AI行业正面临日益高涨的部署成本压力，企业用户对Token开支愈发敏感。在此背景下，面向营销人员的AI工具与智能体提供商Writer于周四发布新旗舰模型Palmyra X6，并同步升级其智能体框架（harness），旨在帮助客户显著降低使用成本。据公司介绍，Palmyra X6是基于Z.ai的开源模型GLM-5.2进行后训练改造的变体，因此能以更低价格提供可直接部署的能力。Writer估计，新模型配合框架优化，可将客户基础任务的成本削减最多50%。两项功能均于周四起对Writer客户开放。

Writer的CEO May Habib在采访中直言：“企业已经彻底厌倦了追逐下一个基准测试分数，他们想要的是成本下降，而似乎没人能真正实现这一点。”她认为，当前AI实验室在帮助企业从AI中获益方面缺乏深刻理解，而成本飙升正促使首席信息官（CIO）们对大型AI实验室失去信任。

新方案特别强调对复杂、多步骤任务的处理，力求以更少的Token、更快的速度完成。Writer将框架优化视为实现这一目标的关键杠杆。公司研究人员近期发表的一篇论文支持了这一思路：他们在多个不同模型上测试了框架效率的微小改动，结果发现，在许多情况下，调整框架比更换模型更能可靠地降低成本，测试中成本平均下降了40%。研究人员写道：“框架是唯一一个效率能放大组织运行所有模型（现在和未来）的组件。”

对于Writer的客户而言，这种体验仍是模型无关的：Palmyra X6将与Writer的其他模型或通过Azure、Amazon Bedrock导入的外部模型并列使用。Habib还指出，降本压力正在加剧企业对大型AI实验室的不信任，因为这些实验室有推高Token使用量的财务动机。她补充说：“对客户而言，成本爆炸是前所未有的，CIO们对实验室的放弃程度也是前所未有的。”

这一动向反映了AI产业的一个趋势：随着部署规模扩大，企业越来越关注Token成本，开源模型与框架优化成为控制开支的重要途径。Writer的举措既是应对客户需求的务实选择，也折射出AI应用层对底层模型成本结构的敏感。对于投资者而言，这提示了AI产业链中“降本增效”环节的价值——无论是模型后训练、框架调优，还是多云接入，都可能成为企业AI支出的关键考量。