面對(duì)市場(chǎng)，現(xiàn)在所有通用Agent都在想，如何在保障智能體任務(wù)執(zhí)行效果不受影響的前提下，將相同任務(wù)的Token消耗大幅降低了，從而增加任務(wù)完成率，提升用戶使用使用。

最近，有一家產(chǎn)品做到了。他們一口氣把用戶的Token消耗降低了75%。6月15日，百度搭子DuMate宣布完成核心引擎升級(jí)：隨著Token消耗大降，用戶積分消耗也對(duì)應(yīng)大幅下降。

但事實(shí)上，這次升級(jí)并非通過(guò)“讓利”來(lái)完成，DuMate的Token消耗下降，而是一次智能體工程能力的集中驗(yàn)證。其背后的Harness引擎升級(jí)、安全沙箱重構(gòu)與執(zhí)行鏈路優(yōu)化，才是理解這次升級(jí)的關(guān)鍵。

用技術(shù)解決消耗，推動(dòng)更多使用和落地，DuMate可能已經(jīng)在完成包括Codex等最想做的事。而這套思路正是不久前百度Create大會(huì)上李彥宏提出，智能體時(shí)代應(yīng)該以DAA（日活智能體數(shù)）來(lái)衡量的延續(xù)。依托新全棧AI云的基礎(chǔ)設(shè)施升級(jí)，百度智能云或許正在改變未來(lái)通用智能體的競(jìng)爭(zhēng)本質(zhì)。

一、被誤讀的75%：智能體為什么天然“貴”，降本又靠什么

要理解這件事，得先回答一個(gè)大多數(shù)人沒(méi)想過(guò)的問(wèn)題：同樣執(zhí)行一個(gè)任務(wù)，智能體消耗的資源為什么遠(yuǎn)高于聊天機(jī)器人？

兩者的工作模式有本質(zhì)區(qū)別。聊天機(jī)器人是一問(wèn)一答——用戶輸入問(wèn)題，模型計(jì)算一次，輸出結(jié)果，對(duì)話結(jié)束，Token消耗極低。智能體則完全不同。以DuMate執(zhí)行一次“整理三個(gè)月AI行業(yè)動(dòng)態(tài)”為例，底層發(fā)生的操作至少包括：拆解目標(biāo)為若干子任務(wù)、多輪關(guān)鍵詞搜索、逐條閱讀并判斷相關(guān)性、交叉驗(yàn)證信息準(zhǔn)確性、時(shí)間線排序與去重、補(bǔ)充缺失信息、格式化輸出、自我檢查修正遺漏。每一步都在消耗Token。如果是跨表格數(shù)據(jù)分析或深度研究報(bào)告，步驟數(shù)量還會(huì)指數(shù)級(jí)增長(zhǎng)。

這讓智能體陷入一個(gè)天然矛盾：真正能干活，就必須走完這些步驟；走完這些步驟，就必然消耗大量計(jì)算資源。這個(gè)“貴”，不是缺陷，而是智能體有能力完成復(fù)雜任務(wù)的自然代價(jià)。

因此，降低Token消耗的真正考驗(yàn)在于：不能靠“少干活”來(lái)節(jié)省成本。壓縮步驟、減少工具調(diào)用、跳過(guò)多輪驗(yàn)證，這些粗暴手段會(huì)直接拉低任務(wù)質(zhì)量。必須在不犧牲效果的前提下，讓同一條執(zhí)行鏈路跑得更高效。這是一個(gè)純粹的工程問(wèn)題，與模型參數(shù)大小或版本高低無(wú)關(guān)。

DuMate的解決方案是Harness引擎——一套不直接面對(duì)用戶的底層執(zhí)行框架。如果把智能體比作一個(gè)干活的人，Harness就是他的“工作方法論”。當(dāng)DuMate執(zhí)行長(zhǎng)達(dá)數(shù)小時(shí)甚至數(shù)天的任務(wù)時(shí)，Harness負(fù)責(zé)四件事：動(dòng)態(tài)規(guī)劃與中途修正任務(wù)路徑，避免一條道走到黑；精準(zhǔn)管理上下文，該記住的記住、該丟棄的丟棄，防止無(wú)用信息占用Token預(yù)算；按最小化原則調(diào)度工具，不做多余動(dòng)作；在數(shù)十甚至上百步的連續(xù)操作中，維持動(dòng)作不變形。

