📊 WorkBuddy vs QoderWork 效果&成本对比评测报告

覆盖产品：WorkBuddy 5.1.5 QoderWork CN 0.5.13

评测模型：GLM-5.2 Deepseek-V4-Pro

统计口径：每条样本各跑 3 轮，逐轮记录 → 取可用轮次中位数 → 分难度取均值

评测集：开源评测集（SWE-Bench） + WorkBuddy 自建评测集（包含：日常办公 / 数据分析 / 图片生成 / PPT 制作 / 文档总结等维度），共 10 条样本（简单 4 · 中等 3 · 较难 3）

生成时间：2026-06-22 23:38

📖 任务难度说明

· 简单：5–15 min，单文件改动；逻辑直白的简单任务。（例：修改一个代码缺陷）

· 中等：15 min – 30 min，涉及 2–3 个文件，涉及新增任务、外部工具逻辑调用。（例：生成一份调研报告）

· 较难：30–60 min，长程任务 / 多文件的修改；任务需设计意图或跨任务、跨系统关联关系。（例：设计一个复杂系统）

📦 配套：WorkBuddy 企业测评样板间

本报告所用评测集已打包提供，含 SWE-Bench 标准用例 5 个 + WorkBuddy 自建办公场景 5 个（PPT / 文档 / PRD / 数据可视化），附测评指引与自动验证脚本，可独立复现本报告或扩展为企业自有测评集。

⬇ 下载测评样板间（.zip）

📊 Part 1 · 核心结论对比

📌 总结

【GLM-5.2】WorkBuddy 在 简单/较难任务 Token 全面占优，简单档 Money 也更低；中等任务 Money/Credit 略高于 QoderWork。解决率 WB 97% vs QB 93%，WB 优势在较难档任务（89% vs 78%，↑11.1pp），简单/中等持平。

【DeepSeek-V4-Pro】WorkBuddy 在 三档任务 Money / Credit 全面优于 QoderWork；仅 中等任务 Token ↑6.8% 为唯一劣势项，幅度已显著收窄。解决率 WB 90% vs QB 83%，WB 优势在较难档任务（67% vs 44%，↑22.2pp）。

【GLM-5.2】WorkBuddy vs QoderWork

✅ WorkBuddy 优势

◆简单全面占优

Token ↓43.3% （771K vs 1.36M）
Credit ↓9.9% （50.7 vs 56.3）
Money ↓23.8% （¥1.47 vs ¥1.93）
解决率持平（100% vs 100%）

◆中等

Token ↓29.5% （1.77M vs 2.52M）
解决率持平（100% vs 100%）

◆较难

Token ↓28.9% （2.29M vs 3.22M）
Money ↓2.7% （¥4.74 vs ¥4.87）
解决率 ↑11.1pp （89% vs 78%，8/9 vs 7/9）

❌ WorkBuddy 劣势

◆中等

Credit ↑18.4% （104.1 vs 87.9）
Money ↑10.2% （¥3.02 vs ¥2.74）

◆较难

Credit ↑3.8% （163.4 vs 157.4）

【DeepSeek-V4-Pro】WorkBuddy vs QoderWork

✅ WorkBuddy 优势 Money / Credit 三档全面占优

◆简单全面占优

Token ↓0.3% （629K vs 631K）
Credit ↓76.1% （5.7 vs 23.8）
Money ↓76.4% （¥0.17 vs ¥0.70）
解决率持平（100% vs 100%）

◆中等

Credit ↓69.8% （10.6 vs 34.6）
Money ↓71.3% （¥0.31 vs ¥1.06）
解决率持平（100% vs 100%）

◆较难全面占优

Token ↓27.7% （1.59M vs 2.20M）
Credit ↓81.1% （11.8 vs 62.8）
Money ↓82.1% （¥0.34 vs ¥1.92）
解决率 ↑22.2pp （67% vs 44%，6/9 vs 4/9）

❌ WorkBuddy 劣势

◆中等

Token ↑6.8% （805K vs 754K）　— 唯一劣势项，但 Money 仍 ↓71.3%

计价口径：WorkBuddy 与 QoderWork 使用的模型服务来源和计费策略不同，Token / Credit / Money 不能简单线性换算；Money 反映本次评测中各自内置模型服务形态下的实际消耗。补充限制：WorkBuddy 当前暂不支持采集自定义模型 Token 消耗，QoderWork 当前暂不支持接入自定义模型。

📊 Part 2 · 关键发现与选型建议

💡 核心发现

Token 与 Money 不完全同步：DeepSeekV4 + WorkBuddy 在中等难度上 Token ↑6.8%，但 Money ↓71.3%。金额差异不能只归因于定价，还受模型输出长度、工具调用路径、上下文轮次、执行策略和计费口径共同影响。

GLM-5.2 仅中等难度需关注：GLM-5.2 + WorkBuddy Token 全面节省（简单 ↓43.3%、较难 ↓28.9%），Money 简单/较难均更低，仅中等难度 Money ↑10.2%，成本敏感时建议结合具体任务评估。

DeepSeek-V4-Pro 综合最优：DeepSeekV4 + WorkBuddy 三档 Money 全面下降（简单 ↓76.4%、中等 ↓71.3%、较难 ↓82.1%），解决率 90% vs QoderWork 83%。效果与成本在本次样本中表现最均衡。

