Agent要真干活，先得便宜七成

2026年秋天，三件看似不相关的事几乎同时发生：Anthropic把Claude Haiku 5.5的运行成本砍掉约75%，DoorDash公开了从"厂商优先"转向"开放权重"的内部GenAI平台演进史，NetApp则宣布让AI代理直接接管存储运维——但边界仍由人来画。

把这三件事摆在一起，结论就浮出来了：Agent的瓶颈，已经不再是模型聪不聪明，而是账算不算得过来、平台接不接得住、边界画不画得清。

📉 降价75%，Agent的成本账被重写

模型每便宜一分钱，Agent就多活一个场景。

先看这波降价的力度。据AIGCLINK的消息，Claude Haiku 5.5运行成本平均比Haiku 4.5降低约75%，Sonnet 5.5也同步降价。更激进的是分档定价：提示词在10万token以内的请求便宜90%，10万以上便宜50%。

这不是常规的"每年降一点"，是价格结构的重构。

成本之外，能力曲线的跨越更关键。电脑操作测试跑分从15.7%飙到72.4%，终端编程任务从0%直接干到39.2%。

这两个数字的产业含义，做工程的人都懂：屏幕操作类Agent之前只能停留在demo阶段——跑三次失败两次，人工兜底的成本比自动化省下的还高。而终端编程从零起步，意味着模型第一次具备了"在命令行里可靠干活"的门槛能力。

还有一个容易被忽略的细节：Haiku现在也支持"努力度调节"，让用户在成本与智能之间做权衡。

对架构师来说，这个功能非常"数据库"——就像缓存有L1/L2/L3，存储有热/温/冷分层，算力第一次变成了可以按任务难度调配的分级资源。简单任务低挡位跑，疑难杂症再拉高，这是把Agent从"每次都请专家"变成"先派实习生、搞不定再升级"的调度逻辑。

价格跌破"随便用线"，能力跨过"可用线"，高频低难度的Agent操作环节，才算真正具备从试点走向批量生产的经济性。

🏗️ DoorDash的教训：平台是被账单逼出来的

平台不是买来的，是被账单逼出来的。

InfoQ近日放出了一场分享，主角是DoorDash的Swaroop Chitlur和Siddharth Kodwani，主题是他们的内部GenAI平台建设历程。有几个关键信息点值得逐条拆：

第一，规模。这个平台服务超过5000名内部用户——不是十个工程师的玩具，是全公司级别的生产力基础设施。

第二，架构路线的核心转折：从"厂商优先"（vendor-first）的搭建方式，转向开放权重模型（open-weights models）。换句话说，DoorDash吃过单供应商绑定的亏，最后选择把一部分命脉握在自己手里。

第三，工程重心： navigating LLM网关和Agent网关，同时在准确率、延迟、成本三者之间做平衡。

用流程图看这条演进路径非常清晰：

做过多平台架构的人看到这里会心一笑：这和当年企业从单数据库绑定走向自建数仓、再到湖仓一体的剧本，几乎是同一套。

当年大家的教训是：中间件层——网关、路由、可观测性——才是平台真正的护城河。模型会换，供应商会换，但那层"把5000个用户的请求 intelligently 分发到最合适的模型上去"的调度能力，沉淀下来就是资产。

准确率、延迟、成本这个"不可能三角"，DoorDash的答案不是选边站，而是用网关把选择权变成运行时参数——和Haiku 5.5的"努力度调节"殊途同归。

🚦 NetApp：AI管存储，人画边界

自治系统的第一课，不是能做什么，而是被允许做什么。

据SiliconANGLE报道，NetApp在其INSIGHT大会上做了个大胆动作：把存储运维操作交给AI代理执行。

但报道的标题里有个更重要的限定词——"人类仍然划定边界"（humans still draw the boundaries）。

这篇文章里有一句话，我认为可以刻在所有Agent项目的立项文档首页：问题不再只是数据存在哪里，而是"什么被允许对它采取行动"。

注意这个主语的变化。过去二十年的数据治理，管的是数据的静态属性：存在哪、谁有权读、怎么分类分级。而Agent时代的治理，管的是数据的动态行为：一个AI代理可以对这条数据做什么操作、做到什么程度、谁在什么时候介入。

NetApp的逻辑链条也很清楚：AI正在把几乎所有的企业工作负载变成数据工作负载，而数据治理正成为"企业能否信任自治系统接管底层基础设施"的试金石。企业的数据如今横跨本地数据中心和云端，代理的操作边界必须是显式定义的。

运维型Agent是最容易率先落地的场景——任务边界清晰、结果可验证、操作可回滚。但存储恰恰是企业数据资产的最底层，一步误操作可能波及全部业务。所以NetApp的选择极具代表性：放权，但不放界。

🔗 三块拼图，拼出Agent技术栈的分层固化

把三个信号叠在一起看，Agent的技术栈正在快速分层固化，像极了二十年前的云计算。

按时间线串一遍：

• 模型层信号 ： Anthropic发布Claude Haiku 5.5，成本降约75%，操作与终端编程跑分跃升
• 平台层信号 ： DoorDash在InfoQ分享GenAI平台演进，明确从厂商优先走向开放权重
• 治理层信号 ： NetApp在INSIGHT大会宣布AI代理管存储，强调人类划定边界

三个信号分别对应栈的三层，而且节奏高度同步。这不太可能是巧合。

业界的私下共识是：单点能力（更聪明的模型、更好的编排框架）早就不是稀缺品了，稀缺的是把三者串成一条可靠生产链路的工程能力。谁先把这条链路跑通，谁就先拿到Agent的红利。

💡 给国内团队的三个落地判断

聊完别人家的故事，回到我们自己的工程实践。三个判断，供参考。

第一，成本敏感场景，优先押注小模型+努力度调节。

90%的Agent任务不需要最贵的模型。当短提示词便宜90%时，"先小模型跑、置信度不够再升级"的策略在经济上完全成立。别再用旗舰模型跑批量分类和格式抽取了，那是烧钱。

第二，网关层不要跳过，哪怕早期只有两个模型。

DoorDash用5000人的规模验证了这一点：从厂商优先到开放权重的迁移成本极高，而网关是让未来迁移成本趋近于零的那道保险。国内模型供给方众多、迭代速度快，这层抽象的价值只会更大。模型可替换性，应该写进架构评审的必查项。

第三，治理先行，权限粒度决定Agent上限。

NetApp给出的是反面参考式的正面教材：Agent能走多远，不取决于它多聪明，取决于你敢给它多大权限。建议每个Agent项目立项时先回答三个问题——它能对哪些数据执行哪些操作、异常操作的回滚机制是什么、人类在哪个节点强制介入。答不上来，就先别上线。

一句话总结：模型降价解决的是"用不用得起"，平台网关解决的是"换不换得动"，治理边界解决的是"敢不敢放"。 三者齐备，Agent才从发布会走进生产环境。

回头看这三件事，最有意思的不是任何单点，而是同步性：模型在降价、平台在去绑定、治理在画边界——产业在同一个季度里，把Agent落地所需的三个前提一次性补齐了。

接下来一年的看点很明确：当便宜七成的模型遇上画好边界的治理框架，第一批真正规模化、有审计、可回滚的生产级Agent，会从运维、客服、终端编程这些"高频低难"场景里长出来。而数据平台的架构师们，该把Agent网关和治理边界排进明年的OKR了。

窗口期不长。账算得过来的时候，就是竞争对手也算得过来的时候。