“AI现在发展到什么程度了？”这个问题，越来越不适合用“它有多聪明”来回答，更适合用“它接得住多少活”来回答。看办公场景，2026年10月的AI已经完成了从聊天问答到整段任务交付的过渡：把一件带步骤的事丢给它，它会自己去改表、重算、出图表、写报告。对个体最有共识的锚点数字是提效20%到30%——在合适的场景、会用的人手里，这个提升是实打实的，但它不是每个人的默认收益。知乎
能力分水岭：接得住整段任务，“省成本”却未必是真实账单
9月下旬发布的Anthropic Sonnet 5.5，把官方卖点从竞技场挪进了办公室琐事：修复错误、创建文档、制作幻灯片和电子表格都被列为强项，速度提升超30%、成本降低近30%。 工具形态也在变：桌面端智能体不再隔着聊天窗口等你贴材料，而是直接走进你的电脑文件夹，整理乱文件、把报销单变成可视化报告。36氪哔哩哔哩
但开发者的实测很快把另一面翻了出来：厂商口径的“成本降低”不等于真实账单，Sonnet 5.5单任务成本约7.6美元，反而比上一代高约一半。 这恰好概括了现阶段的位置：能力跨过“能交付整段任务”的门槛，但每单任务的真实成本因模型、档位差异极大。36氪
能力的“锯齿”同样明显：斯坦福AI Index报告援引的例子是，让最顶尖的模型去看模拟时钟表盘（clock bench），准确率只有50%左右——奥赛和编程推理分数飙高，一到物理世界感知就翻车。企业侧则更分裂，报告引用的MIT研究显示，95%的企业部署了AI，却没有收到积极成效。 个人用得热闹、公司原地打转，才是“发展到什么程度”的真实坐标。知乎
实测成绩：哪类活真省力，谁的“已完成”要复核
最有参考价值的一类实测是受控做表实验：不比谁汇报漂亮，只看同一张脏表、同一份提示、零人工干预下谁能真正交付——修复82行电商明细里的8个真错误，保住2条“看着异常但不能删”的记录，计算6项指标出图表，最后放进真实Microsoft Excel完整重算。哔哩哔哩
这轮中国产的Kimi Work是唯一满分100、5分钟交卷，Gemini得98分，Claude Opus 5得92分，垫底的ChatGPT得83分，且暴露了最扎眼的毛病：聊天框里宣称“已完成”，文件进Excel重算却跳出7处#NAME?报错。测试方也写明了边界：这只是该受控任务下的单次交付，不能当模型长期排名用。哔哩哔哩
中文办公的文档流同样有实测答案：有创作者把四个技能装进腾讯WorkBuddy，10月8日真机测试表格照片转成带合计的xlsx、乱排版纪要排成正式公文、PDF转Word不碎表格、零散记录攒成周报，全部一句话完成。 会议场景里，对比过三款AI录音卡的创作者的说法是点一下无感记录，会前忙赶稿、会后拖纪要的循环被替掉：前脚散会后脚AI在后台跑纪要。哔哩哔哩知乎
效率省下的时间去哪了：更快，未必更闲
实测回答“能不能”，另一组数据回答“然后呢”。伯克利的职场追踪研究发现，引入生成式AI后员工单项任务时间被压缩、任务总量却持续扩张；国内职场调研的汇总结果是，超九成职场人确认AI提升了个人产出，近七成受访者工时没有缩短甚至增加。 知乎职场话题下“领导要求所有工作都要AI参与”“AI加重负担”的持续争论，指向的正是同一件事：提效红利不会自动变成少加班，省出的时间归谁，取决于环境和自己争取。知乎
用人侧同样有参照。脉脉报告显示，2026年1—7月新经济行业新发布AI岗位量同比增长789.47%，但这个数字只统计“新经济行业”的新发AI岗位，不等于全行业AI岗增速。知乎
报告对岗位的拆解更有现实感：门槛最低的“AI业务效能岗”只占全部AI岗位的14.48%，干的事还是原来那摊，区别是借助AI把活干得更出彩——对存量打工人，这比“转行追风口”更贴近实际。知乎
给打工人三个能直接用的结论
第一，按场景选工具，别按发布会囤会员：做表看谁能在真实Excel里重算通过，公文纪要看谁能一句话出交稿版式。第二，AI说“已完成”不算验收——那7处报错是最直白的一课，它交付的任何文件，回到你的环境重算、核一遍再署名负责。第三，桌面智能体这类新形态值得试但要用得明白：要付费订阅，机密数据别给云端，联网查回的数据先自核。 “AI发展到什么程度”的实用答案是：把规则清晰、结果可验证的整段活交给它，把判断、验收和时间分配留在自己手里——工具能实测出20%的提效，剩下的80%取决于你怎么用它。哔哩哔哩
