Model
.ai
memantau model AI terbuka
Palmyra X5
Writer | konteks 1.040.000 token | $0,60/M input, $6,00/M output. Palmyra X5 adalah model paling canggih dari Writer, dibangun khusus untuk membangun dan mengembangkan agen AI di seluruh perusahaan. Model ini memberikan kecepatan dan efisiensi terdepan di industri pada jendela konteks hingga 1 juta token, didukung oleh arsitektur transformer baru dan mekanisme atensi hibrida. Ini memungkinkan inferensi lebih cepat dan memori yang diperluas untuk memproses volume data perusahaan yang besar, yang penting untuk pengembangan agen AI.
Panduan untuk model ini
Semua panduan
Palmyra X5 adalah model bahasa unggulan dari Writer, dibangun khusus untuk agen AI perusahaan yang perlu memproses volume data besar tanpa melambat. Arsitektur transformer baru dan mekanisme perhatian hibridanya mendorong jendela konteks hingga sedikit lebih dari satu juta token sambil menjaga inferensi tetap cepat. Jika Anda membangun atau mengembangkan pipeline agen dalam perusahaan, inilah yang dirancang Writer untuk itu.

Dikenal untuk

  • Jendela konteks satu juta token cocok untuk beban dokumen perusahaan besar
  • Arsitektur perhatian hibrid yang dioptimalkan untuk kecepatan pada konteks panjang
  • Dirancang khusus untuk alur kerja agen AI multi-langkah, bukan hanya chat
  • Biaya input rendah $0,60 per juta token untuk penyerapan volume tinggi

Waspadai

  • Bobot tertutup dan hanya API; Anda tidak dapat menjalankan ini secara lokal atau meng-host sendiri.
  • Output dihargai $6,00 per juta token, sepuluh kali lipat dari tarif input — loop agen yang menghasilkan banyak akan lebih mahal dari perkiraan awal.
  • Writer belum menerbitkan hasil benchmark independen, jadi perbandingan kualitas pihak ketiga terbatas.

Prompt untuk dicoba

Ringkas korpus satu juta token
Anda memiliki koleksi besar laporan internal. Tempelkan teks lengkap di bawah dan minta: identifikasi lima tema paling umum di semua dokumen, catat kontradiksi di antara mereka, dan tandai tiga temuan yang paling mungkin memengaruhi keputusan roadmap produk. Jelaskan secara spesifik dan kutip bagian terkait.
Rancang alur kerja agen
Saya perlu membangun agen yang memantau tiket dukungan masuk perusahaan, mengklasifikasikan setiap tiket berdasarkan area produk dan urgensi, menyusun email tanggapan pertama, dan mengeskalasi apa pun yang ditandai kritis ke saluran Slack. Rancang langkah-langkahnya, alat yang dibutuhkan setiap langkah, dan di mana agen harus berhenti untuk tinjauan manusia.
Ekstrak data terstruktur dalam skala besar
Berikut empat puluh kontrak pemasok dalam teks biasa. Untuk masing-masing, ekstrak: nama pihak, tanggal mulai dan berakhir kontrak, ketentuan pembayaran, klausul penghentian, dan jumlah penalti jika ada. Kembalikan hasil sebagai array JSON dengan satu objek per kontrak. Tandai bidang yang informasinya ambigu atau hilang.