🎯效果维度任务解决率

最高：GLM + WorkBuddy97%

最低：DeepSeek + QoderWork83%

WorkBuddy 在两模型上均优于 QoderWork

🪙Token 效率全难度均值

最低：DeepSeek + WorkBuddy1.00M

最高：GLM + QoderWork2.36M

WorkBuddy 在两个模型 Token 均低于 QoderWork

💰金钱成本全难度均值

最低：DeepSeek + WorkBuddy¥0.24

最高：GLM + QoderWork¥3.18

⚠ 差异来自模型行为、调用路径与计费口径等多因素

🏆综合性价比ROI = 解决率÷Money

最高：DeepSeek + WorkBuddy378

最低：GLM + QoderWork29

DeepSeek + WorkBuddy 在本次口径下综合表现更优

📋 Part 3 · 明细数据

逐样本中位数对比：每条样本取可用轮次中位数，用于快速定位样本级优劣；绿底为更优、红底为更差。

DeepseekDeepseek-V4-Pro · 逐样本中位数对比（10 条）

绿底该指标更优 · 红底该指标更差

难度	#	样本	WorkBuddy + Deepseek-V4-Pro				QoderWork + Deepseek-V4-Pro
难度	#	样本	Token	Credit	金额	解决	Token	Credit	金额	解决
简单	1	`sympy__sympy-19954`	705K	5.5	¥0.16	3/3	422K	20.1	¥0.59	3/3
简单	2	`sympy__sympy-24539`	473K	3.8	¥0.11	3/3	191K	3.7	¥0.10	3/3
中等	3	`django__django-15561`	850K	6.9	¥0.20	3/3	1.09M	27.9	¥0.92	3/3
中等	4	`psf__requests-1142`	715K	5.5	¥0.16	3/3	586K	44.9	¥1.32	3/3
较难	5	`matplotlib__matplotlib-20676`	3.33M	19.0	¥0.55	2/3	4.16M	97.4	¥2.87	0/3
简单	6	`sft_20260503_043924_d3aa51`	967K	8.6	¥0.25	3/3	744K	35.2	¥1.05	3/3
简单	7	`sft_20260515_040512_b232b5`	370K	4.8	¥0.14	3/3	1.17M	36.1	¥1.06	3/3
中等	8	`sft_20260515_115707_60fb7c`	830K	11.0	¥0.32	3/3	585K	31.0	¥0.93	3/3
较难	9	`sft_20260516_085129_1b725d`	563K	7.6	¥0.22	2/3	1.32M	39.0	¥1.35	3/3
较难	10	`sft_20260515_144219_381535`	877K	9.0	¥0.26	2/3	1.13M	52.0	¥1.54	1/3

GLMGLM-5.2 · 逐样本中位数对比（10 条）

绿底该指标更优 · 红底该指标更差

难度	#	样本	WorkBuddy + GLM-5.2				QoderWork + GLM-5.2
难度	#	样本	Token	Credit	金额	解决	Token	Credit	金额	解决
简单	1	`sympy__sympy-19954`	1.15M	72.0	¥2.09	3/3	1.84M	58.2	¥2.31	3/3
简单	2	`sympy__sympy-24539`	998K	58.0	¥1.68	3/3	533K	49.3	¥1.93	3/3
中等	3	`django__django-15561`	4.08M	222	¥6.44	3/3	3.97M	127	¥3.73	3/3
中等	4	`psf__requests-1142`	522K	38.0	¥1.10	3/3	1.65M	48.0	¥1.86	3/3
较难	5	`matplotlib__matplotlib-20676`	4.30M	246	¥7.13	3/3	1.28M	34.9	¥1.39	1/3
简单	6	`sft_20260503_043924_d3aa51`	532K	41.7	¥1.21	3/3	2.30M	64.1	¥1.89	3/3
简单	7	`sft_20260515_040512_b232b5`	403K	31.0	¥0.90	3/3	774K	53.5	¥1.57	3/3
中等	8	`sft_20260515_115707_60fb7c`	717K	52.2	¥1.51	3/3	1.93M	89.1	¥2.62	3/3
较难	9	`sft_20260516_085129_1b725d`	1.36M	107	¥3.11	3/3	1.93M	134	¥4.12	3/3
较难	10	`sft_20260515_144219_381535`	1.20M	137	¥3.98	2/3	6.44M	303	¥9.09	3/3

📊 Part 4 · 分难度三指标对比

Deepseek Deepseek-V4-Pro | QoderWork 侧数据覆盖 Token 100%Credit 100%Money 100%

🔤 Token 消耗 (K)

💳 Credit 消耗

💴 Money 金额 (¥)

结论：Deepseek + WorkBuddy 在 Credit/Money 上整体优于 QoderWork，Money 三档分别简单 ↓76.4% · 中等 ↓71.3% · 较难 ↓82.1%。中等难度 Token 更高但 Money 更低，说明金额结果受模型输出、工具调用路径、上下文轮次和计费口径等因素共同影响，不能仅按 Token 判断。

GLM GLM-5.2 | QoderWork 侧数据覆盖 Token 100%Credit 100%Money 100%

🔤 Token 消耗 (K)

💳 Credit 消耗

💴 Money 金额 (¥)

结论：GLM-5.2 + WorkBuddy Token 全面节省，Money 三档分别简单 ↓23.6% · 中等 ↑10.2% · 较难 ↓2.6%。这说明 Token 降低与金额变化不完全同步，仍需结合模型行为、执行路径、上下文规模、重试/工具调用情况和计费口径综合判断。

💰 跨模型 Money 全景对比

本次样本下：Deepseek + WorkBuddy 在各难度 Money 表现最低，GLM 两侧 Money 绝对值显著更高。该结果是模型行为、执行路径与计费口径共同作用的观测值；虚线 = QoderWork 侧数据包含缺失样本。