Writer ha presentato Palmyra X6, nuovo modello di punta per agenti aziendali, insieme a una versione completamente riprogettata del sistema di orchestrazione Writer Agent e a nuovi strumenti di governance dedicati al controllo dei costi. L’azienda dichiara che, combinando Palmyra X6 con la nuova infrastruttura agentica, i workflow operano in media con un costo inferiore del 52%, completano le attività il 48% più velocemente e migliorano la qualità del 10%. Una parte rilevante di questi guadagni non deriva però esclusivamente dal modello: Writer attribuisce al solo nuovo sistema di orchestrazione una riduzione dei costi del 41% e un miglioramento della velocità del 44% a parità di qualità, risultati ottenuti anche utilizzando modelli di terze parti.
Palmyra X6 non è stato pre-addestrato da zero. Il modello parte dai pesi open-weight di GLM-5.2 di Z.ai e ne conserva senza modifiche l’architettura mixture-of-experts da 744 miliardi di parametri, con circa 40 miliardi di parametri attivati per token. Writer ha eseguito successivamente il proprio post-training interamente su infrastrutture statunitensi e presenta X6 come un modello indipendente dal sistema originario di Z.ai. I pesi di partenza sono stati prelevati dalla distribuzione statunitense su Hugging Face, mentre dataset sintetici, procedure di training e hardware impiegato sono stati mantenuti negli Stati Uniti.
Il post-training è stato realizzato con appena 626 traiettorie agentiche sintetiche curate, utilizzate per una singola epoca a basso learning rate. Writer ha applicato una tecnica denominata anchored supervised fine-tuning, ASFT, progettata per insegnare nuovi comportamenti di utilizzo degli strumenti limitando allo stesso tempo la deviazione dalle capacità del modello di partenza. Il metodo combina una ponderazione selettiva dei token con un termine di regolarizzazione basato sulla divergenza KL, che confronta il modello ottimizzato con una copia congelata del modello base e penalizza cambiamenti eccessivi. La strategia mira quindi a ottenere modifiche comportamentali mirate senza riaddestrare ampie porzioni delle conoscenze già presenti.
Sulle principali matrici di peso Writer ha inoltre utilizzato Muon al posto dell’ottimizzatore Adam tradizionale. Muon tratta le matrici come oggetti geometrici durante l’aggiornamento dei parametri e viene impiegato per migliorare l’efficienza del processo di ottimizzazione. Anche i dati di addestramento sono completamente sintetici: piani, chiamate agli strumenti e risposte finali vengono prodotti automaticamente da modelli insegnanti e successivamente filtrati attraverso controlli strutturali, un verificatore basato su modelli e una giuria composta da due LLM prima di essere ammessi nel corpus finale.
L’approccio prosegue una linea già utilizzata nei precedenti modelli Palmyra. Palmyra X 004 era stato addestrato quasi interamente su dati sintetici con un costo indicato intorno ai 700.000 dollari nel 2024, mentre Palmyra X5 aveva richiesto circa un milione di ore GPU. Con X6 Writer riduce invece drasticamente il volume di dati utilizzato per la fase di adattamento, concentrandosi su un numero molto limitato di esempi agentici sottoposti a controlli di qualità più severi.
Nelle valutazioni interne dell’azienda, costruite su nove capacità che comprendono ricerca e recupero delle informazioni, utilizzo degli strumenti, generazione di contenuti, delega ai subagenti e aderenza alla voce del brand, Palmyra X6 raggiunge un punteggio medio di 0,87 su 1. Writer riporta 0,86 per Claude Opus 4.8, 0,85 per Claude Sonnet 4.6, 0,80 per GPT-5.5 e 0,77 per Gemini 3.1. Si tratta di benchmark interni definiti e condotti dall’azienda, mentre i benchmark pubblici vengono utilizzati principalmente come controllo per verificare l’assenza di lacune rilevanti nelle capacità generali.
Writer propone Palmyra X6 a 2 dollari per milione di token di input e 8 dollari per milione di token di output. Nello stesso confronto viene indicato Claude Opus 4.8 a 15 dollari per l’input e 75 dollari per l’output. X6 completa le attività in media in 26 secondi secondo le misurazioni dell’azienda e può continuare a lavorare autonomamente fino a otto ore sullo stesso obiettivo, caratteristica rivolta in particolare ai workflow agentici che richiedono più cicli di pianificazione, ricerca, utilizzo di strumenti e verifica prima di arrivare al risultato finale.
L’economia di questi workflow rappresenta uno dei punti centrali dell’aggiornamento. A differenza di un chatbot tradizionale, che può produrre una risposta dopo una singola inferenza, un agente tende a generare una sequenza di operazioni interne che comprende pianificazione, recupero del contesto, chiamate agli strumenti, controllo del risultato, correzioni e nuovi tentativi. Il consumo effettivamente fatturato può quindi essere molto superiore a quello visibile all’utente nella risposta finale. Goldman Sachs stima che il consumo globale di token possa aumentare di 24 volte tra il 2026 e il 2030, fino a raggiungere 120 quadrilioni di token al mese, soprattutto per effetto di agenti aziendali sempre attivi.
