新智元报道
编辑：元宇
微软最大的对手不是谷歌，是自己曾经的独家依赖。Copilot 最新升级默认 GPT 写稿、Claude 审稿，Anthropic 的 Agent 骨架更被直接焊进 Office。从绑定 OpenAI 到收编所有顶级模型，微软押注的是：无论谁赢，流量都经过我。
单模型时代，结束了。
刚刚，微软把 Copilot 的引擎换了，在 Researcher 中引入多模型智能。
从此，Copilot 的 Researcher 智能体，默认同时调用 GPT 和 Claude。
这不是让你手动切模型的那种「多模型」，而是 GPT 写完初稿，Claude 自动扮演专家评审员逐条审查，审完再交付给你。
一个负责「冲锋」，一个负责「挑刺」。
微软表示，这是 Microsoft 365 Copilot 深度研究代理 Researcher 迈出的重要一步。
Researcher 专为在工作流程中处理复杂研究而设计，这次通过两项全新的多模型能力：「批判」（Critique）和「智囊团」（Council），进一步提升了准确性、深度和可信度。
实测效果惊人。
在 DRACO 基准测试中，这套「双模型互搏」架构综合得分比此前一直被视为深度研究天花板的 Perplexity Deep Research（搭载 Claude Opus 4.6）高出 13.8%。
但这还不是全部。
同一天上线的 Copilot Cowork，微软表示是把支撑 Claude Cowork 的技术平台引入了 Microsoft 365 Copilot，并与 Work IQ、企业权限和治理体系深度整合，让 AI 能自主规划、跨工具推进多步任务。
这已经不是「接了个 API」那么简单，而是在把外部前沿智能体能力，纳入微软自己的工作系统。
微软的牌面已摊开：不把赌注压在单一模型上，而是把 Anthropic、OpenAI 等前沿模型纳入 Copilot 的多模型编排框架。
也就是说，Copilot 正在从传统 AI 助手，升级成一个面向企业工作的多模型执行与编排系统。
Critique
让 AI 自己审自己的作业
过去的 AI 研究工作流有一个结构性盲区：规划、检索、综合、撰写全部压在一个模型上。
让模型既当运动员又当裁判，这样幻觉几乎是必然的。
微软这次给出的解法是：把「生成」和「评估」拆成两个独立角色。
具体到大模型，是让 GPT 负责上半场：任务规划、迭代检索、起草初稿；Claude 负责下半场：以专家评审员的身份，基于结构化评价量表（Rubric）逐条审查。
这个量表主要聚焦三个维度：
来源可靠性评估，审查引用是否权威、可验证；
报告完整性，检查是否覆盖了用户请求的所有意图；
严格的证据溯源，要求每一个关键结论都锚定到带有精确引用的可靠来源。
更关键的是，审阅者的定位不是「第二作者」，而是「同行评审」。它不替你重写，而是逼你写得更好。
微软 365 和 Copilot 企业副总裁 Nicole Herskowitz 说：「我们不是简单地在 Copilot 里塞了多个模型，我们是让客户真正享受到模型协同工作的好处。」
未来这套机制还会升级为双向互审：GPT 也能审 Claude 的稿。
Critique 已经是 Researcher 的默认模式，无需手动开启。
其实，这算不上什么技术花活，而是把学术界运行了几百年的同行评审制度，第一次工程化地嵌进了 AI 系统。
用架构设计来压制幻觉，而不是一味指望单个模型变得更聪明。
DRACO 跑分拆解
13. 8% 的含金量
数据不说谎。
DRACO（深度研究准确性、完整性和客观性）是由 Perplexity 和学术界研究人员于 2026 年 2 月推出的基准测试，覆盖 10 个领域、100 项复杂研究任务，全部源自真实使用场景。
每个问题经过 5 次独立运行取均值，评估维度包括事实准确性、分析广度和深度、表达质量、引用质量四项。
评委模型是 GPT-5.2。
微软特别强调，采用了与基准论文完全一致的评估协议和配置，确保「同口径」公平对比。
搭载 Critique 的 Researcher 综合得分实现了 +7.0 分（SEM±1.90）的显著提升，比此前表现最好的 Perplexity Deep Research 高出 13.88%。
DRACO 基准测试综合得分对比图：各深度研究系统（含 Researcher with Critique、Perplexity Deep Research 等）横向得分对比。其中除 Researcher with Critique 外，其余对比结果引自 Zhong et al.， arXiv:2602.11685。
拆开四个维度看：
分析广度和深度提升最明显，+3.33。其次是表达质量 +3.04，事实准确性 +2.58。引用质量同样有提升。
所有维度均达到统计学显著（配对t检验，p<0.0001）。
真正值得注意的是那个 +3.33。分析深度的飙升说明 Critique 最大的价值不是纠错，而是可以逼出更全面的分析视角。
在领域层面，10 个领域中有 8 个观察到显著提升，覆盖医学、技术、法律等核心场景。
仅有的两个例外是「学术」和「大海捞针」，这两个领域测试结果波动较大。
DRACO 基准四项评测维度提升表：Researcher with Critique（多模型）相较单模型 Researcher，在分析广度与深度、呈现质量、事实准确性和引用质量上的提升，以及各项对最终总分的贡献。
13. 8% 听起来是一个数字。
在深度研究这个赛道上，此前各家打得难分难解，Perplexity 搭载 Claude Opus 4.6 好不容易爬到的天花板，现在被 Critique 一个架构创新直接击穿了。
