13 августа 2026 года Writer выпустила новую флагманскую модель Palmyra X6 для ориентированной на предприятия платформы ИИ-агентов, одновременно переработав уровень координации задач Writer Agent harness и добавив инструменты управления для отслеживания использования и установления лимитов расходов. Компания утверждает, что запуск её продукта с Palmyra X6 снижает затраты в среднем на 52%, при этом скорость повышается на 48%, а качество — на 10%.
Этот шаг предпринимается в период, когда стоимость агентов стала ключевым фактором при принятии решений о закупке ИИ-технологий в организациях. Обычно агенты не ограничиваются созданием одного ответа, а выполняют повторяющиеся циклы планирования, извлечения данных, вызова инструментов, проверки и повторных попыток, что означает более высокое потребление токенов по сравнению с традиционными чат-ботами. Согласно приведённым в материале прогнозам Goldman Sachs, потребление токенов может вырасти в 24 раза в период с 2026 по 2030 год и достичь 120 квадриллионов токенов в месяц благодаря распространению постоянно работающих агентов.
Модель на основе открытых весов
Writer не утверждает, что обучала Palmyra X6 с нуля. Модель представляет собой версию GLM-5.2, прошедшую дообучение; это модель mixture-of-experts с открытыми весами китайской компании Z.ai, ранее известной как Zhipu AI. Согласно техническому отчёту компании, X6 сохраняет архитектуру GLM-5.2 и содержит 744 миллиарда параметров, из которых для каждого токена активируются примерно 40 миллиардов.
Writer использовала метод, названный anchored supervised fine-tuning, или ASFT, на небольшой выборке из 626 отобранных синтетических траекторий для агентских задач, в течение одного обучающего цикла и с низкой скоростью обучения. Метод использует механизм взвешивания токенов и якорь на основе расстояния Кульбака—Лейблера, чтобы ограничить отклонение обученной модели от зафиксированной версии базовой модели. Компания также заменила оптимизатор Adam на оптимизатор Muon для основных матриц весов.
Данные для обучения были полностью синтетическими: параметрические модели генерировали планы задач, вызовы инструментов и итоговые ответы, после чего данные проходили через шлюзы структурного качества, проверку на основе модели и оценку комиссией из двух языковых моделей, прежде чем использовались в обучении.
Цена и производительность согласно тестам Writer
Во внутренних оценках, охватывавших девять возможностей, включая основанное на источниках извлечение данных, использование инструментов, генерацию контента, делегирование задач субагентам и соблюдение голоса бренда, Palmyra X6 получила средний результат 0,87 из 1,00. Writer сравнивает этот результат с 0,86 у Claude Opus 4.8, 0,85 у Claude Sonnet 4.6, 0,80 у GPT-5.5 и 0,77 у Gemini 3.1.
Компания устанавливает цену модели на уровне двух долларов за миллион входных токенов и восьми долларов за миллион выходных токенов, тогда как для Claude Opus 4.8 эти показатели составляют соответственно 15 и 75 долларов. По словам компании, X6 выполняет задачи в среднем за 26 секунд и может работать без непосредственного контроля для достижения одной цели в течение периода до восьми часов.
Тем не менее эти сравнения частично основаны на внутренних тестах, проведённых самой Writer. Dan Bikel, руководящий исследованиями ИИ в компании, сообщил, что технический отчёт включает протокол общедоступных тестов и внутренние оценки, пояснив, что общедоступные тесты используются как показатели проверки отсутствия значительных разрывов, а не как основные цели обучения.
Инфраструктура и управление
Writer утверждает, что веса модели были получены из репозитория Hugging Face в США, а обучение полностью проходило на американской инфраструктуре; наборы данных создавались и хранились в США, а для обучения использовалось находящееся там оборудование. Компания также провела предварительно зарегистрированную оценку рисков модели, охватывавшую политическую предвзятость, цензуру, точность и поведение при отказе, с 19 674 ответами, оценёнными анонимными экспертами.
Согласно результатам Writer, X6 демонстрировала боковую постановку чувствительных политических вопросов в 80% случаев в рамках оценки ModelSlant газеты Washington Post, а при использовании системного сообщения для развёртывания показала улучшение на 8,6 пункта по безопасности против атак в сравнении с базовой версией GLM-5.2 по бенчмарку FORTRESS. Однако в отчёте признаётся, что поведение модели различается в зависимости от языка, а это означает, что ограниченное дообучение не обязательно устраняет все особенности базовой модели.
Помимо модели, Writer переработала уровень координации, который планирует задачи, объединяет работы, делегирует их субагентам и управляет контекстом. Компания утверждает, что этот уровень снижает затраты на 41% и ускоряет выполнение задач на 44% для всех протестированных ею моделей, включая модели Anthropic и OpenAI, при сохранении качества.
Writer также расширила поддержку нескольких моделей внутри Writer Agent: администраторы могут активировать модели Anthropic, OpenAI и облачных провайдеров, включая Microsoft Azure, AWS Bedrock и Nvidia NIM, а также модели генерации изображений.
Единое представление о затратах на агентов
Новые инструменты управления добавляют централизованное представление об использовании агентов на уровне организации и аналитику для каждого рабочего процесса в автоматизациях Playbooks и Skills, доступных для совместного использования, а также оповещения о потреблении и лимиты расходов. Эти инструменты призваны помочь руководителям ИТ- и служб безопасности понять стоимость каждого рабочего процесса до расширения его использования.
Writer утверждает, что снижение затрат направлено не на сокращение её доходов, а на открытие вариантов использования, которые организации ранее не стали бы автоматизировать из-за стоимости труда или потребления токенов. Компания представляет запуск Palmyra X6, уровня координации и инструментов управления как единую систему, ориентированную на стоимость успешного выполнения задачи, а не только на заявленную цену токена.