Writer 发布旗舰模型 Palmyra X6，号称最高可降本 50%

企业级 AI 工具与智能体厂商 Writer 于周四发布新款旗舰模型 Palmyra X6，并同步升级其智能体执行框架（agentic harness）。Writer 表示，模型与框架双重优化叠加之后，客户在基础任务上的部署成本最多可下降约 50%，平均也有约 40% 的降幅。

模型来源与技术路线

Palmyra X6 并不是从零训练的全新模型，而是基于 Z.ai 的开源模型 GLM-5.2 做的后训练（post-training）变体。Writer 将这一路线定位为「开源低成本 + 企业级即用」的折中：保留开源权重在每 token 成本上的优势，同时通过后训练与配套框架让它达到企业部署的可用性。新模型与升级后的框架从周四起向 Writer 客户开放。

用「框架效率」换「成本控制」

本次升级的核心思路并不是推出一个更大的模型，而是优化模型在多步骤、智能体式任务执行中的 token 使用方式。Writer 研究人员近期发布的一篇论文佐证了这一路线：他们对多个不同模型施加小幅度的框架效率改动后发现，框架层面的优化通常比「换用更便宜的模型」更能稳定地降低推理成本，实验中平均降幅约为 40%。

• 测试覆盖多个主流模型，结论具备一定普适性
• 所谓「框架效率」主要指 token 调度、提示组装、上下文管理等执行层细节

「框架是唯一一个其效率能在企业当前和未来运行的每一个模型上都产生倍增效应的组件」，研究人员在论文中写道。

产品形态：仍是「模型无关」

对 Writer 现有客户而言，体验本身是「模型无关」的。Palmyra X6 将与 Writer 自家原有模型并行存在，同时也支持通过 Azure 或 Amazon Bedrock 接入的外部模型，企业可以按任务类型自由选择后端，不必绑定单一供应商。

行业判断：对头部实验室的信任正在流失

CEO May Habib 在接受 TechCrunch 采访时直言，随着推理成本快速攀升，企业 CIO 正在普遍对头部 AI 实验室失去信心，因为后者有动机通过推高 token 使用量来增加收入。「企业已经厌倦了追逐下一个基准测试。它们要的是成本可控，而现在没有谁能真正做到」，Habib 表示，并补充称这些实验室「并不真正懂得如何帮助企业从 AI 中获得价值」。在她的语境下，这番话既是销售话术，也是对当前行业现状的一种批判性注脚——成本焦虑正在改写企业选型逻辑。