当你需要的不是一个答案
而是一场辩论
Critique 解决的是「怎么让一份报告更准」的问题。
但有些场景，你要的根本不是一份精修稿，而是两个专家吵一架。
而这，就是 Council 的定位。
在模型选择器中选「Model Council」，GPT 和 Claude 会各自独立生成一份完整报告，并排展示。
然后，一个专门的评委模型会对两份报告进行评估，生成一份综述（Cover Letter），深入分析双方在哪些观点上达成一致、在何处存在分歧，以及各自带来的独特见解。
Council 模式产品界面截图：GPT 和 Claude 各自生成的完整报告并排展示，附评委模型生成的 Cover Letter 综述。
表面上看，这只是「多选一」变成了「全都看」，实质上是把决策场景中的信息盲区暴露出来。
一个模型可能忽略的事实、权重不同的分析框架、另一条推理路径……Council 把这些全部摆到桌面上。
做季度战略报告的时候，你希望看到一份精修稿，还是两个专家各执己见、让你自己判断？
Critique 是「编辑审稿」模式，效率优先。
Council 是「专家会诊」模式，决策优先。
两个模式精准覆盖了企业用 AI 做研究的两种核心场景：日常产出要快要准，重大决策要全要思考全面。
Copilot Cowork
微软把 Anthropic 的撒手锏搬进了 Office
如果说 Critique 和 Council 改变的是研究质量，Copilot Cowork 改变的是工作方式本身。
Copilot Cowork 直接基于 Anthropic 的 Claude Cowork 技术平台构建。
这里不是「接入」或者「兼容」，而是「基于其技术平台构建」。
它的工作方式很简单：你描述想要的结果，Copilot Cowork 自动制定计划，跨工具和文件进行逻辑推理，在推进过程中实时展示进度，你可以随时介入和引导。
Copilot Cowork 操作界面：描述目标 → 自动规划 → 跨工具执行 → 实时进度展示。
内置 Claude 加上微软原生技能：日历管理、每日简报等，覆盖从一次性杂事到每月预算审查的各类任务。
Capital Group 等机构已经在使用，反馈集中在规划、排程、产出成果以及准备管理层审查等高价值场景。
目前通过 Frontier 计划向早期客户开放。
这意味着，微软和 Anthropic 的关系，已经从「模型供应商」进化到了「技术平台共建」，Cowork 把 Claude 的 Agent 骨架直接嵌进了 M365 的肌肉里。
微软本月早些时候已以测试模式发布 Copilot Cowork，目标是「抓住市场对自主 AI 智能体日益增长的需求」。
所以，这不是一次产品更新，这是一次架构级别的站队。
微软的真正野心
从 AI 助手到模型指挥中心
把以上所有动作连起来看，微软的战略意图已经很清晰：它不再押注自己或者某一个模型能赢，而是转向押注无论谁赢，流量都经过我。
从对 OpenAI 的深度依赖，到把 Anthropic 的技术深度整合进产品线，微软正在从「模型选手」转型为「编排层」。
Critique 让 GPT 和 Claude 协作，Council 让它们竞争，Cowork 让 Anthropic 的 Agent 能力直接为 Office 用户服务。
这是平台逻辑，不是模型逻辑。
正面战场上，微软同时在硬刚谷歌 Gemini 的多模态路线和 Anthropic Claude Cowork 的自主 Agent 路线。
但当 Anthropic、OpenAI、谷歌三巨头的模型格局已经成型，微软的策略不是下场当选手，而是用生态开放把所有选手的能力收编进自己的平台。
对开发者来说，信号已经非常明确：未来的竞争力不在于绑死一个模型，而在于编排多模型的能力。
但市场对于微软这次 Copilot 升级，似乎并不买账。
微软股价当日仅微涨约1%，本季度仍面临近 25% 的跌幅：这是 2008 年金融危机以来最差的单季表现。
华尔街更在意的，可能是落地数据：多模型来回调用的成本谁买单？企业员工真能把它融入日常工作流？
可以确定的是，这次升级改写了微软与 OpenAI 的合作关系，OpenAI 在微软生态里的位置，已经从「唯一的王牌」变成了「牌桌上的一张」。
而对 Anthropic、OpenAI、谷歌三家来说，值得警惕的是：当平台方开始把你的能力当作可替换的模块来编排，模型能力本身或许就不再是护城河了。
企业级 AI 正在从「聊天机器人」时代翻篇，进入「工作系统」时代。
这个转折点上，决定胜负的不再是谁家的 benchmark 最高，而是谁能把多个模型编排成一条可靠的、可审计的、可落地的工作流。
参考资料：
https://www.reuters.com/business/microsoft-unveils-ai-upgrades-rolls-out-copilot-cowork-early-access-customers-2026-03-30/
https://techcommunity.microsoft.com/blog/microsoft365copilotblog/introducing-multi-model-intelligence-in-researcher/4506011
https://www.microsoft.com/en-us/microsoft-365/blog/2026/03/30/copilot-cowork-now-available-in-frontier/
