過度積極的 AI 智能代理所付出的隱性代價
現代人工智慧智能代理存在根本性的決策弱點，不僅推高營運成本，也令使用者感到挫折。阿里巴巴的研究人員指出，現今大型語言模型存在他們所稱的顯著「後設認知缺陷」。這些系統難以判斷何時需要呼叫外部工具，以及何時僅憑內部知識便足以應對。結果是大量不必要的 API 呼叫接連發生，不但拖慢效能、降低推理品質，也持續消耗運算預算。
目前的智能代理模型受訓時，把完成任務置於一切之上。這種單一目標導向造成開發者所稱的「動輒觸發」行為：即使使用者的問題已包含所有必要資訊，系統仍會自動使用網路搜尋、程式碼執行或圖像分析工具。根據阿里巴巴的研究，在一般部署情境中，多達 98% 的工具呼叫都沒有必要，比例高得驚人。這種情況之所以持續存在，是因為訓練機制會獎勵成功完成任務，卻不會懲罰低效率的資源消耗。
每次多餘的 API 呼叫都會造成串列處理延遲，累積後便形成明顯的延遲。使用者得忍受緩慢的回應速度，組織則須承擔膨脹的基礎設施帳單。除了速度和成本，過度使用工具還會直接損害推理品質。多餘的外部查詢會把環境雜訊帶進模型的上下文視窗，干擾系統連貫思考，甚至可能使其偏離正確結論。智能代理若不必要地依賴這些雜訊訊號，最終輸出品質就會下降，運算成本卻不斷上升。
打破最佳化僵局
過去解決這種低效率問題的嘗試，多半依賴傳統強化學習方法，把準確度與效率整合成單一獎勵訊號。這種糾纏在一起的做法，造成難以化解的最佳化兩難。工具使用懲罰過重，會迫使模型避開必要的外部呼叫，犧牲複雜任務的正確性；懲罰太輕，則無法遏止簡單問題上的浪費。共用的獎勵結構也會造成語意上的模糊：快速但錯誤的答案，可能與緩慢但正確的答案獲得相同評價。由於準確度和效率的訓練訊號彼此糾纏，模型無法學會控制工具使用，又不損害核心推理能力。
為克服這項限制，阿里巴巴研究人員開發了「分層解耦策略最佳化」（Hierarchical Decoupled Policy Optimization，HDPO）。這套架構將最佳化拆分成兩個獨立管道。準確度管道致力於提高模型所有推演結果的任務正確率；效率管道則著重於精簡執行流程。兩種訊號各自計算，只在最後計算損失時才合併。關鍵在於，效率獎勵仍以準確度為前提。回答錯誤的模型不會因速度快或使用工具少而獲得獎勵，以免模型學會快而不準。
這種解耦方式形成一套隱性的認知課程，類似教育中的學習進程。在訓練初期，重點放在準確度，讓模型掌握核心推理與知識獲取能力。隨著能力成熟、模型能持續得出正確答案，效率訊號便自然加強。這套機制讓系統先學會解決任務，再透過避免多餘且昂貴的 API 呼叫，逐步提升自主處理能力。如此一來，準確度和效率目標互相抵銷的梯度衝突得以消除，兩項目標也能同時獲得明確的學習訊號。
Metis 架構解析
研究團隊將 HDPO 用於打造 Metis，這是一款多模態推理智能代理，能在實際應用中展現上述原則。Metis 以 Qwen3-VL-8B-Instruct 視覺語言模型為基礎，具備 Python 程式碼執行、文字搜尋及圖像搜尋能力。它的參數規模相對精簡，僅有 80 億個，與較大型競爭模型形成鮮明對比，也顯示效率提升足以彌補規模上的劣勢。
