Writer Palmyra X6: agent AI tańszy o 52% dzięki otwartemu modelowi GLM-5.2

Obietnice związane z agentami AI w przedsiębiorstwach są kuszące – ogromne zyski wydajnościowe. Problem w tym, że rachunki za ich działanie często bywają jeszcze bardziej imponujące. 13 sierpnia 2026 roku Writer zaprezentował Palmyra X6, nowy flagowy model, który jest swego rodzaju „post-trainingową” wariacją otwartego modelu GLM-5.2 od Z.ai . Firma pokazała też znaczące ulepszenia swojego Writer Agent harness – platformy orkiestrującej, która zarządza wykonywaniem przez AI złożonych, wieloetapowych zadań . Przekaz Writera jest prosty: dzięki tym zmianom koszt uruchamiania zaawansowanych agentów AI można obciąć ponad o połowę, co może zmienić sposób, w jaki duże firmy budżetują automatyzację opartą na sztucznej inteligencji.

Co dokładnie uruchomił Writer: Palmyra X6 i przeprojektowany harness

Ogłoszenie miało dwa główne elementy:

• Palmyra X6: Nowy flagowy model, opisany jako model agentowy stworzony z myślą o długoterminowych przepływach pracy w przedsiębiorstwach. Wspiera sub-agentów, grounding (odwoływanie się do konkretnych danych) oraz korzystanie z narzędzi poprzez protokół MCP . Dokumentacja Writera wskazuje go jako domyślny model dla oferty Writer Agent .

• Ulepszony Writer Agent harness: Platforma orkiestracji agentów została przeprojektowana, aby zoptymalizować zużycie tokenów w długich, wieloetapowych przepływach agentowych . To właśnie ten harness kontroluje, jak model sekwencjonuje kroki wnioskowania, wywołuje zewnętrzne narzędzia i zarządza kontekstem.

Jak optymalizacja harnessu obniża koszty

Oszczędności, które deklaruje Writer, nie wynikają z jednej sztuczki, ale z połączenia wydajności modelu i inteligentniejszej orkiestracji:

• 52% niższy średni koszt: Agenci współpracujący z Palmyra X6 realizują złożone, wieloetapowe zadania średnio o 52% taniej w porównaniu z poprzednią generacją .
• Koszt zadania o połowę mniejszy: Koszt pojedynczego zadania agenta spadł z około 0,25 USD do około 0,12 USD .
• 48% szybsze działanie: Czas wykonania zadań agentowych jest o blisko połowę krótszy – zadania są realizowane średnio w około 26 sekund, przy szybkości generowania 82 tokenów na sekundę .
• 10% lepsza jakość wyników według wewnętrznych benchmarków Writera .
• Długotrwałe działanie bez nadzoru: Nowy harness i model mogą wykonywać zadania agentów bez nadzoru nawet przez osiem godzin, co redukuje nakład pracy związany z ręcznym monitorowaniem i ponownym kierowaniem zapytań .
• Targetowana optymalizacja tokenów: Harness bezpośrednio optymalizuje sposób zużywania tokenów podczas wieloetapowego wnioskowania, ograniczając straty w długich łańcuchach działań agenta .

Kont tekst: Writer specjalizuje się w narzędziach AI i agentach dla zespołów marketingowych i sprzedażowych, obsługując klientów z listy Fortune 500, takich jak Accenture, Uber i Vanguard . Kluczowa teza firmy jest taka, że łącząc model o konkurencyjnych możliwościach z inteligentniejszym harnessem orkiestracyjnym, przedsiębiorstwa mogą wdrażać trwałe, wieloetapowe agentów AI za „ułamek kosztów” konkurencyjnych rozwiązań .

Dlaczego otwarte fundamenty mają znaczenie

Palmyra X6 bazuje na modelu GLM-5.2 od Z.ai, który ma otwartą wagę. To podejście pozwala Writerowi czerpać korzyści z otwartej bazy, jednocześnie dodając własne, zastrzeżone dostrojenie (post-training), które dopasowuje model do zadań agentowych w przedsiębiorstwach . Ta hybrydowa strategia – wykorzystanie wydajnego otwartego modelu i jego dostrojenie do specyficznych zastosowań – staje się coraz bardziej popularna wśród firm AI, które chcą kontrolować koszty i czas rozwoju, nie rezygnując przy tym z konkurencyjnej wydajności.

Co to oznacza dla nabywców rozwiązań AI w firmach

Dla przedsiębiorstw oceniających platformy agentów AI dane Writera sugerują, że ekonomika uruchamiania złożonych, wieloetapowych agentów AI może ulegać zmianie. Połączenie 52% redukcji kosztów, prawie o połowę krótszego czasu oczekiwania oraz możliwości pracy bez nadzoru przez osiem godzin odpowiada na dwie najbardziej uporczywe bolączki związane z agentami AI w firmach: nieprzewidywalne koszty i konieczność stałego nadzoru człowieka. Jeśli te deklaracje sprawdzą się w praktyce, mogą sprawić, że agentowa AI stanie się opłacalna dla obciążeń o dużej objętości, które wcześniej były zbyt drogie do automatyzacji.

Oczywiście liczby te pochodzą z wewnętrznych testów Writera, a rzeczywiste rezultaty mogą się różnić w zależności od złożoności i struktury konkretnych zadań. Niezależna walidacja deklarowanych redukcji kosztów dałaby kupującym jaśniejszy obraz.