Writer представила Palmyra X6 и обновила инфраструктуру ИИ-агентов

Writer представила флагманскую ИИ-модель Palmyra X6 и крупное обновление стандартной инфраструктуры для агентов. Компания заявляет, что сочетание новой модели и доработок harness позволит её клиентам сократить расходы на базовые задачи до 50%. Оба обновления стали доступны клиентам Writer в четверг.

Palmyra X6 создана как вариант дообучения открытой модели GLM-5.2 компании Z.ai. Writer позиционирует систему как готовую к развёртыванию в корпоративной среде и ориентированную на снижение стоимости обработки запросов.

Ставка на меньшее число токенов

Основной фокус Palmyra X6 — сложные многошаговые задачи, которые должны выполняться быстрее и с меньшим расходом токенов. Генеральный директор Writer Мэй Хабиб заявила TechCrunch, что корпоративные заказчики устали от гонки бенчмарков и хотят стабилизировать затраты.

В компании считают, что выбор модели — не единственный способ уменьшить стоимость ИИ-системы. Существенную роль играет harness: инфраструктурный слой, который организует работу модели и агентов при выполнении задач.

Эффект инфраструктурной оптимизации

Исследователи Writer проверили небольшие изменения эффективности harness на нескольких моделях. В среднем затраты в тестах снизились на 40%, а оптимизация этого слоя во многих случаях оказалась более надёжным способом экономии, чем смена модели.

Writer отмечает, что эффективность harness масштабируется на все используемые организацией модели — текущие и будущие. Это особенно важно для компаний, которые комбинируют собственные и внешние модели в одном агентном контуре.

Выбор моделей остаётся открытым

Для клиентов Writer Palmyra X6 не станет единственным вариантом: модель будет работать рядом с другими моделями Writer и внешними системами, импортированными через Azure или Amazon Bedrock. Такой подход сохраняет модельную независимость при использовании единой инфраструктуры агентов.

Рынок открытых моделей и закрытых платформ продолжает развиваться по разным траекториям: Открытый ИИ пока не вытесняет Anthropic показывает, что доступность открытых моделей сама по себе не гарантирует вытеснения крупных поставщиков. В случае Writer ключевым аргументом становится не только модель, но и сокращение токенов за счёт настройки агентного слоя.

Для бизнеса практический вывод состоит в том, что при оценке расходов на генеративный ИИ стоит проверять не только тарифы за токены и результаты бенчмарков. Не менее важны сценарии многошаговой работы и эффективность инфраструктуры, которая управляет вызовами моделей.