓你自己判斷？
Critique是“編輯審稿”模式，效率優先。
Council是“專家會診”模式，決策優先。
兩個模式精准覆蓋了企業用AI做研究的兩種核心場景：日常產出要快要准，重大決策要全要思考全面。
Copilot Cowork
微軟把Anthropic的撒手鑭搬進了Office。
如果說Critique和Council改變的是研究質量，Copilot Cowork改變的是工作方式本身。
Copilot Cowork直接基於Anthropic的Claude Cowork技術平台構建。
這裡不是“接入”或者“兼容”，而是“基於其技術平台構建”。
它的工作方式很簡單：你描述想要的結果，Copilot Cowork自動制定計劃，跨工具和文件進行邏輯推理，在推進過程中實時展示進度，你可以隨時介入和引導。
Copilot Cowork操作界面：描述目標 → 自動規劃 → 跨工具執行 → 實時進度展示。
內置Claude加上微軟原生技能：日歷管理、每日簡報等，覆蓋從壹次性雜事到每月預算審查的各類任務。
Capital Group等機構已經在使用，反饋集中在規劃、排程、產出成果以及准備管理層審查等高價值場景。
目前通過Frontier計劃向早期客戶開放。
這意味著，微軟和Anthropic的關系，已經從“模型供應商”進化到了“技術平台共建”，Cowork把Claude的Agent骨架直接嵌進了M365的肌肉裡。
微軟本月早些時候已以測試模式發布Copilot Cowork，目標是“抓住市場對自主AI智能體日益增長的需求”。
所以，這不是壹次產品更新，這是壹次架構級別的站隊。
微軟的真正野心，從AI助手到模型指揮中心
把以上所有動作連起來看，微軟的戰略意圖已經很清晰：它不再押注自己或者某壹個模型能贏，而是轉向押注無論誰贏，流量都經過我。
從對OpenAI的深度依賴，到把Anthropic的技術深度整合進產品線，微軟正在從“模型選手”轉型為“編排層”。
Critique讓GPT和Claude協作，Council讓它們競爭，Cowork讓Anthropic的Agent能力直接為Office用戶服務。
這是平台邏輯，不是模型邏輯。
正面戰場上，微軟同時在硬剛谷歌Gemini的多模態路線和Anthropic Claude Cowork的自主Agent路線。
但當Anthropic、OpenAI、谷歌叁巨頭的模型格局已經成型，微軟的策略不是下場當選手，而是用生態開放把所有選手的能力收編進自己的平台。
對開發者來說，信號已經非常明確：未來的競爭力不在於綁死壹個模型，而在於編排多模型的能力。
但市場對於微軟這次Copilot升級，似乎並不買賬。
微軟股價當日僅微漲約1%，本季度仍面臨近25%的跌幅：這是2008年金融危機以來最差的單季表現。
華爾街更在意的，可能是落地數據：多模型來回調用的成本誰買單？企業員工真能把它融入日常工作流？
可以確定的是，這次升級改寫了微軟與OpenAI的合作關系，OpenAI在微軟生態裡的位置，已經從“唯壹的王牌”變成了“牌桌上的壹張”。
而對Anthropic、OpenAI、谷歌叁家來說，值得警惕的是：當平台方開始把你的能力當作可替換的模塊來編排，模型能力本身或許就不再是護城河了。
企業級AI正在從“聊天機器人”時代翻篇，進入“工作系統”時代。
這個轉折點上，決定勝負的不再是誰家的benchmark最高，而是誰能把多個模型編排成壹條可靠的、可審計的、可落地的工作流。
[物價飛漲的時候 這樣省錢購物很爽]
| 分享: |
| 注： |
| 延伸閱讀 | 更多... |
推薦: