Writer เปิดตัวอะไรบ้าง: Palmyra X6 และระบบฮาร์เนสที่ออกแบบใหม่

การประกาศครั้งนี้มีองค์ประกอบหลักสองส่วน:

• Palmyra X6: โมเดลเรือธงรุ่นใหม่ที่ถูกออกแบบมาเป็นโมเดลแบบ 'agentic' โดยเฉพาะ สำหรับเวิร์กโฟลว์องค์กรระยะยาว (long-horizon) รองรับการทำงานของ sub-agents, การเชื่อมโยงข้อมูล (grounding), และการใช้งานเครื่องมือ MCP เอกสารของ Writer ระบุว่านี่คือโมเดลเริ่มต้นสำหรับบริการ Writer Agent
• Writer Agent harness ที่อัปเกรดแล้ว: แพลตฟอร์มออร์เคสตรา Agent ถูกออกแบบใหม่เพื่อเพิ่มประสิทธิภาพการใช้โทเคนในเวิร์กโฟลว์แบบหลายขั้นตอนที่ทำงานยาวนาน ระบบฮาร์เนสนี้ควบคุมว่าโมเดลจะเรียงลำดับขั้นตอนการใช้เหตุผล เรียกใช้เครื่องมือภายนอก และจัดการบริบทอย่างไร

การเพิ่มประสิทธิภาพฮาร์เนสช่วยลดต้นทุนได้อย่างไร

การลดต้นทุนที่ Writer อ้างถึงนั้นไม่ได้มาจากเวทมนตร์เพียงอย่างเดียว แต่มาจากการผสมผสานระหว่างประสิทธิภาพของโมเดลและการออร์เคสตราที่ชาญฉลาดยิ่งขึ้น:

• ต้นทุนเฉลี่ยลดลง 52%: Agent ที่จับคู่กับ Palmyra X6 สามารถทำงานเวิร์กโฟลว์แบบหลายขั้นตอนที่ซับซ้อนได้ด้วยต้นทุนเฉลี่ยต่ำกว่ารุ่นก่อนหน้าถึง 52%
• ต้นทุนต่อภารกิจลดลงครึ่งหนึ่ง: ต้นทุนต่อภารกิจของ Agent ลดลงจากประมาณ 0.25 ดอลลาร์สหรัฐ เหลือประมาณ 0.12 ดอลลาร์สหรัฐ
• ความเร็วเพิ่มขึ้น 48%: เวลาในการดำเนินการภารกิจของ Agent ลดลงประมาณครึ่งหนึ่ง โดยแต่ละภารกิจใช้เวลาเฉลี่ยประมาณ 26 วินาที ที่อัตราการส่งออก 82 โทเคนต่อวินาที
• คุณภาพเอาต์พุตดีขึ้น 10% ตามเกณฑ์มาตรฐานภายในของ Writer
• Agent ทำงานระยะยาวโดยไม่ต้องมีคนควบคุม: ระบบฮาร์เนสและโมเดลใหม่สามารถทำงาน Agent ได้โดยอัตโนมัติเป็นเวลานานถึง 8 ชั่วโมง โดยไม่ต้องมีคนดูแล ช่วยลดภาระงานในการควบคุมดูแลและป้อนคำสั่งซ้ำ
• การเพิ่มประสิทธิภาพโทเคนแบบตรงจุด: ระบบฮาร์เนสจะเพิ่มประสิทธิภาพการใช้โทเคนในระหว่างขั้นตอนการใช้เหตุผลแบบหลายขั้นตอนโดยตรง ตัดของเสียในห่วงโซ่ของการกระทำที่ยาวนานของ Agent

เกร็ดความรู้: Writer เชี่ยวชาญด้านเครื่องมือ AI และ Agent สำหรับทีมการตลาดและรายได้ โดยให้บริการแก่ลูกค้า Fortune 500 รวมถึง Accenture, Uber และ Vanguard ข้ออ้างหลักของบริษัทคือ การจับคู่โมเดลที่สามารถแข่งขันได้กับระบบออร์เคสตราที่ชาญฉลาด จะช่วยให้องค์กรสามารถปรับใช้ AI Agent ที่ทำงานต่อเนื่องและหลายขั้นตอนได้ใน “ต้นทุนเพียงเศษเสี้ยว” เมื่อเทียบกับโซลูชันอื่น

เหตุใดรากฐานแบบโอเพนซอร์สจึงสำคัญ

Palmyra X6 มีพื้นฐานมาจากโมเดลโอเพนเวท GLM-5.2 ของ Z.ai แนวทางนี้ช่วยให้ Writer ได้รับประโยชน์จากโมเดลพื้นฐานโอเพนซอร์ส ในขณะที่เพิ่มการปรับแต่งหลังการฝึกที่เป็นกรรมสิทธิ์ของตนเองเพื่อปรับแต่งโมเดลให้เหมาะกับงาน Agent ขององค์กร กลยุทธ์แบบผสมผสานนี้ — การนำโมเดลโอเพนซอร์สที่มีความสามารถมาแล้วปรับแต่งอย่างละเอียดสำหรับเวิร์กโฟลว์เฉพาะด้าน — กำลังเป็นที่นิยมมากขึ้นในหมู่บริษัท AI ที่ต้องการควบคุมต้นทุนและเวลาพัฒนา ในขณะที่ยังคงส่งมอบประสิทธิภาพที่สามารถแข่งขันได้

สิ่งนี้หมายถึงอะไรสำหรับผู้ซื้อ AI ระดับองค์กร

สำหรับองค์กรที่กำลังประเมินแพลตฟอร์ม AI Agent ตัวเลขของWriter ชี้ให้เห็นว่าเศรษฐศาสตร์ของการทำงาน AI Agent ที่ซับซ้อนและหลายขั้นตอนอาจกำลังเปลี่ยนแปลง การผสมผสานระหว่างการลดต้นทุน 52% ระยะเวลาแฝงที่ลดลงเกือบครึ่ง และความสามารถในการรัน Agent โดยไม่มีคนดูแลนานถึง 8 ชั่วโมง ช่วยแก้ปัญหาสองข้อที่ถูกบ่นมากที่สุดเกี่ยวกับ AI Agent ระดับองค์กร: ต้นทุนที่คาดเดาไม่ได้ และความจำเป็นในการควบคุมดูแลโดยมนุษย์ตลอดเวลา หากข้ออ้างเหล่านี้เป็นจริงในทางปฏิบัติ ก็อาจทำให้ AI แบบ Agentic ทำงานได้ในปริมาณงานสูงที่ก่อนหน้านี้แพงเกินไปที่จะทำให้เป็นระบบอัตโนมัติ

แน่นอนว่าตัวเลขเหล่านี้มาจากการทดสอบภายในของ Writer เอง และผลลัพธ์ในโลกความเป็นจริงอาจแตกต่างกันไปขึ้นอยู่กับความซับซ้อนและโครงสร้างของงานในองค์กรแต่ละแห่ง การตรวจสอบอิสระเกี่ยวกับการลดต้นทุนที่อ้างว่าอาจให้ภาพที่ชัดเจนยิ่งขึ้นสำหรับผู้ซื้อ

Writer เปิดตัวอะไรบ้าง: Palmyra X6 และระบบฮาร์เนสที่ออกแบบใหม่

การประกาศครั้งนี้มีองค์ประกอบหลักสองส่วน:

• Palmyra X6: โมเดลเรือธงรุ่นใหม่ที่ถูกออกแบบมาเป็นโมเดลแบบ 'agentic' โดยเฉพาะ สำหรับเวิร์กโฟลว์องค์กรระยะยาว (long-horizon) รองรับการทำงานของ sub-agents, การเชื่อมโยงข้อมูล (grounding), และการใช้งานเครื่องมือ MCP เอกสารของ Writer ระบุว่านี่คือโมเดลเริ่มต้นสำหรับบริการ Writer Agent
• Writer Agent harness ที่อัปเกรดแล้ว: แพลตฟอร์มออร์เคสตรา Agent ถูกออกแบบใหม่เพื่อเพิ่มประสิทธิภาพการใช้โทเคนในเวิร์กโฟลว์แบบหลายขั้นตอนที่ทำงานยาวนาน ระบบฮาร์เนสนี้ควบคุมว่าโมเดลจะเรียงลำดับขั้นตอนการใช้เหตุผล เรียกใช้เครื่องมือภายนอก และจัดการบริบทอย่างไร

การเพิ่มประสิทธิภาพฮาร์เนสช่วยลดต้นทุนได้อย่างไร

การลดต้นทุนที่ Writer อ้างถึงนั้นไม่ได้มาจากเวทมนตร์เพียงอย่างเดียว แต่มาจากการผสมผสานระหว่างประสิทธิภาพของโมเดลและการออร์เคสตราที่ชาญฉลาดยิ่งขึ้น:

