أطلقت Writer في 13 أغسطس 2026 نموذجها الرئيسي الجديد Palmyra X6 لمنصة وكلاء الذكاء الاصطناعي الموجهة إلى الشركات، بالتزامن مع إعادة بناء طبقة تنسيق المهام Writer Agent harness وإضافة أدوات حوكمة لمتابعة الاستخدام ووضع حدود للإنفاق. وتقول الشركة إن تشغيل منتجها مع Palmyra X6 يخفض التكلفة بمتوسط 52%، مع تحسن السرعة بنسبة 48% والجودة بنسبة 10%.
تأتي الخطوة في وقت أصبحت فيه تكلفة الوكلاء عاملاً رئيسياً في قرارات شراء تقنيات الذكاء الاصطناعي داخل المؤسسات. فالوكلاء لا يكتفون عادةً بإنتاج إجابة واحدة، بل ينفذون دورات متكررة من التخطيط والاسترجاع واستدعاء الأدوات والتحقق وإعادة المحاولة، ما يعني استهلاك رموز أكثر من روبوتات المحادثة التقليدية. ووفقاً لتوقعات Goldman Sachs الواردة في المادة، قد يتضاعف استهلاك الرموز 24 مرة بين عامي 2026 و2030 ليصل إلى 120 كوادريليون رمز شهرياً، مدفوعاً بانتشار الوكلاء العاملين بصورة مستمرة.
نموذج مبني على أوزان مفتوحة
لا يدّعي Writer أنها دربت Palmyra X6 من الصفر. فالنموذج نسخة خضعت لتدريب لاحق من GLM-5.2، وهو نموذج mixture-of-experts مفتوح الأوزان من شركة Z.ai الصينية، المعروفة سابقاً باسم Zhipu AI. ووفق التقرير التقني للشركة، يحتفظ X6 ببنية GLM-5.2، ويضم 744 مليار مُعامل، مع تفعيل نحو 40 مليار مُعامل لكل رمز.
استخدمت Writer أسلوباً أسمته anchored supervised fine-tuning، أو ASFT، على مجموعة صغيرة من 626 مساراً اصطناعياً منتقاة لمهام الوكلاء، ولمدة دورة تدريب واحدة وبمعدل تعلم منخفض. ويستخدم الأسلوب آلية لترجيح الرموز ومرساة قائمة على تباعد Kullback-Leibler للحد من ابتعاد النموذج المدرب عن نسخة ثابتة من النموذج الأساسي. كما استبدلت الشركة مُحسِّن Adam بمُحسِّن Muon في مصفوفات الأوزان الأساسية.
كانت بيانات التدريب اصطناعية بالكامل؛ إذ ولّدت نماذج معلمة خطط المهام واستدعاءات الأدوات والإجابات النهائية، ثم مرّت عبر بوابات جودة هيكلية ومدقق قائم على نموذج ولجنة تحكيم مكونة من نموذجين لغويين قبل استخدامها في التدريب.
السعر والأداء وفق اختبارات Writer
في تقييمات داخلية شملت تسع قدرات، من بينها الاسترجاع المؤسس على المصادر واستخدام الأدوات وتوليد المحتوى وتفويض المهام إلى الوكلاء الفرعيين والالتزام بصوت العلامة التجارية، حصل Palmyra X6 على متوسط 0.87 من 1.00. وتقارن Writer هذه النتيجة بـ0.86 لـClaude Opus 4.8، و0.85 لـClaude Sonnet 4.6، و0.80 لـGPT-5.5، و0.77 لـGemini 3.1.
تسعّر الشركة النموذج عند دولارين لكل مليون رمز إدخال وثمانية دولارات لكل مليون رمز إخراج، مقابل 15 و75 دولاراً على التوالي لـClaude Opus 4.8. وتقول إن X6 ينفذ المهام خلال 26 ثانية في المتوسط، ويمكنه العمل دون إشراف مباشر لتحقيق هدف واحد لمدة تصل إلى ثماني ساعات.
ومع ذلك، تستند هذه المقارنات جزئياً إلى اختبارات داخلية أجرتها Writer نفسها. وقال Dan Bikel، الذي يقود أبحاث الذكاء الاصطناعي في الشركة، إن التقرير التقني يتضمن بروتوكول الاختبارات العامة والتقييمات الداخلية، موضحاً أن الاختبارات العامة تُستخدم بوصفها مؤشرات للتحقق من عدم وجود فجوات كبيرة، لا باعتبارها أهداف التدريب الرئيسية.
البنية التحتية والحوكمة
تقول Writer إن أوزان النموذج حُصل عليها من مستودع Hugging Face في الولايات المتحدة، وإن التدريب جرى بالكامل على بنية تحتية أمريكية، مع توليد مجموعات البيانات وتخزينها في الولايات المتحدة واستخدام أجهزة تدريب موجودة هناك. كما أجرت الشركة تقييماً مسجلاً مسبقاً لمخاطر النموذج شمل التحيز السياسي والرقابة والدقة وسلوك الرفض، وضم 19,674 استجابة قيّمها محكمون مجهّلون.
وتشير نتائج Writer إلى أن X6 عرض جانبي الأسئلة السياسية الحساسة في 80% من الحالات ضمن تقييم ModelSlant التابع لصحيفة Washington Post، كما حقق، عند استخدام رسالة النظام الخاصة بالنشر، تحسناً قدره 8.6 نقاط في السلامة ضد الهجمات ضمن معيار FORTRESS مقارنةً بنسخة GLM-5.2 الأساسية. لكن التقرير أقر بأن سلوك النموذج يختلف باختلاف اللغة، ما يعني أن التدريب اللاحق المحدود لا يزيل بالضرورة كل آثار النموذج الأساسي.
إلى جانب النموذج، أعادت Writer بناء طبقة التنسيق التي تخطط للمهام وتجمع الأعمال وتفوضها إلى وكلاء فرعيين وتدير السياق. وتقول الشركة إن هذه الطبقة تخفض التكلفة بنسبة 41% وتسرّع إكمال المهام بنسبة 44% عبر جميع النماذج التي اختبرتها، بما في ذلك نماذج Anthropic وOpenAI، مع الحفاظ على الجودة.
كما وسّعت Writer دعم النماذج المتعددة داخل Writer Agent، بحيث يستطيع المسؤولون تفعيل نماذج من Anthropic وOpenAI ومزودي الخدمات السحابية، بمن فيهم Microsoft Azure وAWS Bedrock وNvidia NIM، إضافة إلى نماذج توليد الصور.
رؤية موحدة لتكاليف الوكلاء
تضيف أدوات الحوكمة الجديدة عرضاً مركزياً لاستخدام الوكلاء على مستوى المؤسسة، وتحليلات لكل سير عمل ضمن الأتمتة القابلة للمشاركة Playbooks وSkills، إلى جانب تنبيهات الاستهلاك وحدود الإنفاق. وتهدف هذه الأدوات إلى مساعدة مسؤولي تقنية المعلومات والأمن على معرفة تكلفة كل سير عمل قبل توسيع نطاق استخدامه.
تقول Writer إن خفض التكلفة لا يهدف إلى تقليص إيراداتها، بل إلى فتح حالات استخدام لم تكن المؤسسات ستؤتمتها سابقاً بسبب تكلفة العمالة أو استهلاك الرموز. وتقدم الشركة إطلاق Palmyra X6 وطبقة التنسيق وأدوات الحوكمة كمنظومة واحدة تركز على تكلفة المهمة الناجحة، لا على سعر الرمز المعلن فقط.