Writer ha lavorato quindi anche sul livello di orchestrazione. Il nuovo Writer Agent gestisce pianificazione, batching delle attività, delega ai subagenti e gestione del contesto e, nel paper “The Harness Effect”, l’azienda riporta una riduzione media del costo del 41% e tempi di esecuzione inferiori del 44% senza perdita di qualità. Il risultato viene dichiarato trasversale ai modelli utilizzati e comprende anche sistemi di Anthropic e OpenAI. La parte di efficienza maggiore può quindi essere ottenuta dal modo in cui il runtime decide quando richiamare il modello, quali informazioni mantenergli nel contesto e come suddividere il lavoro, indipendentemente dal modello sottostante.
Palmyra X6 è stato però sviluppato insieme a questo sistema di orchestrazione, permettendo a Writer di ottimizzare contemporaneamente modello e runtime. L’azienda considera questo controllo utile anche per stabilità, gestione dei dati e continuità del prodotto: utilizzando un modello proprio può evitare di dipendere dalle decisioni di un provider esterno sulla dismissione di una versione, sulla provenienza dei dati o sulle modifiche comportamentali introdotte successivamente. Allo stesso tempo Writer Agent diventa multi-modello e consente agli amministratori di abilitare sistemi Anthropic, OpenAI e modelli distribuiti attraverso Microsoft Azure, AWS Bedrock e NVIDIA NIM, oltre a modelli specializzati nella generazione di immagini.
La scelta di utilizzare GLM-5.2 come base ha richiesto anche una valutazione specifica su sicurezza, censura e comportamento politico. GLM-5.2 è distribuito con licenza MIT ed è considerato uno dei modelli open-weight più competitivi, ma valutazioni esterne hanno segnalato un comportamento permissivo in scenari offensivi di cybersecurity e biologia e l’assenza di un framework pubblico di rischio pre-deployment da parte di Z.ai. Writer ha quindi condotto una propria valutazione preregistrata su 19.674 risposte, confrontando X6 con il modello base e con quattro modelli frontier di controllo.
Nel benchmark ModelSlant del Washington Post, dedicato al bilanciamento politico, Writer riporta che X6 ha presentato entrambe le prospettive sulle questioni controverse nell’80% dei casi, il valore più elevato tra i modelli inclusi nella valutazione. Nel benchmark avversariale FORTRESS, Palmyra X6 utilizzato con il system prompt previsto per la distribuzione ha ottenuto un miglioramento di 8,6 punti nella sicurezza rispetto a GLM-5.2 non modificato, con una perdita contenuta di utilità. Il rapporto tecnico segnala però che il comportamento non risulta completamente uniforme tra le diverse lingue, anche se nei test in inglese non è stata rilevata un’asimmetria politica statisticamente significativa.
L’altra componente del rilascio riguarda il controllo amministrativo dei consumi. Writer introduce una vista centralizzata dell’utilizzo degli agenti nell’intera organizzazione, analisi separate per i workflow costruiti attraverso Playbook e Skill e nuovi strumenti per definire avvisi, soglie e limiti di spesa. Gli amministratori possono così associare il consumo non soltanto a un modello o a un utente, ma al singolo processo aziendale automatizzato e verificare quanto costa realmente eseguire una specifica attività.
Questo approccio sposta il monitoraggio dal costo per milione di token al costo per attività completata. Un workflow apparentemente economico può infatti diventare costoso se genera numerosi tentativi, chiamate ripetute agli strumenti o escalation, mentre un modello più costoso per singolo token può risultare più conveniente se conclude l’attività con meno passaggi. Writer integra ora questa misurazione direttamente nella piattaforma, permettendo ai responsabili IT e finanziari di confrontare consumi e risultati a livello di workflow e di applicare limiti prima che una determinata automazione generi una spesa superiore a quella prevista.
I nuovi controlli completano l’infrastruttura di governance sviluppata dall’azienda nell’ultimo anno. Writer aveva già unificato la gestione degli agenti con controlli amministrativi e aveva successivamente aggiunto Skill condivisibili e strumenti di analisi dei workflow. Il nuovo aggiornamento collega queste funzioni al consumo effettivo, permettendo di assegnare costi, notifiche e soglie operative ai diversi processi agentici.
Writer, fondata nel 2020 da May Habib e Waseem AlShikh e utilizzata da aziende come Accenture, Uber e Vanguard, concentra la propria piattaforma sui workflow aziendali regolamentati e ad alta criticità. Alla fine del 2024 aveva raccolto 200 milioni di dollari con una valutazione di 1,9 miliardi. Con Palmyra X6 la società mantiene questa specializzazione anche nel modello: invece di puntare a prestazioni generaliste su qualsiasi tipo di richiesta, il post-training è orientato verso recupero delle informazioni, uso degli strumenti, produzione di contenuti aziendali, delega tra agenti e workflow prolungati.
Il rilascio combina quindi tre livelli distinti dello stesso stack: un modello derivato da pesi open-weight e ottimizzato con un post-training limitato ma mirato, un sistema di orchestrazione progettato per ridurre il numero e il costo delle operazioni necessarie agli agenti e una piattaforma di governance che permette di misurare e limitare la spesa a livello di workflow. Palmyra X6 diventa così una componente di un’architettura nella quale l’efficienza complessiva dipende non soltanto dalla qualità del modello, ma anche da come vengono gestiti contesto, strumenti, subagenti, tentativi e consumo di token durante l’intero ciclo operativo.
Questo articolo è stato redatto con il supporto di strumenti di intelligenza artificiale (AI)