9月9日，国际表格AI评测SpreadsheetBench更新V2 Full榜单，WPS表格Agent以50.86%的成绩登顶，成为第一个在该榜单拿到SOTA的国内Agent。36氪这也是它三个月内第三次登顶国际权威评测。
很多人第一反应是：6月它不是73.46%登顶吗？怎么三个月掉到50.86%，AI退步了？
恰恰相反，是考卷变难了。而这个从73掉到51的数字，比"登顶"本身更能告诉你：手上的表格活儿，哪些现在就能交给AI，哪些还不能。
三次登顶，考的根本不是同一张卷子
把三个月的三个分数摆在一起看，脉络很清楚：
6月，SpreadsheetBench V1 Full，73.46%——超过论文公布的人类专家基准线71.33%。36氪考的是单点操作：需求理解、表格操作、公式格式交付。一个任务就像"帮这张表加一列跨表匹配"“把数字按部门汇总”。AI在这张卷子上，得分已经高过人类专家。
7月，表格问答基准TableBench方法榜，72.54分——886个案例，覆盖事实核验、数值推理、数据分析、可视化。这一步验证的是"问它会想"。
9月这次，V2把考题从局部操作换成了端到端业务工作流：Agent要在专业商业工作簿里完成生成、调试、可视化整条链路，平均每项任务牵动11.8个工作表、593.5个单元格修改。局部正确不等于最终正确——九步里有一步引错了表，最后交出来的就是错账。
50.86%翻译成人话：让AI一口气接管一份十几张表关联的真实业务流程，目前全球最强的表格Agent，也只对一半。
但切片拆开看，好消息恰恰藏在涨跌之间
V2的低分不是坏消息，它把"能用的"和"不能用的"划出了一条比任何测评文章都清楚的线。
对大多数被函数折磨的表格党（财务、行政、教务、天天做台账和周报的上班族），日常活儿其实是两类：
现在就能放心交的（对应V1那一档）：
一句话建表：给检查登记表、排班表、统计模板描述一遍，结构直接出来；
函数代写和解释：XLOOKUP、SUMIFS记不住，用大白话描述需求，它写完还告诉你为什么；
单表清洗：分列、日期格式统一、从一堆文本里把手机号抠出来；
一句话做图表、做单表汇总。
还像掷硬币的（对应V2那一档）：
跨表合并加清洗：“把1-3月三本台账合了去重”——字段名差一个字，AI就会悄悄漏行或者重算；
多表之间的数值传递、模板套模型；
"从取数到透视到出结论"的全流程月报。
回头看社区里真正跑量的晒帖，也全是"一句话→一张表"这一档：小红书上千问电脑端"多表合并、一句话生成可视化报告"的教学帖拿了14434赞、8789收藏；《我的表格被AI接管了》6108收藏，收藏稳定压过点赞——是"存下来慢慢用"的工具帖，而大家实际用在的，就是单点场景。开学季有教务党晒的"200多人、8个班、上千条加减分记录，3分钟算完综测"也是同款工作流：AI负责灌数据跑公式，人负责核对结果。没有一篇热帖晒的是"全流程交给AI后我直接下班"——榜单已经告诉你为什么了。
比榜单更该警惕的：产品已经卷到"替你搭系统"了
和榜单消息配套的，是8月28日WPS AI NEXT沟通会首发的多维表格「灵感应用」：用自然语言描述业务需求，AI生成一个可以持续迭代的业务应用，字段和数据直接从已有表格接入，口径可追溯、流程可调整。36氪已经接入的是真实业务流程——北京昌平区教育局的骨干教师评审、北师大珠海校区的实习管理。36氪
注意这里的前提：敢交给AI跑流程的，不是随手丢进聊天框的一堆文件，而是有数据结构和权限体系的多维表格，而且"口径可追溯"。这条标准同样适用于每个人自己的Excel：想让AI碰业务数据，先把表喂规范——字段清晰、一格一事实，而不是把八张群里复制来的乱表原样丢过去。
钱包账：付费前，先算清三笔
登顶之后就是变现。易观数据显示，6月国内17款桌面端AI办公智能体合计访问量破6000万次，腾讯WorkBuddy以2097万次领跑。36氪各家普遍走"免费额度+积分订阅"，个人付费档大约45到78元/月；获客的姿势甚至卷到了情绪价值——有产品把桌面宠物做进了办公Agent，每天准点操心小猫"去哪里逛逛"。三笔账：
补贴账：券商调研口径下，WorkBuddy的C端付费率约3%、C端毛利率约-11%——每赚1元倒贴0.11元，腾讯二季度自由现金流多年来头一回转负。现在好用的免费额度是公司的获客成本，不是对你的承诺；羊毛期可以薅，但别因为"便宜"直接锁年费。
额度账：微博已有用户晒账单：包月Kimi、深度模式做2个PPT，不足24小时就烧掉当月92.5%的额度，下一笔要等10月8日才恢复。微博表格任务恰恰是吃额度的大户——V2榜单里"每项任务平均593.5个单元格修改"，真实业务一个来回的读写量就是同一个量级。重度用户充值前，先按"每次干活烧多少积分"算单价，别只看页面写的"月费"。
体验账：能力上WPS三个月三个SOTA，用户侧却是"WPS套娃收费"“背刺老用户"等话题自6月下旬以来持续发酵，据媒体报道黑猫投诉上与WPS相关的投诉已超过一万条。36氪小红书上至今有人公开问"能不能把我文档里的AI关掉”。金山6.78亿月活设备、累计年度付费个人用户4615万，付费率不足7%。36氪老本不是白攒的，但教训也现成：登顶是能力证明，不是无脑开会员的理由。订阅前，先把档位里AI功能的具体开关和层级看一遍。
最后，一张可以贴在工位上的判断表
直接交给AI：建表、写函数、清洗单表、做图表、单表汇总——V1档73.46%已经跑赢人类专家，这类活儿交给它是净赚时间；
可以交给AI，但交付前查三处：多表合并、汇总报表——查总计行、抽一行和原表对明细、核一遍勾稽关系（同比环比、借贷平衡）。50.86%意味着错误率接近一半，数字报表错了，署名的是你不是AI；
暂时别交、也别为它冲动付费：端到端月报、审批流接管、多表模型。想碰这类，先用免费档跑10个自己的真实任务，通过率比任何榜单都诚实。
接下来值得盯的信号：V2 Full下一轮刷新时二三名能不能咬上来、各家补贴额度在促销季之后收不收紧、「灵感应用」什么时候对普通用户开放。
榜单会换人，"哪些活儿该交给AI"这本账，得自己算。