簡(jiǎn)單來(lái)說(shuō)，Harness引擎就是讓智能體“少走彎路、少說(shuō)廢話、少犯糊涂”。同樣的模型，放在不同的工程框架里，效率和成本能差出幾倍。PinchBench評(píng)測(cè)提供了直觀對(duì)照——同一級(jí)別的模型，在DuMate框架中任務(wù)成功率達(dá)93.3%，而在Anthropic和OpenAI的同款場(chǎng)景下分別為89.0%和91.6%。模型是發(fā)動(dòng)機(jī)，Harness是變速箱和底盤。跑多快、跑多遠(yuǎn)，不只取決于馬力。

這次75%的消耗下降，本質(zhì)上意味著Harness這套方法論變得更成熟了。據(jù)團(tuán)隊(duì)披露，優(yōu)化覆蓋了三個(gè)核心模塊：自研安全沙箱的性能優(yōu)化、模型推理成本壓縮、Harness執(zhí)行鏈路的升級(jí)。這三項(xiàng)全部是底層工程重構(gòu)，而非前端的參數(shù)微調(diào)。這也是國(guó)內(nèi)通用智能體產(chǎn)品中，首次通過(guò)Harness引擎及工程優(yōu)化，實(shí)現(xiàn)任務(wù)消耗的大幅下降。

這組數(shù)據(jù)翻譯成日常使用體驗(yàn)，其實(shí)很直白：讓DuMate做同樣一份調(diào)研報(bào)告、分析同樣一張數(shù)據(jù)表、整理同樣一批素材，消耗的積分只有過(guò)去的四分之一。它回應(yīng)的不是“便宜了”的消費(fèi)心理，而是智能體產(chǎn)品長(zhǎng)期被壓抑的一個(gè)剛需——不是“能不能干”，而是“用不用得起”。一個(gè)復(fù)雜任務(wù)動(dòng)不動(dòng)就花掉大量積分，用戶每次使用前都要掂量值不值得，這種摩擦本身就在阻礙智能體成為日常工具。當(dāng)成本降下來(lái)，“偶爾試試”才有可能變成“日常依賴”。

經(jīng)濟(jì)學(xué)家阿杰伊·阿格拉沃爾等人在《AI極簡(jiǎn)經(jīng)濟(jì)學(xué)》中提出過(guò)一個(gè)核心觀點(diǎn)：一項(xiàng)技術(shù)是否具有革命性，不在于它能實(shí)現(xiàn)多么炫酷的效果，而在于它能否將某種關(guān)鍵成本降到足以改變?nèi)藗冃袨槟Ｊ降某潭?/strong>。Token消耗降低75%，降低的正是“讓智能體執(zhí)行復(fù)雜任務(wù)”這件事的成本門檻。只有當(dāng)這個(gè)門檻低到用戶不再需要反復(fù)掂量“值不值”的時(shí)候，行為模式才會(huì)真正發(fā)生改變。

二、兩個(gè)故事，同一件事：當(dāng)AI從“會(huì)說(shuō)話”變成“會(huì)干活”

數(shù)據(jù)和技術(shù)的概念解讀終究是有限的。更值得關(guān)注的，是優(yōu)化后的產(chǎn)品在真實(shí)的人身上產(chǎn)生了什么變化。

長(zhǎng)白山深處，70歲的老萬(wàn)已經(jīng)和紅外相機(jī)打了半輩子交道。他在山林里布設(shè)了幾十臺(tái)設(shè)備，多年拍攝積累了超過(guò)100TB的野生動(dòng)物影像素材。過(guò)去，他的難題從來(lái)不是拍攝，而是處理素材——每天要從數(shù)十小時(shí)的視頻中，靠人眼逐幀篩選出有動(dòng)物出現(xiàn)的畫面。“我現(xiàn)在看素材比拍攝都累，”他說(shuō)，“一個(gè)一個(gè)看可不是簡(jiǎn)單的事，70歲了，眼神不行了。”