訓練流程採用嚴謹的兩階段方法，以建立基礎能力並進一步提升效率。第一階段透過監督式微調，使用精心篩選的資料進行冷啟動初始化。研究人員取得公開的工具增強多模態操作軌跡資料，再嚴格篩除包含執行失敗或回饋不一致的低品質範例。他們也剔除所有基礎模型不使用工具便能解決的訓練樣本，確保資料集只包含真正需要策略性使用工具的案例。Google Gemini 3.1 Pro 則擔任自動評審，確認留下的範例展現的是必要、而非習慣性的工具呼叫。
第二階段透過 HDPO 架構進行強化學習。此階段讓 Metis 接觸多輪互動，要求它判斷是否需要呼叫外部工具。訓練資料排除了視覺內容損壞或語意模糊的提示，以免干擾學習訊號。演算法必須比較正確與錯誤的回答，才能產生有意義的梯度，因此研究團隊剔除了過於簡單、模型總能成功，以及難度過高、模型一再失敗的任務。這種篩選確保最佳化過程中持續產生可用的學習訊號，避免模型無從進步的平坦梯度區域。
從 98% 浪費降至精準運用
評估結果顯示，有效率地使用工具與維持高準確度並不衝突，反而相輔相成。Metis 在視覺感知與文件理解資料集 HRBench、V*Bench，以及 WeMath、MathVista 等嚴謹的數學推理任務上，都達到最先進的表現。值得注意的是，只有 80 億個參數的 Metis，在視覺與推理基準測試中皆勝過規模大得多、擁有 300 億個參數的智能代理模型 Skywork-R1V4。這項表現為領域樹立新標準，同時所需的運算資源也大幅降低。
量化改善也反映在測試中觀察到的行為變化。研究人員曾展示一張博物館告示牌的圖像，詢問中央文字寫了什麼。一般智能代理模型會自動撰寫 Python 程式裁切並處理圖像，但這麼做並無必要，只會增加延遲與複雜度。Metis 則判斷原始輸入中的文字清晰可讀，完全不使用外部工具，一次推論便完成任務。這展現的是真正的視覺理解能力，而非對工具的機械式依賴。
相對地，當研究人員展示一張複雜圖表，其中一個小型子圖有多條線重疊，並要求辨認特定資料點上排名第二高的線條時，Metis 正確判斷出自身原生解析度不足以分辨視覺細節。它沒有根據整張圖像猜測，而是呼叫 Python，只裁切並放大相關區域，以取得所需的辨識精度。這種行為顯示，只有在視覺證據確實模糊時，才把程式碼當作精準工具使用，而非把它當成處理每筆輸入的預設備案。
更聰明的智能代理，帶來更佳經濟效益
對打造 AI 產品的新創公司與企業而言，Metis 的突破可直接轉化為更具永續性的單位經濟效益。目前使用 OpenAI、Anthropic 或 Google 等熱門 API 的 AI 智能代理，光是多餘呼叫，每月就可能累積數千美元成本。根據研究展示的多餘呼叫比例從 98% 降至 2%，每月花費 1 萬美元使用 API 的新創公司，若能消除浪費性的工具呼叫，每月支出便有機會減少 9,600 美元。當產品從最低可行產品階段邁向正式營運、服務數千名活躍使用者時，這類節省尤其重要。
除了直接節省成本，降低延遲也能改善使用者體驗，形成競爭優勢。消費型與企業對企業（B2B）產品都能受惠於更快的回應速度，而回應速度與使用者留存率及參與度指標密切相關。產品從數百名活躍使用者擴展至數千人時，不必要 API 呼叫造成的串列瓶頸會層層累積，進而拖累整體系統效能。開發初期運作尚可的系統，若未經效率最佳化，往往會在正式環境的流量壓力下崩潰，而問題恰好出現在成長加速之際。
在拉丁美洲及其他新興經濟體等對價格敏感的市場，營運效率攸關企業能否存續。能維持健康利潤、而競爭對手卻把資金耗在重複運算上的公司，將取得持續性的競爭優勢。研究指出，當任何新創公司都能取得相同的基礎模型時，效率便成為主要的競爭差異。這種局勢有利於同時導入智慧快取、信心門檻、策略性模型選擇，以及 HDPO 等架構的組織。
