智能体跑长任务，每一步都在调大模型——这个默认动作贵得隐蔽：账单按步数线性涨，延迟按步数线性堆，而其中大多数调用根本不是在「创作」，只是在做选择题，比如下一步够向哪件工具。10 月 15 日提交 arXiv 的 SpecAgent（编号 2610.21463）把这个默认动作翻了半个身：让弱模型当起草员，强模型退后当审稿人。
论文五位作者，跨计算语言、人工智能与机器学习三个分区，尚未经同行评审。它先把现成的省力分工数落一遍：路由器与协作智能体决定「这步交给哪个模型」，强模型照旧是写手；投机式方法让小模型先写草、强模型逐步核，核对的还是强模型自己那份标准答案。SpecAgent 的反转在于分工本身变了——弱模型带着只读工具边观察边起草，每一步都有真实观察垫底；遇到会改动环境的动作就停住不写。强模型不再逐字生成，而是用一次并行预填充审完整段草稿：认下它认为语义有效的最长前缀，只对头一个被否的步骤动手修补。
为什么「审」比「写」便宜
关键在于验证换了执行形态：自回归解码逐字生成，并行预填充一口气算完整段。强模型从此只产短判决和偶发补丁，不再逐字操刀——τ²-Bench 上，这套协议把成功率守在离强模型独写 1 个百分点的范围里，墙钟时间与显存流量同时约腰斩。另外两个基准上质量差距没能全补回，但挽回四成到七成半，延迟和开销都还是降的。
边云场景是另一组读数：在 MCP-Atlas 上配三个云模型做边云部署，强弱差距弥合五成到七成半，强模型生成的 token 不超过一半。对「中心模型太贵、端侧模型太弱」的部署形态，这个比例比基准上的绝对分更有生意上的含义。
放进台谱里看
本周同一批 arXiv 里还躺着两篇同族不同治法的东西：1962 的 Learning to Steer 给执行体配旁路掌舵员，管的是「跑着跑着忘了为什么出发」；1551 的 Strands Decider 与 1027 的 TypeSafe Jev 更激进，直接把路由与审查里的生成式推理换成便宜决策模型。SpecAgent 站在中间——它不把判断也外包掉，语义验证仍然由强模型把持，换掉的只是「逐字操刀」这个最贵的动作。三篇合起来，其实是同一份账单的三种付法。
往远一点数，它接的是投机解码的血统：那个家族在推理侧验证「小模型的草能不能要」，SpecAgent 把同样的怀疑搬到了轨迹级——一次验一整段，而且验的不只是像不像，是语义上站不站得住。
几盆该浇的冷水
「差 1 分」是它招牌也最窄的一条：只在 τ²-Bench 上成立，另外两个基准上质量确实掉了，只是掉得能接受。审稿本身不是免费的——预填充一段的长度直接决定验证成本，草稿拖得越长，这笔账越接近「还不如自己写」；摘要没有披露驳回率与修补频率，而这两个数决定协议在真实流量下是否划算。弱模型「只读接地」的设定假设了工具调用可重复无副作用，遇到计费接口、物理执行器这类碰一次就留痕的环境，接地本身就成了风险。五位作者、预印本，复现要等代码。
给正在为智能体烧钱发愁的团队一个拆账动作：把过去一周的工具调用按「选择题」和「创作题」分两类计数。选择题占比越高，SpecAgent 这类协议能摸到的钱越多——而如果你们大多数步骤真在创作，该修的是任务拆解，不是模型分工。