老萬(wàn)沒(méi)有任何編程經(jīng)驗(yàn)，身邊也沒(méi)有技術(shù)團(tuán)隊(duì)。他使用DuMate的方式，就是一個(gè)普通人最本能的溝通——用說(shuō)話。他的原話是：“幫我把這段紅外相機(jī)視頻里有野生動(dòng)物出現(xiàn)的畫面挑出來(lái)，建個(gè)新文件夾，再按我平時(shí)的習(xí)慣整理一份監(jiān)測(cè)日志。”

這句話到了DuMate手里，被自動(dòng)拆解成一整套工作流：理解“野生動(dòng)物畫面”的篩選標(biāo)準(zhǔn)、在數(shù)小時(shí)視頻中自動(dòng)識(shí)別目標(biāo)片段、提取歸檔，并按照老萬(wàn)過(guò)去的工作習(xí)慣生成監(jiān)測(cè)日志。全程沒(méi)有代碼、沒(méi)有參數(shù)、也不需要人工介入。

這個(gè)故事的核心，不是“一個(gè)老年人學(xué)會(huì)了用AI”。恰恰相反，是AI終于學(xué)會(huì)了用老年人的方式工作——理解一句大白話，規(guī)劃一套流程，交付一個(gè)結(jié)果。過(guò)去用軟件解決這類問(wèn)題，用戶需要學(xué)習(xí)寫代碼、配置參數(shù)、繪制流程圖，本質(zhì)上是人去適應(yīng)機(jī)器的規(guī)則。老萬(wàn)的案例把這個(gè)關(guān)系反轉(zhuǎn)了：機(jī)器去理解人的表達(dá)，執(zhí)行層面的拆解和交付全部由系統(tǒng)完成。70歲、零編程、100TB——這三個(gè)數(shù)字?jǐn)[在一起，比任何技術(shù)白皮書都更有說(shuō)服力。

另一個(gè)故事發(fā)生在深圳的一間工作室里。栗噔噔曾是騰訊的產(chǎn)品經(jīng)理，在職期間創(chuàng)辦了一個(gè)滑雪服品牌并做到了規(guī)模化營(yíng)收。現(xiàn)在她全職運(yùn)營(yíng)自媒體，是一個(gè)典型的“一人公司”——她要同時(shí)負(fù)責(zé)內(nèi)容研究、選題策劃、腳本撰寫、視覺(jué)設(shè)計(jì)、商務(wù)對(duì)接等多項(xiàng)工作。

她曾算過(guò)一筆賬：一個(gè)具備商業(yè)化能力的自媒體賬號(hào)，正常運(yùn)轉(zhuǎn)至少需要覆蓋五個(gè)崗位。一個(gè)人單干，產(chǎn)能天花板極低。她的解法不是雇人，而是將AI從“查資料的工具”重新定位為“首席運(yùn)營(yíng)官”。

她讓DuMate先學(xué)習(xí)自己Obsidian知識(shí)庫(kù)里的內(nèi)容資產(chǎn)，掌握其寫作風(fēng)格和知識(shí)體系；然后進(jìn)行風(fēng)格化仿寫，完成初稿；接著自動(dòng)適配公眾號(hào)排版格式；再生成符合個(gè)人IP調(diào)性的封面圖；最后同步至后臺(tái)等待發(fā)布。這還沒(méi)完——圖文內(nèi)容會(huì)被自動(dòng)拆解為短視頻腳本，通過(guò)視頻生成工具完成二次產(chǎn)出。

