Writer hat am 13. August 2026 sein neues Spitzenmodell Palmyra X6 für die auf Unternehmen ausgerichtete Plattform für KI-Agenten auf den Markt gebracht. Gleichzeitig wurde die Aufgabenkoordinierungsebene Writer Agent Harness neu aufgebaut und um Governance-Tools zur Überwachung der Nutzung und zur Begrenzung der Ausgaben ergänzt. Nach Angaben des Unternehmens senkt der Betrieb seines Produkts mit Palmyra X6 die Kosten im Durchschnitt um 52 %, während sich die Geschwindigkeit um 48 % und die Qualität um 10 % verbessern.
Der Schritt erfolgt zu einem Zeitpunkt, an dem die Kosten von Agenten zu einem wichtigen Faktor bei Kaufentscheidungen für KI-Technologien in Unternehmen geworden sind. Agenten erzeugen in der Regel nicht nur eine einzelne Antwort, sondern durchlaufen wiederholt Zyklen aus Planung, Abruf, Tool-Aufrufen, Überprüfung und erneuten Versuchen, was einen höheren Tokenverbrauch als bei herkömmlichen Chatbots bedeutet. Den in dem Beitrag angeführten Prognosen von Goldman Sachs zufolge könnte sich der Tokenverbrauch zwischen 2026 und 2030 ver-24-fachen und 120 Billiarden Token pro Monat erreichen, angetrieben durch die zunehmende Verbreitung kontinuierlich arbeitender Agenten.
Ein auf offenen Gewichten basierendes Modell
Writer behauptet nicht, Palmyra X6 von Grund auf trainiert zu haben. Das Modell ist eine nachtrainierte Version von GLM-5.2, einem Open-Weight-Mixture-of-Experts-Modell des chinesischen Unternehmens Z.ai, das früher unter dem Namen Zhipu AI bekannt war. Laut dem technischen Bericht des Unternehmens behält X6 die Architektur von GLM-5.2 bei und umfasst 744 Milliarden Parameter, von denen pro Token etwa 40 Milliarden aktiviert werden.
Writer verwendete eine Methode namens „anchored supervised fine-tuning“ (ASFT) auf einem kleinen Datensatz aus 626 ausgewählten synthetischen Trajektorien für Agentenaufgaben, und zwar über einen Trainingszyklus mit niedriger Lernrate. Die Methode verwendet eine Token-Gewichtung und eine auf der Kullback-Leibler-Divergenz basierende Verankerung, um zu begrenzen, wie stark sich das trainierte Modell von einer eingefrorenen Version des Basismodells entfernt. Außerdem ersetzte das Unternehmen den Optimierer Adam in den zentralen Gewichtsmatrizen durch den Optimierer Muon.
Die Trainingsdaten waren vollständig synthetisch: Parametermodelle erzeugten Aufgabenpläne, Tool-Aufrufe und endgültige Antworten. Anschließend durchliefen die Daten strukturelle Qualitätsschranken, einen modellbasierten Prüfer und ein aus zwei Sprachmodellen bestehendes Bewertungsgremium, bevor sie für das Training verwendet wurden.
Preis und Leistung laut Writer-Tests
In internen Bewertungen, die neun Fähigkeiten umfassten – darunter quellenbasierter Abruf, Tool-Nutzung, Inhaltsgenerierung, Delegierung von Aufgaben an Subagenten und die Einhaltung der Markenstimme –, erzielte Palmyra X6 einen Durchschnittswert von 0,87 von 1,00. Writer vergleicht dieses Ergebnis mit 0,86 für Claude Opus 4.8, 0,85 für Claude Sonnet 4.6, 0,80 für GPT-5.5 und 0,77 für Gemini 3.1.
Das Unternehmen bepreist das Modell mit 2 US-Dollar pro einer Million Eingabetoken und 8 US-Dollar pro einer Million Ausgabetoken, gegenüber 15 beziehungsweise 75 US-Dollar für Claude Opus 4.8. Nach eigenen Angaben erledigt X6 Aufgaben durchschnittlich in 26 Sekunden und kann bis zu acht Stunden lang ohne direkte Beaufsichtigung arbeiten, um ein einzelnes Ziel zu erreichen.
