先说简短的答案：2026年8月13日，Mixedbread 发布了一款名为 Toast 1 的模型。它不是供您聊天的通用模型，而是一个专用搜索智能体，唯一的任务就是深入检索您的文档并带回证据。值得企业主关注的不是产品名称，而是它所揭示的事实：如今您为 AI 支付的费用中，很大一部分花在了搜索这一行为上，而不是思考上；将两者分开，既能大幅降低成本，又能同时提升回答质量。

实际发布了什么

根据该公司的官方公告，Toast 1 是一个只为一项任务而训练的搜索智能体：它接收一个问题，将其拆分为若干子查询，从您的来源中收集证据并加以审查，然后交付一份经过筛选的相关材料包。它不撰写您的最终答案，而是准备原始材料，供大模型随后进行推理。

该公司表示，仅就搜索质量而言，它可以媲美甚至超越前沿模型，而成本最多可降低十倍，速度快十二倍。这些是供应商给出的数据，应当如此看待；但更重要的主张在于架构：它不要求您改变现有配置，而是在您已有的检索索引之上运行，无需将数据迁移到别处。

公布的首发定价为每百万输入 token 0.30 美元，每百万缓存输入 token 0.036 美元，每百万输出 token 0.72 美元。在实际使用中，该公司估计单次查询约为 0.016 至 0.023 美元，延迟中位数为八秒；在最高质量配置下，单次查询升至约 0.05 至 0.07 美元，中位数为十一秒。

为什么这对企业主很重要：搜索的经济学

当您基于公司文档构建助手时，您会以为大部分成本在于撰写答案。事实恰恰相反。模型要阅读几十份文档才能找到三行有用的内容，而您要为它读过的全部内容付费，而不是为它用到的内容付费。这就是为什么账单会随着档案的增长而增长，回答会变慢，正确答案也越来越容易被淹没在噪声之中。

专用搜索智能体的作用，是把这项繁重的工作转移给一个专门为此训练、更便宜也更快速的模型，然后将浓缩后的结果交给大模型。大模型依然在场，但它把能力用在其他任何东西都做不好的事情上：理解、推理以及构建决策框架。

实用法则：不要为类似档案管理员的工作支付前沿模型的价格。向昂贵的模型购买思考，向便宜的模型购买搜索。

来自两项独立基准测试的数据

营销说法可以争论，已公布的基准测试则更为清晰。在 Databricks 发布的 OfficeQA Pro v2 中（该测试通过九十个涉及复杂且真实的企业财务情境的问题来衡量答案的正确性），可调用 Toast 1 作为子智能体的 GPT-5.6 Sol 达到了 70% 的正确率，每项任务成本约为 1.15 美元。相比之下，此前表现最好的方案达到 60%，每项任务成本约为 4 美元，而同一模型在没有搜索智能体的情况下仅达到 33%。加入搜索层后，准确率大约翻了一番，同时成本也降低了。

在 Harvey 的律师事务所知识基准测试中，在一个包含三十三项任务的子集上，答案质量保持不变，而仅通过改进搜索，token 消耗就从 8060万降至 4700万，加入专用搜索智能体后又降至 2300万——完成任务所需的轮次减半，成本降低了 60% 以上。

请注意其中的共同教训：模型的推理能力并没有改变，改变的是送到它面前的材料的质量。这正是我们在客户项目中看到的情况——失败的企业助手很少是因为智能不足，而是因为“喂养”不足。

这在您的沙特企业中体现在哪里

  • 合同与协议。诸如“我们的哪些合同允许提前三十天通知终止？”这样的问题是搜索问题，而不是推理问题，如今却要耗费法务人员数小时的时间。
  • 招标文件与 RFP。在决定是否投标之前，先从数百页文件中提取资格要求、罚则和交付日期。
  • 发票与进度款申请。在多年的文档中追踪某一项成本，找出利润从哪里流失。
  • 人力资源档案。休假政策、津贴以及居留许可到期日期分散在各个文件和互不相连的系统中。
  • 客户支持。一个依据产品手册和会议纪要作答、而不是凭空编造答案的助手。

在上述每一种情况下，您真正拥有的资产都不是模型，而是档案。模型可以在一周内更换；而一套组织良好的档案只需建设一次。

采购前要问的三个问题

第一：单个问题要花我多少钱，而不是每月订阅要花多少钱？如果您的供应商给不出数字化的答案，您就无法知道规模扩大后账单会变成什么样。

第二：搜索层是否与模型分离？分离意味着您明天就可以更换大模型而无需全部重建，这也是应对供应商价格波动最有力的保障。

第三：我的文档存放在哪里，它们是否会离开那里？这首先是一个治理问题，其次才是技术问题；如果您的档案中包含客户或员工数据，它将直接关系到您在《个人数据保护法》(PDPL) 下的义务。

我们在 Origami 如何处理

我们不销售某个特定的模型，也不会建议客户仅仅因为某家供应商本周上了新闻，就把自己的业务绑定在它身上。我们构建的是让模型始终作为可替换部件的架构：一个归您所有、组织有序的知识来源，一个独立的搜索层，明确规定谁能看到什么的清晰权限，以及按每次查询而非按月度发票来衡量的成本。

如果您的公司坐拥大量从未加以利用的档案，请从您手头范围最窄、重复出现且成本高昂的问题入手，并在前后分别衡量时间和成本。一个小而可衡量的步骤，胜过一个没有任何指标的宏大 AI 计划。

来源