全套流程只需五分鐘。過(guò)去需要一個(gè)10人團(tuán)隊(duì)才能維持的內(nèi)容運(yùn)轉(zhuǎn)體系，現(xiàn)在被壓縮到一個(gè)人、一個(gè)Agent、五分鐘。栗噔噔發(fā)現(xiàn)，過(guò)去最消耗精力的并非寫作本身，而是排版、做封面、格式轉(zhuǎn)換這些機(jī)械環(huán)節(jié)。當(dāng)它們被DuMate自動(dòng)化之后，她只需要對(duì)內(nèi)容做最終把關(guān)。

兩個(gè)故事指向了同一件事：DuMate不是在替代人的某項(xiàng)技能，而是在消除“一個(gè)人不夠用”這個(gè)結(jié)構(gòu)性困境。而當(dāng)Token消耗下降75% 之后，這種消除的成本變得更低、頻率可以更高。老萬(wàn)可以每天都讓 DuMate篩選新素材，而不必?cái)?shù)著積分過(guò)日子；栗噔噔則可以把更多精力放在創(chuàng)意和決策上，而不是被排版、做圖、格式轉(zhuǎn)換這些機(jī)械環(huán)節(jié)吃掉時(shí)間。

過(guò)去一年，大多數(shù)人對(duì)AI的印象停留在“它能寫文章”“它能做 PPT”“它能畫圖”——這是功能視角。功能視角的問(wèn)題是，你會(huì)不斷追問(wèn)“能不能做得更好”“能不能多一個(gè)新功能”，然后被大模型發(fā)布會(huì)的節(jié)奏牽著走。但老萬(wàn)和栗噔噔的故事提示了另一種視角：Agent真正的價(jià)值不在功能列表里，而在它能重新定義一個(gè)人能做的事的半徑。70歲老人能獨(dú)立管理100TB影像資產(chǎn)，一個(gè)人能跑起一支10人團(tuán)隊(duì)的內(nèi)容產(chǎn)線——當(dāng)“一個(gè)人的組織能力”被Agent重新標(biāo)定，追問(wèn)“還有什么新功能”已經(jīng)沒(méi)那么重要了。

《AI極簡(jiǎn)經(jīng)濟(jì)學(xué)》中有一個(gè)反復(fù)出現(xiàn)的洞見：當(dāng)某種能力變得廉價(jià)，它的互補(bǔ)品就會(huì)升值。Agent把“執(zhí)行”變便宜了，于是“判斷”——決定做什么、做到什么程度、最終是否滿意——反而變得更值錢。栗噔噔不再把時(shí)間耗在排版和封面上，但她對(duì)內(nèi)容風(fēng)格的把控、對(duì)選題的判斷、對(duì)讀者需求的感知，這些Agent替代不了的東西，恰恰成了她一人公司真正的壁壘。老萬(wàn)也一樣：DuMate替他看完了100TB的素材，但他對(duì)“什么畫面值得拍”“什么時(shí)候該進(jìn)山”的判斷，反而因?yàn)獒尫帕司Χ兊酶杏嘣！?/p>

三、從模型戰(zhàn)爭(zhēng)到工程深耕：這次升級(jí)對(duì)AI用戶意味著什么

過(guò)去一年，國(guó)內(nèi)AI行業(yè)的主流敘事高度集中在“新模型發(fā)布”上。誰(shuí)的參數(shù)更大、誰(shuí)的跑分更高、誰(shuí)的多模態(tài)更強(qiáng)——每次更新都被包裝成顛覆性事件，節(jié)奏越來(lái)越快。

但在這條主線之外，有一條平行線索正被大多數(shù)人忽視：工程能力的持續(xù)積累。Token消耗降低75%，在發(fā)布會(huì)的敘事邏輯里或許只是一行小字。但對(duì)真實(shí)用戶而言，它的體感比一個(gè)新功能更具體——因?yàn)槊恳淮稳蝿?wù)都在發(fā)生，每一次消耗都是真實(shí)的成本。

