真正在做 AI 的人今天说了什么。一页读完，约 4 分钟。
今天最热的话题是 multi-model routing：让一个 frontier model 负责规划、再把具体活儿分给更便宜的模型，如今已经成了压低 agent 成本的核心套路，而 token 经济学则是从 Box 到 Booking 每个人都在琢磨的问题。另一条主线是护城河，或者说护城河的缺失，两位 CEO 都认为，真正持久的优势来自洞察力和不停歇的构建，而非规模或资本。此外还聊到了刷榜，以及如何围绕 coding agent 重塑公司和招聘。
Frontier model 做规划、廉价主力模型干活，agent 成本直降 15 倍
Multi-model 的 agentic 系统正在成为复杂 agent 的核心设计范式。援引 Cursor 的最新研究，frontier model 负责真正需要智能的那部分：最初的任务拆解、设计决策，以及某些权衡取舍，然后把其中的不确定性收敛成明确的指令，交给更便宜的主力模型照做即可，这样总的 token 成本直接降到原来的十五分之一。差异化会发生在应用层：既懂某个领域、又能在不同档位模型之间做 routing 的公司，会拿下更大规模的编程、金融、法律和医疗工作负载，而这些负载过去因为太贵而根本没法落地。
Booking CEO：根本不存在所谓的护城河
Glenn Fogel 加入 Priceline 时，公司只值几亿美元，后来他帮着把它做到了超过 1300 亿美元。他坚信，持久的优势只能来自不断构建新的服务，而绝不是来自某条创新无法侵蚀的护城河。Priceline 的 agentic 助手 Penny 每个月的使用量都翻一番，既提升了转化率、又降低了取消率，不过相对于每年 1860 亿美元的旅行大盘，它仍然微不足道；眼下悬而未决的问题是 token 经济学，以及该把哪个模型 route 到哪里。谈到 AI 与就业，他很直白：社会总能适应，但真正让他担心的，与其说是技术本身，不如说是变化的速度，还有那个已经 50 岁、没法再去重新培训的卡车司机。
通往 AGI 的路，是由一个个有经济价值的任务铺成的
企业 AI 是最重要的前沿之一，因为有经济价值的任务都在那里，而这些任务才是通往 AGI 的真正路径。如今真正要紧的 tokenomics 之争，跟加密货币无关，而是 open weights 与 closed weights 之争、inference 成本，以及 model routing。对于有产品 sense 的人来说，现在是前所未有的最好时代。
各大实验室如何靠训练“仿真测试集”悄悄刷榜
Alex Zhang 和 Omar Khattab 在那篇 RLM 论文里藏了一段轨迹对比的分析，戳中了 frontier 训练的一个公开的秘密：哪怕你不在测试集上训练，也可以拿“高度相似”的数据来训练，从而几乎能把任何一个 benchmark 分数凑到目标值；而且由于 open-weight 发布时很少会把能揭穿这件事的数据集或 RL 环境一并放出，所以还能矢口否认。他们给出的初步办法，是把标准的 NLP 距离度量用到那些隐藏的轨迹上。这事没有终极解法，但这番探索同时也印证了另一个发现：reasoning language model 能够泛化到那些它没见过、却和训练中所见共享潜在结构的任务上。
如今的公司只分两种：在 coding agent 之前建的，和之后建的
在 coding agent 出现之后才创立的公司，从第一天起结构就不一样：团队不到十个人，因为他们是真的不需要更多；工作按项目而不是按部门来组织，每个人自己闭环，几乎没有内部会议。而所有在这之前建起来的公司，都在手忙脚乱地改造自己。与之匹配的是她设计的招聘流程：先来一轮线下面试，全程禁用 AI，用来考察最原始的领域专业能力；然后给一个不借助 AI 根本做不完的项目，对候选人的评判既看结果，也同样看重那份 agent 对话记录。
用另一个带评分标准的 agent，去检查第一个 agent 的活儿
对于那种主观的产出，比如一条短视频到底好不好，别让模型给自己打分。Thariq 解释说，你应该单独跑一个 verification agent，让它读一份评分标准（rubric）、审阅产出、再给出反馈，原因在于自我偏好偏差：当模型偏爱自己的产出时，检查起来就会手下留情。Yang 还认为，封禁中国的 open model，会和封禁中国电动车一样，属于搬起石头砸自己的脚。
源数据来自 zarazhangrui 的开源项目 follow-builders，以 MIT 许可发布。摘要由 LLM 基于该项目的公开 feed 生成，摘要 prompt 亦改编自该项目。上面每一条都链接到原始出处。
摘要由程序自动生成。据此做判断前请先看原文。