AI行業正面臨日益高漲的部署成本壓力，企業使用者對Token開支愈發敏感。在此背景下，面向營銷人員的AI工具與智慧體提供商Writer於週四釋出新旗艦模型Palmyra X6，並同步升級其智慧體框架（harness），旨在幫助客戶顯著降低使用成本。據公司介紹，Palmyra X6是基於Z.ai的開源模型GLM-5.2進行後訓練改造的變體，因此能以更低價格提供可直接部署的能力。Writer估計，新模型配合框架最佳化，可將客戶基礎任務的成本削減最多50%。兩項功能均於週四起對Writer客戶開放。

Writer的CEO May Habib在採訪中直言：“企業已經徹底厭倦了追逐下一個基準測試分數，他們想要的是成本下降，而似乎沒人能真正實現這一點。”她認為，當前AI實驗室在幫助企業從AI中獲益方面缺乏深刻理解，而成本飆升正促使資訊長（CIO）們對大型AI實驗室失去信任。

新方案特別強調對複雜、多步驟任務的處理，力求以更少的Token、更快的速度完成。Writer將框架最佳化視為實現這一目標的關鍵槓桿。公司研究人員近期發表的一篇論文支援了這一思路：他們在多個不同模型上測試了框架效率的微小改動，結果發現，在許多情況下，調整框架比更換模型更能可靠地降低成本，測試中成本平均下降了40%。研究人員寫道：“框架是唯一一個效率能放大組織執行所有模型（現在和未來）的元件。”

對於Writer的客戶而言，這種體驗仍是模型無關的：Palmyra X6將與Writer的其他模型或通過Azure、Amazon Bedrock匯入的外部模型並列使用。Habib還指出，降本壓力正在加劇企業對大型AI實驗室的不信任，因為這些實驗室有推高Token使用量的財務動機。她補充說：“對客戶而言，成本爆炸是前所未有的，CIO們對實驗室的放棄程度也是前所未有的。”

這一動向反映了AI產業的一個趨勢：隨著部署規模擴大，企業越來越關注Token成本，開源模型與框架最佳化成為控制開支的重要途徑。Writer的舉措既是應對客戶需求的務實選擇，也折射出AI應用層對底層模型成本結構的敏感。對於投資者而言，這提示了AI產業鏈中“降本增效”環節的價值——無論是模型後訓練、框架調優，還是多雲接入，都可能成為企業AI支出的關鍵考量。