• ต้นทุนเฉลี่ยลดลง 52%: Agent ที่จับคู่กับ Palmyra X6 สามารถทำงานเวิร์กโฟลว์แบบหลายขั้นตอนที่ซับซ้อนได้ด้วยต้นทุนเฉลี่ยต่ำกว่ารุ่นก่อนหน้าถึง 52%
• ต้นทุนต่อภารกิจลดลงครึ่งหนึ่ง: ต้นทุนต่อภารกิจของ Agent ลดลงจากประมาณ 0.25 ดอลลาร์สหรัฐ เหลือประมาณ 0.12 ดอลลาร์สหรัฐ
• ความเร็วเพิ่มขึ้น 48%: เวลาในการดำเนินการภารกิจของ Agent ลดลงประมาณครึ่งหนึ่ง โดยแต่ละภารกิจใช้เวลาเฉลี่ยประมาณ 26 วินาที ที่อัตราการส่งออก 82 โทเคนต่อวินาที
• คุณภาพเอาต์พุตดีขึ้น 10% ตามเกณฑ์มาตรฐานภายในของ Writer
• Agent ทำงานระยะยาวโดยไม่ต้องมีคนควบคุม: ระบบฮาร์เนสและโมเดลใหม่สามารถทำงาน Agent ได้โดยอัตโนมัติเป็นเวลานานถึง 8 ชั่วโมง โดยไม่ต้องมีคนดูแล ช่วยลดภาระงานในการควบคุมดูแลและป้อนคำสั่งซ้ำ
• การเพิ่มประสิทธิภาพโทเคนแบบตรงจุด: ระบบฮาร์เนสจะเพิ่มประสิทธิภาพการใช้โทเคนในระหว่างขั้นตอนการใช้เหตุผลแบบหลายขั้นตอนโดยตรง ตัดของเสียในห่วงโซ่ของการกระทำที่ยาวนานของ Agent

เกร็ดความรู้: Writer เชี่ยวชาญด้านเครื่องมือ AI และ Agent สำหรับทีมการตลาดและรายได้ โดยให้บริการแก่ลูกค้า Fortune 500 รวมถึง Accenture, Uber และ Vanguard ข้ออ้างหลักของบริษัทคือ การจับคู่โมเดลที่สามารถแข่งขันได้กับระบบออร์เคสตราที่ชาญฉลาด จะช่วยให้องค์กรสามารถปรับใช้ AI Agent ที่ทำงานต่อเนื่องและหลายขั้นตอนได้ใน “ต้นทุนเพียงเศษเสี้ยว” เมื่อเทียบกับโซลูชันอื่น

เหตุใดรากฐานแบบโอเพนซอร์สจึงสำคัญ

Palmyra X6 มีพื้นฐานมาจากโมเดลโอเพนเวท GLM-5.2 ของ Z.ai แนวทางนี้ช่วยให้ Writer ได้รับประโยชน์จากโมเดลพื้นฐานโอเพนซอร์ส ในขณะที่เพิ่มการปรับแต่งหลังการฝึกที่เป็นกรรมสิทธิ์ของตนเองเพื่อปรับแต่งโมเดลให้เหมาะกับงาน Agent ขององค์กร กลยุทธ์แบบผสมผสานนี้ — การนำโมเดลโอเพนซอร์สที่มีความสามารถมาแล้วปรับแต่งอย่างละเอียดสำหรับเวิร์กโฟลว์เฉพาะด้าน — กำลังเป็นที่นิยมมากขึ้นในหมู่บริษัท AI ที่ต้องการควบคุมต้นทุนและเวลาพัฒนา ในขณะที่ยังคงส่งมอบประสิทธิภาพที่สามารถแข่งขันได้

สิ่งนี้หมายถึงอะไรสำหรับผู้ซื้อ AI ระดับองค์กร

สำหรับองค์กรที่กำลังประเมินแพลตฟอร์ม AI Agent ตัวเลขของWriter ชี้ให้เห็นว่าเศรษฐศาสตร์ของการทำงาน AI Agent ที่ซับซ้อนและหลายขั้นตอนอาจกำลังเปลี่ยนแปลง การผสมผสานระหว่างการลดต้นทุน 52% ระยะเวลาแฝงที่ลดลงเกือบครึ่ง และความสามารถในการรัน Agent โดยไม่มีคนดูแลนานถึง 8 ชั่วโมง ช่วยแก้ปัญหาสองข้อที่ถูกบ่นมากที่สุดเกี่ยวกับ AI Agent ระดับองค์กร: ต้นทุนที่คาดเดาไม่ได้ และความจำเป็นในการควบคุมดูแลโดยมนุษย์ตลอดเวลา หากข้ออ้างเหล่านี้เป็นจริงในทางปฏิบัติ ก็อาจทำให้ AI แบบ Agentic ทำงานได้ในปริมาณงานสูงที่ก่อนหน้านี้แพงเกินไปที่จะทำให้เป็นระบบอัตโนมัติ

แน่นอนว่าตัวเลขเหล่านี้มาจากการทดสอบภายในของ Writer เอง และผลลัพธ์ในโลกความเป็นจริงอาจแตกต่างกันไปขึ้นอยู่กับความซับซ้อนและโครงสร้างของงานในองค์กรแต่ละแห่ง การตรวจสอบอิสระเกี่ยวกับการลดต้นทุนที่อ้างว่าอาจให้ภาพที่ชัดเจนยิ่งขึ้นสำหรับผู้ซื้อ