企业用AI做事，账单往往不是一次问答产生的，而是Agent反复读材料、调用工具、检查结果，一轮轮累积起来。每次处理的Token——模型拆分文本后用于计算和计费的单位——越多，成本通常越高。据TechCrunch报道，Writer推出旗舰模型Palmyra X6，希望同时从模型和执行系统两头省钱。
Palmyra X6并非从零训练，而是以Z.ai的GLM-5.2为底座做后训练——在基础模型训练完成后，再调整它处理企业任务的方式。Writer还升级了Harness，也就是包在模型外、负责提示词、工具调用、上下文管理和结果检查的整套系统。公司估算，两者结合可让基础任务成本最多下降50%；其研究人员此前测试多种模型时发现，改进Harness带来的成本降幅平均为40%，而且往往比更换模型更稳定。
值得注意的是，Writer把“少用Token、可以直接部署”放到了与模型能力同等重要的位置。开放权重底座降低了从头训练的门槛，但最终效果仍取决于后训练和运行系统；上述降本数字目前来自Writer自述，报道未披露具体客户场景与完整测算细节。