Diese Vergleiche stützen sich jedoch teilweise auf interne Tests, die Writer selbst durchgeführt hat. Dan Bikel, der bei dem Unternehmen die KI-Forschung leitet, sagte, der technische Bericht enthalte das Protokoll der öffentlichen Tests und der internen Bewertungen. Er erklärte, dass öffentliche Tests als Indikatoren dafür dienten, das Fehlen großer Lücken zu überprüfen, und nicht als wichtigste Trainingsziele betrachtet würden.
Infrastruktur und Governance
Writer zufolge wurden die Modellgewichte aus einem Hugging-Face-Repository in den Vereinigten Staaten bezogen. Das Training erfolgte vollständig auf US-amerikanischer Infrastruktur; auch die Datensätze wurden in den Vereinigten Staaten erzeugt und gespeichert, und es kamen dort befindliche Trainingsgeräte zum Einsatz. Außerdem führte das Unternehmen eine vorab registrierte Bewertung der Modellrisiken durch, die politische Voreingenommenheit, Zensur, Genauigkeit und Ablehnungsverhalten umfasste und 19.674 von anonymisierten Prüfern bewertete Antworten einschloss.
Die Ergebnisse von Writer zeigen, dass X6 in 80 % der Fälle bei der ModelSlant-Bewertung der Washington Post eine seitliche Behandlung sensibler politischer Fragen zeigte. Bei Verwendung der für die Bereitstellung vorgesehenen Systemnachricht erzielte das Modell außerdem im Vergleich zur grundlegenden Version von GLM-5.2 eine Verbesserung um 8,6 Punkte bei der Sicherheit gegen Angriffe im FORTRESS-Benchmark. Der Bericht räumte jedoch ein, dass sich das Modellverhalten je nach Sprache unterscheidet, was bedeutet, dass begrenztes Nachtraining nicht zwangsläufig alle Einflüsse des Basismodells beseitigt.
Neben dem Modell hat Writer die Koordinierungsebene neu aufgebaut, die Aufgaben plant, Arbeiten bündelt, sie an Subagenten delegiert und den Kontext verwaltet. Nach Angaben des Unternehmens senkt diese Ebene die Kosten über alle getesteten Modelle hinweg um 41 % und beschleunigt den Abschluss von Aufgaben um 44 %, darunter auch Modelle von Anthropic und OpenAI, wobei die Qualität erhalten bleibt.
Außerdem hat Writer die Unterstützung mehrerer Modelle innerhalb von Writer Agent ausgeweitet. Administratoren können nun Modelle von Anthropic und OpenAI sowie von Cloud-Anbietern aktivieren, darunter Microsoft Azure, AWS Bedrock und Nvidia NIM, zusätzlich zu Modellen zur Bildgenerierung.
Eine einheitliche Sicht auf die Kosten von Agenten
Die neuen Governance-Tools bieten eine zentrale Ansicht der Agentennutzung auf Unternehmensebene sowie Analysen für jeden Workflow innerhalb der gemeinsam nutzbaren Automatisierungen Playbooks und Skills, ergänzt durch Verbrauchswarnungen und Ausgabenlimits. Diese Tools sollen IT- und Sicherheitsverantwortlichen helfen, die Kosten jedes Workflows zu ermitteln, bevor sie dessen Nutzung ausweiten.
Writer zufolge soll die Kostensenkung nicht seine Umsätze schmälern, sondern Anwendungsfälle ermöglichen, die Unternehmen zuvor wegen der Kosten für Arbeitsaufwand oder Tokenverbrauch nicht automatisiert hätten. Das Unternehmen präsentiert die Einführung von Palmyra X6, der Koordinierungsebene und der Governance-Tools als ein einheitliches System, das sich auf die Kosten einer erfolgreichen Aufgabe konzentriert und nicht nur auf den veröffentlichten Tokenpreis.