实测 GenOffice Alpha 版:补上办公工作流最后一环|AI 上新

8 月 3 日，Genspark 创始人&CEO 景鲲在 AGI Playground 2026 大会上发布了 GenOffice。这是一款 AI 深度集成的本地 Office 客户端，其亮点在于打通了从 AI 生成到工作交付间的链路：通过 GenOffice 打造的软件工程框架，模型得以直接操作 Office 文件最复杂的底层格式，将生成内容转化为可编辑、可交付的 Word 和 PPT 成品。

Genspark 推出这样一款产品并不令人意外。

在 Genspark 的产品体系 AI WorkSpace 6.0 中，AI 办公套件是核心价值模块；Genspark 还上架了Microsoft Office 插件，让用户能在本地的微软 Office 软件里，直接调用 Genspark 的 AI 能力。在文档的转换层上，Genspark 已经积累了足够的经验。

让人意外的是 Genspark 推出 GenOffice 的方式：开源、免费，Alpha 版即日推出，后续交给用户、团队和 AI Agent 共建迭代。

据 Genspark 介绍，产品的 Alpha 版只由一名工程师用一周时间完成，消耗约 1 万美元的 AI Token。这款用最 AI-Native 的方式开发出的产品，也将用最 AI-Native 的方式迭代——毕竟对于一款 Office 产品而言，用户的真实工作流也是最具价值的养料。

笔者此前从未接触过 Genspark 生态，但 GenOffice 直接调整文件格式的产品能力，让我产生了极大的兴趣。怀着好奇，笔者充值了 Genspark 基础套餐，开始了本次测试。

在宣发中，GenOffice 被锚定为平替级的免费本地 Office：既不同于订阅制的 Microsoft 365，也不同于「免费+会员+广告」的 WPS。这个定位看似简单，实则门槛极高：处理一份看似简单的 Word 文档，其底层涉及复杂的几何计算与字体排版算法，背后涉及跨越数十年的代码积累。更要命的是，用户对办公软件的错误容忍度近乎为零。深厚的技术积淀、苛刻的用户需求，成为了传统 Office 厂商最深厚的壁垒。

不过，AI 赋予了 Genspark 挑战的机会。

仅仅一人一周的 VibeCoding，就让 GenOffice 拥有了可以实现基本编辑功能的产品原型。而且自发布以来，GenOffice 近乎以小时计更新迭代。许多在测试初期出现的使用问题，在最新版本已经消失。进步的速度确实惊人，但至少目前，稳定性、兼容性仍是它绕不开的短板。

笔者准备了几份结构复杂的 Word 文档，从编辑、排版到格式调整逐一实测。过程中问题接踵而至：文本时常莫名串行，甚至出现过全文英文字母全部变成竖条排列的诡异现象；在其他软件中显示正常的表格，导入 GenOffice 后也会出现额外的错位与空白；而在带表格的文档里，使用字号调节按钮批量调整时，界面会反复触发重排渲染，直接卡顿到难以操作。此外还有不少细碎的缺陷，暂不在此穷举。

PPT 端的兼容性同样不容乐观。一些包含复杂图形排列的 PPT 文件，在 GenOffice 中打开后会出现严重的错版错位，页面元素脱离原有的位置关系。

可以看出，GenOffice 还不完全是一款成熟、可替代传统 Office 软件的办公工具。

虽然目前 Genoffice 在 Word 排版和格式上仍有瑕疵，不过，笔者并不怀疑 GenOffice 团队快速的迭代能力，假以时日，它的基础能力确实有机会无限逼近传统 Office 产品。就现阶段而言，它更像是一款「AI+办公」的新形态尝试。

尽管身为 Office 软件的基础能力尚有缺陷，但它作为原生 AI 工具，解决文档排版问题的能力依然值得期待。

本轮测试，我选择了一个对文档格式最为敏感的场景：论文排版。我找到一份期刊上的论文 PDF 文件，复制全文粘贴到 Word 文件中。20000 字的论文全文，没有分段、没有标注，毫无头绪地堆在一起。在这种极端场景下，我尝试让 GenOffice 从零重建论文格式。

提示词：按照论文格式排版

连接上 Genspark 的 AI 能力，GenOffice 经过了数分钟的读取、分析、处理，成功识别标题、摘要等文档结构，还去除了原 PDF 复制时错杂进来的重复页眉、页码等噪声，成功完成了 2 万字的初步排版。令我惊喜的是，原文档中散乱的、原本以表格形式呈现的文字，在没有任何提示的情况下，被 GenOffice 以表格形式忠实地还原。

这意味着，GenOffice 不是按照机械规则排版的转换器，而是一款能活用模型能力，在理解的基础上编排内容格式的 AI 应用。

GenOffice排版复现文档

我进一步要求 GenOffice 优化格式：我将在网上复制的论文格式要求发送给 GenOffice，这次它仅用了 30 秒，就将全文格式整理完毕。经过仔细审查，生成的 Word 文档没有丢失原论文任何内容，格式完全按照要求，并将角标脚注等内容还原到了正确的位置。

在后续，我要求 GenOffice 精准调整参考文献部分的格式，它也完美完成了任务。

总结而言，GenOffice 目前展现出来的格式批量编辑能力已经足够实用。只要用户能整理好格式需求，GenOffice 就能调动模型强大的泛化能力，连接自身扎实的转换层工具，将内容转换为可交付级的文档，补上 AI 办公工作流的最后一环。

