企业智能体的竞争，正在从“谁的模型分数更高”转向“谁能把一项工作稳定做完”。8月13日，Writer发布Palmyra X6并同步升级WRITER Agent。新模型以开源GLM-5.2为底座进行后训练，公司称其可围绕单一目标无人值守运行最长8小时，平均完成一项任务约花费0.12美元，成本和耗时均约为上一代X5的一半。

不是只换一个模型，X6与智能体系统被一起设计

Writer没有把重点放在通识问答，而是用客户真实运行的生产任务构建内部评估：包括从知识图谱检索22个材料并逐项引用、在3000字内容中保持品牌口吻、把研究任务交给子智能体后再合并结果。评估分为九个能力维度，X6在全部维度上相对锁定基线有所提高，其中检索与事实落地提升0.12，MCP工具使用提升0.10。

这些分数测量的是“X6运行在WRITER Agent中”的组合效果，不是裸模型单独成绩。模型会遇到平台真实的连接器格式，知识图谱也针对它的检索方式调整。对企业用户来说，这更接近实际采购对象；对横向比较来说，也意味着不能把结果直接当作纯模型排行榜。

8小时无人值守，关键是守住目标而非塞满上下文

官方给出的代表性任务从接收目标开始，1小时形成41项有序计划，3小时42分在自检失败后完成修正，6小时15分把吞吐提升34%，最终在8小时节点交付经过验证的结果。这个案例要表达的不是模型连续输出8小时，而是它能在计划、执行、测试、纠错和交付之间维持同一个目标。

长任务最昂贵的失败往往发生在后半程：模型到第六小时偏离方向，前五小时消耗的调用、检索和工具成本就可能全部浪费。X6把“最长8小时”作为产品指标，说明智能体厂商开始把持续性、可恢复性和单位完成任务成本放到模型能力之前。它瞄准的不是一次回答，而是后台市场监测、竞争动态跟踪、代码仓库处理等可持续流程。

平台同时保留多模型支持。管理员可启用其他供应商模型，用户可在任务开始时选择，也可从Azure、AWS Bedrock和NVIDIA NIM接入自带模型。这种设计既给X6提供默认入口，也避免企业把全部工作流锁死在一个模型上。

省下的不只是单价，而是智能体回路里的无效token

与模型同步发布的编排研究进一步解释了0.12美元从何而来。Writer把稳定的系统提示、工具目录和持久记录放在可缓存前缀，把时钟、文件列表和临时计划留在每轮变化的尾部；一个示例回合中，7886个提示token有7876个由缓存读取，主要输入项约按标价十分之一计费。

系统还在上下文预算达到80%时生成结构化检查点，把决策、约束、失败路径和下一步压缩保存；子智能体只返回不超过8KB的摘要，等待人工批准或后台任务时则暂停到零token消耗。崩溃后从事件日志继续，而不是重买此前40轮调用。失败被分类并限制重试，避免工具报错演变成成本失控的循环。

在22项锁定任务和六个模型的内部试验中，优化后的编排层把平均token从1.42万降到8800，成本从0.21美元降到0.12美元，中位耗时从48秒降到27秒；任务完成质量从0.78到0.81，官方将其表述为基本持平。样本只有22项，质量变化只能视为方向性结果，尚不能替代更大规模独立复测。

开源底座之后，差距转向后训练与系统工程

Palmyra X6建立在GLM-5.2之上，却以Writer自己的企业任务、连接器和知识系统重新塑形。它说明开源模型不只被用于低价部署，也在成为国际企业AI产品的底层原料。模型厂商的护城河随之从“拥有一套权重”扩展到后训练数据、工具协议、上下文管理、故障恢复与治理能力的组合。

局限同样清楚：性能、成本和8小时案例主要来自厂商内部评估，且结果包含模型与智能体平台的共同贡献；不同企业的数据质量、连接器数量、审批链和失败率会显著改变每项任务的实际价格。0.12美元不是任意长任务的固定账单，也不能由单次演示推导出普遍可靠性。

ATYUN认为，这次发布最值得关注的不是又多了一个企业模型名称，而是“模型＋编排层”正在成为新的性能单位。若外部用户能复现成本下降和长任务稳定性，企业选型将更少围绕榜单第一名，更多围绕一项业务究竟能否完成、失败后能否续跑、每次交付到底花多少钱。