DuMate自3月22日正式上線以來(lái)，經(jīng)歷了“一天一版”的快速迭代。外界看到的成果是PinchBench登頂、DeepResearch Bench第一、月訪問(wèn)量以114.72%的增速登上AI產(chǎn)品榜。但這些成績(jī)背后，是一套持續(xù)優(yōu)化任務(wù)規(guī)劃、工具調(diào)用、執(zhí)行穩(wěn)定性和成本控制的工程體系在默默支撐。Token消耗降低75%并非一次孤立的版本更新，而是這條持續(xù)優(yōu)化曲線上一個(gè)可被量化的新坐標(biāo)。

百度眾多AI產(chǎn)品過(guò)去幾年見證了行業(yè)發(fā)展的完整周期。而DuMate的持續(xù)迭代，正在傳遞一個(gè)不同于“模型軍備競(jìng)賽”的敘事：當(dāng)行業(yè)注意力都集中在參數(shù)和跑分上時(shí)，百度選擇了另一條路——在Agent的工程交付層面構(gòu)建能力壁壘。從“能回答”到“能干活”，再?gòu)摹澳芨苫睢钡健澳芊€(wěn)定、低成本地干活”，每一步都不夠華麗，但每一步都在將AI從實(shí)驗(yàn)室演示推向真實(shí)的工作場(chǎng)景。

放在更大的坐標(biāo)系里看，DuMate的這次引擎升級(jí)，觸碰了一個(gè)Agent行業(yè)繞不開的底層命題：通用智能體的競(jìng)爭(zhēng)，終局不取決于誰(shuí)家的模型參數(shù)更大、跑分更高，而取決于誰(shuí)能把“執(zhí)行復(fù)雜任務(wù)”這件事做得足夠可靠、足夠經(jīng)濟(jì)、足夠日常。Token消耗降低75%是一個(gè)技術(shù)指標(biāo)，但它背后更值得關(guān)注的邏輯是——在不犧牲質(zhì)量的前提下系統(tǒng)性壓縮成本，這正是Agent從“驚艷的Demo”邁向“生產(chǎn)級(jí)工具”必須跨過(guò)的那道坎。

《AI極簡(jiǎn)經(jīng)濟(jì)學(xué)》的三位作者提醒過(guò)：技術(shù)改變的是工具，不變的是經(jīng)濟(jì)規(guī)律。Token消耗下降75%真正的長(zhǎng)期意義，不在于用戶“省了積分”，而在于它重新標(biāo)定了“一個(gè)人+一個(gè)Agent”這個(gè)生產(chǎn)單元的成本結(jié)構(gòu)。當(dāng)這個(gè)結(jié)構(gòu)的運(yùn)行成本降到足夠低，一人公司、超級(jí)個(gè)體就不再只是少數(shù)先行者的實(shí)驗(yàn)，而會(huì)成為可規(guī)模化擴(kuò)散的新常態(tài)。

過(guò)去兩年，AI行業(yè)制造了足夠多的“驚艷瞬間”。但下一個(gè)階段真正稀缺的，不是又一個(gè)讓人驚嘆的能力展示，而是讓用戶用完一次后，明天還愿意打開、舍得打開、想得起打開的產(chǎn)品。

DuMate將成本削減了四分之三，本質(zhì)上是在為這個(gè)“明天”鋪路。當(dāng)整個(gè)行業(yè)開始從“制造驚嘆”轉(zhuǎn)向“培養(yǎng)習(xí)慣”，AI才算真正走完了從實(shí)驗(yàn)室到日常的最后一段路。

從這個(gè)意義上說(shuō)，DuMate的這次引擎升級(jí)也是一次有力的回應(yīng)。過(guò)去幾年，外界對(duì)百度AI的判斷常常在兩級(jí)之間搖擺——要么是聚光燈下的過(guò)高期待，要么是低谷期的全盤否定。但工程能力不靠發(fā)布會(huì)證明，它靠的是把一件事反復(fù)做、持續(xù)做，在無(wú)人注意的細(xì)節(jié)里一寸一寸地打磨。Token消耗降低75%就是這種“磨”出來(lái)的結(jié)果：不動(dòng)聲色，卻極度硬核。這才是技術(shù)公司該交出的答卷，也是百度對(duì)未來(lái)賽道判斷的最有利支撐。