在测试 PPT 环节，笔者将自己最近研究项目的一部分交给了 GenOffice：

我将 2026 年上半年在 Kickstarter 上表现较好的「本地 AI」硬件项目的基本信息发送给 GenOffice，要求它利用 Genspark 生态的信息搜索能力，整合各个项目的细节，编排「本地 AI」赛道硬件产品的综述 PPT。

提示词：为 kickstarter 上 2026 上半年的 7 个本地 AI 项目做介绍 ppt。

结果如下：

首先，它有效利用了 Genspark 的信息收集能力，查找到的信息覆盖了产品的主要卖点。但在内容组织方面，模型没有把资料归纳成清晰的叙事表达，只是简单地设计了众筹成绩、产品卖点、编辑评论等板块，再将信息直接填入页面，导致内容极度碎片化。

其次，在逐页生成的过程中，它很难保持统一的视觉风格，每张幻灯片的字体、间距、对齐方式都会有轻微差异。尽管它生成的的确是可编辑的 PPT 文件，但挨个调整版式的工作量，已经足以令人心累。

最后，它的视觉风格不够自然，仍是典型的 AI 幻灯片风格。

一个可能的解释是：驱动 GenOffice 框架完成排版，对模型而言仍是一项高负担任务。单次任务从零生成时，模型需要同时处理内容组织与版式编排，难以兼顾内容创作与审美设计能力。

如果「一站式生成」的效果不理想，那么为它加上模板约束，并且单次生成只专注于一个工作步骤呢？

首先，我找到了一份 HTML 格式的 PPT 模板，要求 GenOffice 将其 1:1 复刻为 pptx 格式。结果如下：

GenOffice 的转换层能力忠实还原了原模板的视觉风格，打破了 Html 代码与可编辑的 PPT 文件间的界限。接着，我将另一个 Agent 生成的详细产品分析文案内容输入给 GenOffice，要求它根据已有模板生成完整 PPT 文件。

提示词：请以这个模板的视觉风格为基础。根据文案附件内容制作 PPT。

这一次，专注于排版任务的 GenOffice 给出了结构清晰、风格明确的成果。

通过测试我们发现，我们仍不能把 GenOffice 当成一个全栈 PPT 设计师。当处于「一句话生成」的场景中时，由于工作流缺少全局样式约束、内容规划与页面生成互相挤占，结果便是风格漂移、内容散乱。

而随后的 HTML 模板测试给出了另一面的答案——GenOffice 的转换层效率已经相当值得信赖。当页面结构与视觉规范被提前固定后，它的设计与排版表现得到了明显提升。

两轮测试后，我们得出了让 GenOffice 高质量产出的关键：多加限制，各司其职。

用户仍需要负责提供结构与规范，把控内容生产，再让转换层负责格式落地——明确分工，固定流程，GenOffice 才能交出接近成品的答卷。

几轮测试下来，GenOffice 的能力边界有了较清晰的轮廓：它作为 Office 软件的基础能力仍有相当大的提升空间；但作为 AI 生成到可交付成品的转换层工具，它的能力又已足够扎实：论文格式一键整理、HTML 模板 1:1 还原……只要搭配合适的工作流，它已经能给出接近成品的答卷。

但是，产出答卷的代价……有些贵。

GenOffice 的 AI 能力调用的是 Genspark 自有的 AI 生态，按积分计费。完成以上所有测试，我消耗了 22911 积分，价格近 60 美元。对于个人用户，这样的工作消费有些难以承受。

此时，开源精神的价值展露无遗。

尽管 Genspark 没有在软件内部预留外部 API 接口，但在从源码构建 GenOffice 后，我通过 Coding Agent 找到了项目中放置 API 接口的文件，并成功接入了当前最实用廉价的模型：DeepSeek V4 Flash 正式版。

用同一批任务复测：

作为一套专攻文档格式的 Harness，GenOffice 与 DeepSeek V4 Flash 的协作表现良好。在论文排版、基础格式调整等文本任务上，其表现与官方接口相当；但在涉及 PPT 制作、视觉还原的复杂任务上则明显逊色——这与 DeepSeek V4 缺少多模态能力的短板吻合。但最直观的差异体现在账单上：跑完全部任务，DeepSeek V4 Flash 仅仅花费了不到 5 元人民币。

当然，这不是在贬低 Genspark 的订阅价值，Genspark 卖的本就不是 Token，是 SecondBrain 记忆层、Super Agent、AI Slides/Sheets/Docs 共同构成的一体化工作空间，是「All in One 上下文」的生态沉淀。

更何况，对 Genspark 的主要服务的 7000 多家企业而言，数据沉淀、团队协作、合规与售后保障，每一项都有着难以割舍的价值。

GenOffice 开源版把模型的选择权交还到用户手里，Genspark 生态则依靠订阅收入生存，这两件事看似一舍一得，实则互为表里——正如景鲲在 AGI Playground 2026 舞台对谈中坦言的那样，他认为未来模型会逐渐变成商品化的基础设施，闭源与开源也终将走向融合。把重要的产品工具完全开源，短期是放弃收入，长期却是加速产品的成长，并为 Genspark 的整体生态铺路。

把能力开放给所有人，然后相信价值终会回流——这或许就是 AI 精神最朴素的样子，也是这家信奉「向死而生」的公司的忠实写照。