Jawapan ringkasnya dahulu: pada 13 Ogos 2026, Mixedbread melancarkan model bernama Toast 1. Ia bukan model umum yang anda gunakan untuk berbual — ia ialah ejen carian khusus yang satu-satunya tugasnya ialah menggali dokumen anda dan kembali dengan bukti. Perkara yang wajar diberi perhatian oleh pemilik perniagaan bukanlah nama produk itu, tetapi apa yang didedahkannya: sebahagian besar wang yang anda bayar untuk AI hari ini digunakan untuk perbuatan mencari, bukan berfikir, dan memisahkan kedua-duanya mengurangkan kos dengan ketara sambil meningkatkan kualiti jawapan pada masa yang sama.

Apa yang sebenarnya diumumkan

Menurut pengumuman rasmi syarikat itu, Toast 1 ialah ejen carian yang dilatih untuk satu tugas: ia menerima soalan, memecahkannya kepada subpertanyaan, mengumpul bukti daripada sumber anda, memeriksanya, kemudian menyerahkan pakej terpilih yang mengandungi bahan yang relevan. Ia tidak menulis jawapan akhir anda — ia menyediakan bahan mentah yang kemudiannya menjadi asas penaakulan model besar.

Syarikat itu menyatakan bahawa ia menyamai atau mengatasi model termaju khususnya dari segi kualiti carian, pada kos sehingga sepuluh kali lebih rendah dan dua belas kali lebih pantas. Itu ialah angka daripada vendor dan perlu dibaca sedemikian, tetapi dakwaan yang lebih penting berkaitan dengan seni bina: ia tidak memerlukan anda mengubah persediaan anda, dan berjalan di atas indeks dapatan semula yang sudah anda miliki tanpa memindahkan data anda ke tempat baharu.

Harga pelancaran yang diumumkan ialah $0.30 bagi setiap sejuta token input, $0.036 bagi setiap sejuta token input yang dicache, dan $0.72 bagi setiap sejuta token output. Secara praktikal, syarikat itu menganggarkan satu pertanyaan pada kira-kira $0.016 hingga $0.023 dengan kependaman median lapan saat, meningkat dalam konfigurasi berkualiti tertingginya kepada kira-kira $0.05 hingga $0.07 dengan median sebelas saat.

Mengapa ini penting bagi pemilik perniagaan: ekonomi carian

Apabila anda membina pembantu di atas dokumen syarikat anda, anda menganggap kebanyakan kos terletak pada penyusunan jawapan. Hakikatnya adalah sebaliknya. Model membaca berpuluh-puluh dokumen untuk mencari tiga baris yang berguna, dan anda membayar untuk semua yang dibacanya, bukan untuk apa yang digunakannya. Itulah sebabnya bil meningkat apabila arkib anda berkembang, jawapan menjadi perlahan, dan jawapan yang betul semakin kerap tenggelam dalam hingar.

Apa yang dilakukan oleh ejen carian khusus ialah memindahkan kerja berat itu kepada model yang lebih murah dan lebih pantas yang dilatih tepat untuk tugas tersebut, kemudian menyerahkan hasil yang diringkaskan kepada model besar. Model besar kekal terlibat, tetapi ia menggunakan keupayaannya untuk perkara yang tidak dapat dilakukan dengan baik oleh yang lain: memahami, membuat inferens dan merangka keputusan.

Peraturan praktikalnya: jangan bayar harga model termaju untuk kerja yang menyerupai tugas seorang arkivis. Beli keupayaan berfikir daripada model yang mahal dan keupayaan mencari daripada model yang murah.

Angka daripada dua penanda aras bebas

Dakwaan pemasaran boleh dipertikaikan; penanda aras yang diterbitkan lebih jelas. Pada OfficeQA Pro v2, yang dikeluarkan oleh Databricks untuk mengukur ketepatan jawapan merentasi sembilan puluh soalan tentang situasi kewangan perusahaan yang kompleks dan realistik, GPT-5.6 Sol dengan Toast 1 tersedia sebagai subejen mencapai ketepatan 70% pada kos kira-kira $1.15 bagi setiap tugas. Sebagai perbandingan, prestasi terbaik sebelum ini mencapai 60% pada kos kira-kira $4 bagi setiap tugas, manakala model yang sama tanpa ejen carian hanya mencapai 33%. Penambahan lapisan carian lebih kurang menggandakan ketepatan dan mengurangkan kos serentak.

