Migrating a production AI agent to GPT-5.6: 2.2x faster, 27% cheaper
258 points • 4 days agoArticle Link

Ploy 已正式将其用于构建和编辑营销网站等复杂任务的生产级 AI agent,从 Claude Opus 4.8 迁移到 OpenAI 的新型号 GPT-5.6 Sol 。数月以来,Claude Opus 一直是 Ploy 在代码生成、图像创作和自主决策等严格需求上的基准。 GPT-5.6 带来了重大提升,工作流更高效,构建时间缩短了一半以上,运营成本降低了 27% 。

这次迁移凸显出生产技术栈会在多大程度上围绕特定模型的行为进行专门化。初步测试表明,模型性能常被误判,因为现有的评估工具(eval harnesses)往往针对现有模型的细微特性进行了调优。 Ploy 发现约三分之一的初期失败由评估工具的假设导致,而非模型本身的缺陷,这说明在相信自动化通过率之前,必须对追踪日志进行人工排查。

技术摩擦主要出现在工具调用和提示缓存两方面。与以往不同,GPT-5.6 在函数调用中会返回所有可选参数,且常用看似合理但错误的默认值填充这些参数。为此,Ploy 在供应商边界实施了 schema 转换,将可选属性改为可为空的类型,从而让模型能够明确表示某个参数未被使用,避免空文件读取并提升工具效率。

由于 Anthropic 与 OpenAI 的缓存设计存在差异,优化提示缓存需要彻底的架构调整。 OpenAI 的新架构要求使用显式且以工作区为范围的缓存键来保持效率,Ploy 因而将系统提示重组为分层且带断点的段落。这一改动至关重要,它避免了昂贵的缓存未命中,使公司的实际生产成本与模型的理论定价更为一致。

最后,团队通过让模型输出自包含的内容来解决推理重放问题:强制把推理内容作为加密的 blob 存储,而不是使用指向服务器端状态的指针,从而消除了对话过程中出现的间歇性故障。总的来看,向 GPT-5.6 Sol 的迁移证明,尽管前沿模型在速度和成本上具有显著优势,但要切实获得这些好处,必须以严谨的基础设施改造来确保技术栈明确适配新提供商的特性。

131 comments • Comments Link

• LLM 生成的文本具有高度可识别的重复性风格,表现为生硬的节奏、过度使用的措辞和单调的结构,这被广泛视为阅读理解的重大障碍。

• 读者认为明显带有 LLM 生成痕迹的内容是在浪费他们的时间,通常将这种风格视为内容浅薄、不精确或缺乏原创性的可靠信号。

• 对 AI 写作"单一文化"的普遍疲劳感,使得不同来源的内容听起来如出一辙,降低了作者的感知可信度。

• 许多人认为,高质量、有影响力的写作需要人为意图和编辑投入,而依赖 LLM 更像是一种会降低沟通质量的心理依赖。

• 业界强烈呼吁抵制"AI slop"(泛指低质量的 AI 内容)的常态化,认为如果读者持续抵制低质量产出,作者就会被激励去创作更多原创且有实质性的作品。

• 相反,也有人认为,如果把 LLM 用来增强而不是取代作者独特的声音和创作流程,它们将是提高生产力的有效工具。

• 技术讨论显示,对开发者而言,模型迁移(model migration)通常是一句简单直接且高回报的"one-liner",能显著提升性能和成本效率。

• 基于 agent 的工作流的核心挑战在于平衡成本与可靠性:有人主张用更小、更便宜的模型来执行任务,而把高端模型保留用于验证或编排。

• Subagents 的有效性在很大程度上取决于如何在隔离(以减少上下文膨胀和模型不确定性)与保持连续性及共享研究访问之间取得平衡。

• 尽管 AI 驱动的开发取得了进展,但自动化工作流带来的效率提升,与人们在创作或对外产出中对人工策划结果的主观偏好之间,仍存在显著张力。

此次讨论反映出人们对充斥着低质量、 AI 生成内容且优先追求速度而非实质的现象有着根深蒂固的挫败感。尽管参与者承认 newer models 在代码迁移和工作流优化方面确有技术效用,但他们仍明确区分功能性 AI 集成与那些会降低可信度的"LLMish"写作。各方普遍达成共识:重复性的句法是衡量质量的负面启发式指标,导致许多人会立即拒绝此类内容。归根结底,这种张力凸显了在生成文本变得轻而易举的时代,人们为维持高标准的沟通与批判性分析所做的持续努力。