同一张日期积分表千问办公、WorkBuddy 和豆包工作把 16 个目标格全部写成了公式WPS 灵犀补了后八格保留中间五个数值也留下了开头三个n/a。三份完整交付的计算结果一致但公式的引用范围和文件保存的计算缓存并不相同。这是 EvalDock 对一次办公任务四份最终工作簿的对照。我们从同一输入出发逐格检查C4:C19的值和公式再核对目标区以外的内容。这次要回答的是文件究竟改了哪里以及它怎样交到下一位使用者手里。先确定目标区 C4:C19 与日期边界这张表的 A 列是日期B 列是当天积分C 列要计算日期窗口内的合计。日期递增但并不连续不能简单把前七行相加。本题约定的窗口是当前日期减七天直到当前日期两端都包含。例如 3 月 12 日要计入 3 月 5 日的记录。这与“含当天共七个自然日”相差一天比较公式时必须沿用题目的口径。输入的目标区分成三段位置输入文件原有内容本题应交付的结果C4:C6三个文本n/a4、6、12C7:C11五个示例常量18、26、32、26、14C12:C19八个空白格4、8、12、18、24、33、33、34这些预期值由输入日期与积分独立计算并与参考工作簿逐格核对。原题要求用公式计算验收区域是完整的 16 格不能只从第一个空白格开始看。逐段检查公式、常量和 n/a从原工作簿提取的内容类型与修改范围按单元格区段重排非软件截图。产品C4:C6C7:C11C12:C19千问办公三个公式五个公式替换原常量八个公式WPS 灵犀原文本n/a保留五个原常量八个公式WorkBuddy三个公式五个公式替换原常量八个公式豆包工作三个公式五个公式替换原常量八个公式千问、WorkBuddy、豆包的 16 格公式按本题输入求值均与预期一致。灵犀的后八格公式和中间五格常量合计 13 格与预期一致前三格仍没有得到需要的计算结果。这是对目标区的核对不是产品总体准确率。四份文件都只有Sheet1。在这张表已有内容的范围内目标区外的值、公式、数据类型及数字格式没有发现变化目标区的数字格式也与输入一致。这个检查不包含所有版式、图形对象或跨软件兼容性。同样算出 26公式也有两种写法差异不只在“有没有补齐”。以 3 月 12 日所在的 C8 为例千问写入的是SUMIFS($B$4:$B8,$A$4:$A8,$A8-7)它把求和范围限制在第一条记录到当前行再筛选不早于七天前的记录。在本题日期递增的输入中后面的日期不需要参加当前行计算。WorkBuddy 的同一格写入SUMIFS($B$4:$B$19,$A$4:$A$19,A8-7,$A$4:$A$19,A8)它扫描固定的全部 16 条记录同时检查日期下限和上限。豆包采用相同的日期条件只是把两个条件的顺序调换并给减七天的表达式加了括号。灵犀补入后八格的公式也采用这种固定范围、上下限同时筛选的方式。在实际输入上这些公式都能得到对应的正确结果。C8 的独立计算是4266826。不同的公式文本不等于不同的计算质量应先看它们在题目条件下是否表达同一规则。同时这些都是本题范围内的交付。千问的写法利用了记录顺序其他三款的公式范围固定到第 19 行。若以后改变排序、加入同日多条记录或追加新行需要按新的数据约定另验不能从这次结果直接推断。有公式为什么读取结果时会得到空值XLSX 可以同时保存公式和上次计算的缓存值。本次四份原文件在这一点上也有区别产品目标区公式格数其中保存了可读取数值缓存的公式格千问办公1616WPS 灵犀88WorkBuddy160豆包工作160WorkBuddy 和豆包的 16 格公式确实存在但原文件中没有对应的数值缓存。只读取缓存的程序在这些格上会得到空值。把这种空值直接判成“Agent 没有填写”就会错过文件里已经存在的公式。本次对照将三件事分开记录原公式、原文件缓存、按公式和输入计算的结果。我们逐格复算并用 LibreOffice 对副本重算交叉核对两种计算得到的结果一致。历史评分也记录了重算步骤但那是原评测的操作不能与原文件自带缓存混为一谈。这一差异说明接收文件的方式会影响后续使用。如果下一步是只读缓存的数据流程就要明确安排计算与保存环节如果交给能计算公式的表格软件还应在实际使用的软件里确认显示与更新。本文没有把计算引擎中的一致结果扩大成所有 Excel 版本和导入工具都兼容。接收同类工作簿时留下哪些核对记录只看文件名和截图很难分清三种情况格子仍是占位文本、格子是不会随输入变化的常量、格子已有公式但没有缓存。本题把它们同时放在了四份可比的文件中。下次接收类似表格可以在记录里保留“完整目标区、每格内容类型、公式求值依据、下一步读取方式”。这样修改范围和使用条件都有明确落点也能把返工写成具体要求补齐哪几格、保留哪些源数据、是否要求公式以及是否需要提供已计算并保存的文件。本题的结果支持这些交付差异不支持稳定优胜结论。三份文件在原输入上都算对并不意味着它们在新增行、改排序或重复运行后一定同样表现。来源与测试条件案例来自 EvalDock 于北京时间 2026 年 9 月 24 日完成的办公实测本篇于 2026 年 9 月 30 日复核既有产物。原评测为五套题集各 15 题、四产品共 300 项最终结果本文仅比较其中一道 SpreadsheetBench Verified 子集任务的四份工作簿不是完整官方复现。原测试允许人工辅助、续接和重试观察最终交付本题未重复运行。WPS 灵犀记录配置为 DeepSeek V4.1 FlashWorkBuddy 为hy4-preview来自执行记录或评测方确认未独立核实后端千问和豆包精确后端模型未知。结果只适用于这次任务、配置和交付。评测背景见 EvalDock 《四款办公 Agent75 道任务实测》。本文由 EvalDock 团队撰写。