Bandingkan dengan

Model teks lain dari writer

Pertanyaan yang sering diajukan

Bisakah saya menjalankan Palmyra X5 secara lokal atau mengunduh bobotnya?
Tidak. Palmyra X5 hanya tersedia melalui API dan Writer belum merilis bobot terbuka, jadi penyebaran lokal tidak memungkinkan.
Berapa biaya Palmyra X5 dan seberapa besar konteksnya?
Input dihargai $0,60 per juta token dan output $6,00 per juta token, dengan jendela konteks 1.040.000 token.
Apa perbedaan Palmyra X5 dengan model frontier umum?
Writer memposisikannya sebagai model yang dibangun khusus untuk pipeline agen perusahaan, bukan untuk chat atau coding umum, dengan arsitektur yang dioptimalkan untuk kecepatan dan efisiensi memori pada konteks sangat panjang.
Putusan Kapten
Model agen perusahaan serius dengan jendela konteks sejuta token, tapi bobot tertutup dan harga output membuat Anda harus memodelkan biaya sebelum berkomitmen.
Kapten menulis catatan ini dari deskripsi model dan kartu model itu sendiri. Harga dan ukuran konteks adalah milik penyedia pada saat penulisan dan dapat berubah.
Ranking badge
Updated Oct 22, 2026
Palmyra X5 di ModelTrends.ai: Heat 1,575°
Made this model? Show this badge on your page.
Paste it into your Hugging Face card or Civitai description.
Bagaimana skor ini dihitung
Model ini belum punya data popularitas dari sumber mana pun, jadi memakai angka pengganti di bawah 7,000° supaya daftar tetap lengkap. Model ini tidak pernah berada di atas model yang punya data. Rinciannya akan muncul di sini segera setelah ada laporan dari sumber.
Glosarium: istilah yang dipakai di sini
Skor heat
Satu angka untuk seberapa banyak model dipakai dan diinginkan sekarang, dari 0° sampai 9.999°. Setiap daftar di situs ini yang bilang terpanas diurutkan berdasarkan ini dan tidak ada yang lain.
Lantai
7.000° yang jadi titik awal semua model dengan data nyata. Skala dari 0° sampai 9.999°; bagian di bawah lantai untuk pengganti (model tanpa data), supaya model dengan data selalu di atas yang tanpa. Lantai sama untuk semua dan tidak menentukan apa-apa; derajat di atasnya yang dihitung.
Setara unduhan
Semua yang dihitung skor sebagai unduhan, dijumlahkan: unduhan itu sendiri, setiap torrent seeder dihitung 1.000, setiap gambar AI Horde dan setiap run di situs generasi dihitung satu.
Skala log
Menghitung per puluhan, bukan per satuan: naik dari 1.000 ke 10.000 unduhan menambah derajat yang sama dengan naik dari 10.000 ke 100.000. Ini mencegah raksasa mendominasi semuanya.
Suka
Jempol ke atas dan suka dari semua sumber, bernilai setengah unduhan di skala log.
Tingkat adopsi
Berapa banyak unduhan per hari yang didapat model sekarang, dari selisih dua pembacaan sumber. Bobot seperempat dari istilah unduhan.
Diukur dan diperkirakan
Diukur berarti ada dua pembacaan dari sumber dan perbedaannya nyata. Diperkirakan berarti hanya total hari ini yang diketahui dan masa lalu dibagi selama umur model; situs memberitahu mana yang sedang ditampilkan.
Seeder
Seseorang yang menyimpan salinan bobot secara online agar orang lain bisa mengunduh lewat torrent, atau mirror yang dihosting melakukan hal yang sama. Setiap satu dihitung sebagai 1.000 unduhan.
AI Horde
Jaringan sukarelawan yang menghasilkan gambar secara gratis di komputer yang disumbangkan. Jumlah gambar yang dibuat dengan model tertentu bersifat publik, dan setiap gambar dihitung sebagai satu unduhan.
Situs generasi
Situs yang menyimpan salinan model sendiri dan membiarkan orang menghasilkan gambar dengannya, seperti PixAI, SeaArt, dan Yodayo. Unduhan mereka dihitung seperti di Civitai dan setiap kali generasi dihitung sebagai satu unduhan.
Token OpenRouter
Model teks yang dilayani melalui API, seperti Claude atau GPT, tidak memiliki bobot untuk diunduh, jadi penggunaannya diukur dalam token: potongan teks yang dibaca dan ditulis melalui OpenRouter, gateway yang digunakan banyak aplikasi, selama 30 hari terakhir. Setiap 10,000,000 token dihitung sebagai satu unduhan. Sumber: OpenRouter (openrouter.ai/rankings), CC BY 4.0.
Model penuh (checkpoint)
Bobot itu sendiri, file yang bisa menghasilkan secara mandiri. Mendapat bonus karena add-on bergantung padanya.
LoRA dan embedding
File add-on kecil yang mengarahkan bobot orang lain ke gaya, karakter, atau konsep tertentu. Tidak bisa dijalankan sendiri.
Keluarga dan bobot
Dasar yang dipakai model, seperti SD 1.5, SDXL, Flux, atau Wan. Setiap model mewarisi tanggal rilis bobot keluarganya.
Usia
Pengurangan nilai berdasarkan seberapa lama bobot keluarga itu dirilis: 150° per tahun, sampai maksimal 750°. Ini menjaga unduhan lama yang sudah bertahun-tahun menumpuk agar tetap di atas daftar.
Dorongan keluarga
Dorongan kecil dan terbatas untuk LoRA dari keluarga yang sedang didorong situs ini sekarang, selalu tercantum dalam rincian.
Skor pengganti
Angka stabil di bawah batas yang diberikan pada model yang belum ada laporan sumbernya, supaya daftar tetap lengkap. Tidak pernah lebih tinggi dari model yang punya data.
Baru! (masa tenggang)
Model yang berumur kurang dari 7 hari menunjukkan label Baru! bukan skor dan tidak masuk peringkat. Skornya dihitung sejak hari pertama, tapi model yang baru sehari tumbuh lebih cepat dari apa pun, jadi tanpa masa tunggu model #1 minggu ini selalu yang baru kemarin, bukan yang bertahan seminggu.
Tren
Bagaimana pertumbuhan model selama periode tertentu dibandingkan dengan pertumbuhan model biasa di periode yang sama. Lebih cepat dari biasanya berarti naik, lebih lambat berarti turun.
Model biasa
Tengah katalog: setengah model dengan angka tumbuh lebih cepat selama periode itu, setengahnya lebih lambat.