全新的訓練理念
HDPO 架構代表研究人員在工具增強學習上的理念轉變。過去的方法主要著重教會模型正確執行工具呼叫，重視技術熟練度，卻較少關注判斷力。阿里巴巴團隊主張培養模型的後設認知能力，讓它懂得何時完全不必使用外部工具。這需要訓練資料明確呈現策略性克制，而不只是技術執行；這項細微差異在過去的資料集中大多遭到忽略。
資料篩選流程則針對現有工具增強資料集常見的嚴重缺陷。多數公開資料集包含雜訊重重的操作軌跡，模型因此學會習慣性呼叫工具，而非策略性使用。研究人員剔除不需外援即可解決的範例，並利用自動評審確認工具使用是否必要，藉此建立一個獎勵審慎克制的訓練環境。這與 ReAct 等架構不同，後者將推理與行動結合，卻沒有明確採用雙管道最佳化；Meta Toolformer 則著重學習如何使用工具，而非提升運作效率。
HDPO 建立的隱性課程，類似人類在專業教育中的學習模式。新手智能代理先掌握任務正確性，確保能善用現有資源，可靠地解決問題。能力穩固後，系統便自然轉向效率最佳化，學會直接解決熟悉的問題，並將外部工具保留給真正陌生的情況或複雜的邊緣案例。這種循序漸進的方式，能避免系統同時接受兩項目標訓練時變得脆弱，因為這類系統往往會在效率限制造成壓力時犧牲準確度。
開源易於取用，影響遍及全球
阿里巴巴以寬鬆的 Apache 2.0 授權釋出 Metis 與 HDPO 訓練程式碼，允許商業使用，不設限制條件或權利金。這種開放作法讓新創公司能立即整合這項技術，不必等待專有解決方案，也不必支付高額使用費。不過，論文發表於 2026 年 4 月，相關文件和社群支援仍處於早期發展階段；要妥善實作並進行客製化，仍需要相當程度的技術專業。
這項釋出正值 AI 智能代理生態系統逐漸成熟，產業焦點也從不斷堆疊功能轉向提升效率。LangChain 與 LlamaIndex 等公司持續將類似的最佳化功能整合至各自平台，專有替代方案則提供價格結構各異的代管服務。對西語市場與新興經濟體的開發者而言，及早採用這類效率架構，有助於打造能配合當地基礎設施限制與價格敏感度的競爭型產品。
研究團隊成員強調，消除雜訊與多餘的工具呼叫，不是以犧牲一項指標換取另一項，而是能直接提升準確度。他們的結論指向人工智慧發展更廣泛的典範轉移：從透過頻繁使用工具展現能力的系統，轉向透過策略性克制展現判斷力的智能代理。研究顯示，未來 AI 的發展將重視有選擇、具智慧的行動，而非不加區別地呼叫所有工具。
重點整理
- 阿里巴巴的 Metis 智能代理透過 HDPO 架構，將多餘的 AI 工具呼叫比例從 98% 降至 2%
- HDPO（分層解耦策略最佳化）將準確度與效率拆分為獨立的訓練管道
- 參數規模為 80 億的 Metis，在視覺與推理基準測試中勝過多個規模大得多、擁有 300 億個參數的模型
- 策略性使用工具形成隱性認知課程，讓智能代理先掌握準確度，再提升效率
- 新創公司透過杜絕浪費性呼叫，API 帳單有望減少 96%
- Metis 與 HDPO 程式碼採 Apache 2.0 授權釋出，可不受限制地商業使用
- 此架構解決 AI 智能代理的後設認知缺陷，讓系統懂得區分哪些需求可由內部知識滿足，哪些需要外部工具
