Cerebras 自测：AI 代理 22 秒完成订餐任务，比 Grok Bot 记录快约 20 倍

9 月 25 日，Cerebras 官方发布一篇 X 原生长文，由 Sarah Chieng（@milksandmatcha）与 @0xSero 署名。文章给出的一项自建助手实测是：同一个订餐请求，用 Qwen 3.8 27B 跑在 Cerebras 推理上、以 Pi 为代理 harness（包裹模型、负责执行工具调用的框架层）的测试助手 22 秒完成；文内记录的对照是 Grok Bot 7 分 40 秒、Claude Cowork 6 分 25 秒、Meta Muse 4 分 36 秒。两位作者同时给出人类基准：同样的预订，手动操作 37 秒。

这是厂商自报的录制运行对比，不是独立评测，也不构成通用排名；文中写明 22 秒是两次成功尝试的中位数。提速来自三处改动的叠加：把互相独立的餐厅查询并行执行、把订餐网站的走法提前写成技能，以及更快的推理。截至 9 月 28 日检索，这条推文显示约 51.3 万次浏览、1,775 个赞、1,480 次收藏。

同一句订餐请求下的对照细节

文章从一次观察写起：AI 助手订个位子要花上好几分钟，作者们决定拆开看时间到底去了哪。文中把这类产品称作 OpenClaw 之后的新一波消费级 AI 助手——替用户包办更多设置，让「直接把任务交出去」不必先配置底层软件。测试本身，文章称把每个主流助手都放在同一句订餐请求下计了时，各家走的搜索、核对和浏览器操作序列各不相同。

文内还给几条轨迹记了细节：Meta Muse 的运行包含 9 次直连 OpenTable API 的调用，Claude Cowork 的运行用了 57 次工具调用，四家都成功订到了 A Mano、Il Borgo、Doppio Zero 三家餐厅之一。标题里的「20x」对准 Grok Bot 那条 7 分 40 秒的记录，正文给的口径则是「比现有助手快 19 倍」。

时间去了哪里：harness 与 Grok Bot 的轨迹

文章把时间账拆到 harness 层面：harness 管理对话、执行工具调用、处理报错、再把结果喂回模型。以 Grok Bot 为例，它的前两分钟用在加载技能、取回记忆、搜索、逐个查看餐厅页面、汇报进度上；其中一次浏览器运行花了 2 分 18 秒，把 A Mano、Il Borgo、Doppio Zero 串行查了一遍。

模型本身也在变快。文章提到，Opus 4.5 这一代把更强的代理能力与上下文压缩（context compaction，上下文满了就带着一份压缩摘要继续干活）配在一起，CompactionRL 一类研究进一步训练代理跨压缩步骤工作；但无论编排多顺，底下仍需要一个快模型来盯住目标、从错误中恢复、反复确认任务没跑偏。

三处改动：并行检查、快推理、写进技能

优化从 harness 开始。他们选了 Pi：系统提示很短，内置四个工具，留出给订餐任务加自定义工具的空间。

第一处是并行。查几家餐厅有没有空位互不依赖，只有「订哪家」依赖查询结果，技能里直接写明把独立检查放在一起跑、拿到结果再决定后续。文中给出的一组对比：优化后运行的浏览器/API 部分为 6.8 秒，早前 Grok 轨迹的同类项是 4 分 31 秒，约 40 倍；但文中注明，这组数字捆绑了模型、harness 与执行路径三处改动，并不能单独证明技能一项的效果。

第二处是压缩模型停顿。助手每次回到模型都要等一次回复，Cerebras 的快推理缩短的是这些等待；优化运行用 Qwen 3.8 27B，预先存下的网站流程也减少了模型临场要推演的内容。文中同时列出做不到的事：页面结果没回来之前，代理无法决定下一步；快推理不会让慢网站秒开，也去不掉手机验证环节，能省的是「看到、决定、行动」之间反复的间隙。

第三处是把走法存成技能。文章说，代理的浪费常在摸索：调工具、看页面、猜下一步、再调一次，下次访问又从头摸起。计时之前，他们先把摸清的订餐流程写成技能交给模型，文中称工具调用因此减少 80% 以上。作者特意划清界线：能复用的是「这个网站怎么走」的流程；有没有空位、价格多少、要不要刷卡，仍需现场核对。摸路线的功夫发生在计时之前，没有消失，只是被挪出了秒表。

一版成功运行的拆解：编排、API 调用与浏览器会话

文中另一张图把这 22 秒拆成三块：推理与编排 3.74 秒，占活跃时间 17%，是纯模型工作——读技能、规划、排序、分发、汇报；站点 API 调用 4.15 秒，占 19%，图注写明只有两次 Resy 调用被计时，OpenTable 的抓取超时了；浏览器会话 13.74 秒，占 64%，模型在循环里对着真实网站截图、决定、点击、再重复。即便在这版运行里，占大头的仍是浏览器环节。

回复区的追问与作者自划的边界

回复区的反应并不一致。截至检索时点赞最高的一条来自，要求「先看到引证」；问，是不是只有 Cerebras 的助手提前学过订餐流程，「不然这不算公平对比」；问得更直接：同一次运行里，其他代理有没有拿到同样的技能？另一条 5 赞的热门回复则把这篇当正面示范，说他喜欢的是重点放在代理执行的工具、减少模型要自己琢磨的东西、加快决策，而不是只扔一个更快的模型进去。

作者的收尾也没有把话说满：文中写道，离把每件差事都办得这么好、拥有「现实版 Jarvis」还有更多工作要做，末句是「先不说了，我们得赶去吃订好的晚餐」。文章本身没有回答「技能是否同享」，只写明对比捆绑了多类改动、不隔离单一因素。文中与推文里的对比数字全部来自 Cerebras 自己的录制运行，没有附上第三方复现结果；22 秒与 7 分 40 秒的差距能否被别人重现，仍是这篇公布留下的未决问题。