编码智能体团队不必全用强模型：便宜模型只做规划，成绩接近全强模型团队
编码智能体团队在从零重建程序的任务上普遍强于单个智能体，但花费是单个智能体的四到七倍。一项在ProgramBench两百个程序上的受控实验显示，把便宜模型只放在探索与规划阶段，能在比全强模型、全阶段委派团队低约八成成本下把成绩差距控制在2.7分以内，因为这类任务真正的瓶颈是弄清原程序的行为。
Ringg 的 AI 智能体每月处理 700 万通电话，最高自主解决 65% 的客户请求
Ringg 构建了一个以 GPT‑5.6 系列模型为核心、覆盖语音、聊天、WhatsApp 与网页的企业级智能体平台，通过编排层、知识检索与多模型路由完成跨 CRM、工单、支付与排程系统的多步任务，每月处理超过 700 万通连接通话，最高可自主解决 65% 的常规客户请求，客户平均 CSAT 为 4.8，并将部分实时工作负载从 GPT‑4.1 迁移至 GPT‑5.6 后模型成本降低约 90%。
已读完全部报道