Pada penanda aras pengetahuan firma guaman oleh Harvey, merentasi subset tiga puluh tiga tugas, kualiti jawapan kekal malar manakala penggunaan token turun daripada 80.6 juta kepada 47 juta hanya dengan menambah baik carian, kemudian kepada 23 juta selepas ejen carian khusus ditambah — selesai dalam separuh bilangan giliran, dengan pengurangan kos melebihi 60%.

Perhatikan pengajaran yang dikongsi: keupayaan model untuk menaakul tidak berubah. Yang berubah ialah kualiti bahan yang sampai kepadanya. Itulah tepat yang kami lihat dalam projek pelanggan — pembantu syarikat yang gagal jarang kekurangan kecerdasan; yang kurang ialah bekalan bahannya.

Di mana perkara ini muncul dalam perniagaan Saudi anda

  • Kontrak dan perjanjian. Soalan seperti "kontrak kita yang mana membenarkan penamatan dengan notis tiga puluh hari?" ialah soalan carian, bukan soalan penaakulan, dan hari ini ia menghabiskan berjam-jam masa seorang pekerja bahagian undang-undang.
  • Dokumen tender dan RFP. Mengekstrak syarat kelayakan, penalti dan tarikh penghantaran daripada ratusan halaman sebelum anda pun memutuskan sama ada untuk membida.
  • Invois dan tuntutan kemajuan. Menjejak satu baris kos merentasi dokumen bertahun-tahun untuk mengenal pasti di mana keuntungan bocor.
  • Arkib sumber manusia. Dasar cuti, elaun dan tarikh tamat permit kediaman yang bertaburan di pelbagai fail dan sistem yang tidak bersambung.
  • Sokongan pelanggan. Pembantu yang menjawab berdasarkan manual produk dan minit mesyuarat dan bukannya mereka-reka jawapan.

Dalam setiap kes ini, aset sebenar yang anda miliki bukanlah model — tetapi arkib. Model boleh ditukar dalam masa seminggu; arkib yang tersusun dengan baik hanya dibina sekali.

Tiga soalan untuk ditanya sebelum membeli

Pertama: berapakah kos satu soalan kepada saya, bukan berapakah kos langganan bulanan? Jika vendor anda tiada jawapan dalam bentuk angka, anda tidak tahu bil anda akan menjadi apa apabila skala meningkat.

Kedua: adakah lapisan carian diasingkan daripada model? Pengasingan bermakna anda boleh menukar model besar esok tanpa membina semula segala-galanya, dan ia ialah perlindungan paling kukuh terhadap turun naik harga pembekal.

Ketiga: di manakah dokumen saya disimpan, dan adakah ia keluar dari situ? Itu ialah soalan tadbir urus sebelum menjadi soalan teknikal, dan ia berkait secara langsung dengan kewajipan anda di bawah Undang-undang Perlindungan Data Peribadi (PDPL) jika arkib anda mengandungi data pelanggan atau pekerja.

Cara kami mendekatinya di Origami

Kami tidak menjual model tertentu, dan kami tidak menasihati pelanggan untuk mengikat operasi mereka kepada satu pembekal semata-mata kerana pembekal itu muncul dalam berita minggu ini. Apa yang kami bina ialah seni bina yang mengekalkan model sebagai komponen yang boleh diganti: sumber pengetahuan tersusun yang anda miliki, lapisan carian yang bebas, kebenaran akses yang jelas yang menentukan siapa melihat apa, dan kos yang diukur bagi setiap pertanyaan dan bukannya bagi setiap invois bulanan.

Jika syarikat anda menyimpan arkib besar yang tidak pernah dimanfaatkan, mulakan dengan soalan berulang dan mahal yang paling sempit skopnya, dan ukur masa serta kos sebelum dan selepas. Satu langkah kecil yang diukur lebih bernilai daripada program AI yang luas tanpa sebarang penunjuk yang dikaitkan dengannya.

Sumber