企业客户正越来越关注 AI 部署成本，尤其是在大模型调用量持续上升的背景下。Writer 这次发布的新模型和配套工具，瞄准的就是这一压力点：尽量在不改变企业使用习惯的情况下压低执行成本。
Palmyra X6面向企业部署
Writer 周四发布新旗舰模型 Palmyra X6。该模型基于 Z.ai 开源模型 GLM-5.2 的后训练版本打造，定位是面向企业直接落地使用，而不是单纯追求基准测试成绩。
公司称，Palmyra X6 将与其他 Writer 模型，以及通过 Azure 或 Amazon Bedrock 接入的外部模型并行提供，客户不需要围绕单一模型重建整体系统。
配套升级瞄准令牌成本
与新模型一同发布的，还有 Writer 标准 agentic harness 的一轮重要升级。重点不只是模型本身，而是模型执行多步骤任务时的调度、调用和推理流程。
- 新模型为 Palmyra X6
- 基础模型来自 GLM-5.2
- 基础任务成本最高可降 50%
Writer 预计，新模型加上这套基础设施调整后，客户在基础任务上的成本最高可下降 50%。公司强调，复杂任务如果能以更少 token、更快速度完成，整体部署费用就会明显下降。
研究称流程优化更有效
Writer 研究团队近期发布的一篇论文也支持这一判断。论文测试了多种模型在不同执行流程下的成本变化，结果显示，很多情况下，优化 harness 效率比单纯更换模型更稳定，平均可带来约 40% 的成本下降。
Writer 首席执行官 May Habib 表示，企业客户对持续追逐新基准测试的兴趣正在减弱，关注点正转向成本能否稳定下来。她还称，部分企业技术负责人对大型 AI 实验室的信任正在下降，原因之一是后者的商业模式与 token 使用量高度相关。
