TechCrunch: Writer lansira Palmyra X6 i snižava troškove enterprise AI-ja za 50%

Dana 13. avgusta 2026, TechCrunch je izvestio da je Writer objavio Palmyra X6 — novi enterprise AI model — zajedno sa ažuriranjem agentne harness infrastrukture koja upravlja višekoračnim radnim procesima. Oba su bila dostupna postojećim klijentima na dan najave.

Palmyra X6 je izgrađen kao varijanta sa dodatnim treniranjem na osnovu GLM-5.2 — open-source modela koji je razvio Z.ai. Writer opisuje novi model kao orijentisan ka izvršavanju višekoračnih zadataka sa manje tokena — praktičan fokus na radne procese koje vode marketing i content operations timovi, a ne na performanse u benchmark evaluacijama. Generalni direktor kompanije direktno je napomenuo da su enterprise kupci “apsolutno umorni od gonjenjem za sledećim benchmark-om” i da je smanjenje troškova prioritetni signal koji dobijaju od klijenata.

Kombinacija novog modela i revidirane harness infrastrukture smanjuje troškove za osnovne zadatke za procenjenih 50%. Sopstvena istraživanja Writer-a na više modela pokazala su da su poboljšanja efikasnosti harness-a u proseku smanjivala troškove za 40% nezavisno od korišćenog modela. Dva efekta se sabiraju. Za timove koji obrađuju velike količine rutinskih zadataka kreiranja sadržaja — pisanje nacrta, uređivanje, sumiranje, klasifikacija — razlika je materijalna.

Writer pozicionira Palmyra X6 unutar model-agnostičke arhitekture, što znači da koegzistira sa ranijim Writer modelima i sa eksternim modelima uvezenim kroz Azure ili Amazon Bedrock. Organizacije koje su izgradile radne procese oko specifičnih modela mogu da usvoje Palmyra X6 za zadatke osetljive na troškove, dok zadržavaju druge modele za rad koji zahteva različite mogućnosti.

Za timove koji pišu i kreiraju sadržaj, najava menja ekonomiju rutinskih AI-asistovanih zadataka. Cena po zadatku bila je dovoljno visoka da selektivna upotreba deluje neophodna. Pri smanjenju od 50%, prag za kada ima smisla pokrenuti zadatak kroz AI se značajno pomera. Ažuriranje arhitekture takođe znači da timovi mogu usmeravati različite tipove zadataka ka različitim modelima unutar iste platforme, umesto da se obavezuju na jedan model za sve outpute.