newtype

Astra vs Fable：同标价≠同账单 GPT-6 Astra和Claude Fable 5.1，标价都是每100万token输入10、输出50。 但这不是同一张账单。 Fable 5.1缓存读取只要0.25，Astra要1，相差4倍。Agent每循环一次，都可能重新读取大段系统提示、工具定义、代码库和历史上下文，差距会随着循环次数不断放大。 Astra还有一道272K计费悬崖：单次请求的输入一旦超过272K，不是只对超出的部分加价，而是整次请求重新计价——输入和缓存费翻倍，输出费提高50%。 也就是说，在多数长上下文、多轮循环的Agent任务里，Astra通常更贵。

Grok Bot有一个很棒的地方：Bot之间可以私信传话。 所以，可以建一个CHIEF Bot，跟它聊模糊的目标。然后由它直接派活给其它Bot。当然，如果任务非常明确，那就直接找对应的Bot下达指令。 除了私信唤醒之外，还可以建群，把几个Bot拉到一起。

卖Token只是中间态。后面肯定要卖交付。 OpenAI大量购买Mac，就是为了规模化生产Computer-use Agent的真实操作轨迹，并用可验证的最终交付结果生成强化学习奖励。

我对Grok Bot最大的感受是：振奋！ 这是新东西、大潜力带来的振奋感。

一套完整的Agent Harness方法论： 模型负责理解、判断和规划； Skills负责领域流程； Tools连接真实系统； UI通过Tool Call表达； Harness执行安全边界； Evals把产品需求变成可自动验证的测试。 这套方法论的核心，是把Agent拆成两个世界： 模型负责处理开放、模糊、需要判断的问题； Harness负责处理确定、敏感、必须可靠的问题。 换句话说，模型是“认知与决策层”，Harness是“运行时与控制层”。Skills、Tools、UI和Evals则分别解决知识、执行、交互和质量控制问题。 这里最重要的不是某一个组件，而是职责边界。

Grok Bot是AI员工：有自己的办公室（高配云电脑），长期在线，自己捣鼓。 Codex是AI助手：在我的办公室（Mac）里，听指令，辅助我干活。 一个替我干活，一个帮我干活。这是我对它俩的定位。