当大模型的能力越来越趋同，企业AI的竞争焦点正在发生转移。Glean在最新发布中给出了自己的答案：一口气推出50多项新功能，核心逻辑只有一个——用企业自身的上下文数据，驱动AI更精准地执行任务。

这家企业级AI搜索与知识管理公司认为，模型本身正在变得"越来越可互换"，真正的价值差异在于上下文的质量与组织方式。Glean的做法是把公司知识、模型、智能体（Agent）和工作流整合在一起，让每项任务都能获得正确的信息和执行路径。

打开网易新闻 查看精彩图片

成本与偏好：两组关键数据

Glean公布了两项内部基准测试结果：其系统在token成本上降低了81%，同时在偏好测试中，有78%的场景下其方案被优先选择。这两组数字指向同一个结论：在模型能力趋同的背景下，谁能更好地组织和利用企业上下文，谁就能在成本和效果上建立优势。

token成本的下降，意味着企业在运行大规模AI任务时的开销可以显著压缩。而78%的偏好率，则说明用户在实际使用中更能感受到上下文优化带来的体验差异。

企业AI栈正在被重构

Glean的这一动作背后，是更大的行业趋势：企业AI的技术栈正在被重新搭建。过去，企业关注的是"哪个模型更强"；现在，随着模型能力普遍提升，问题变成了"如何让模型真正理解我们公司的业务、数据和流程"。

从"回答问题"到"执行关键任务"，AI在企业中的角色正在发生质变。而支撑这一转变的，不再仅仅是模型的原始智能，而是组织上下文的深度整合——包括公司内部的知识库、业务流程、权限体系以及历史数据。

上下文即价值

Glean的核心判断是"上下文驱动价值"。在模型趋同的时代，谁能把企业内部散落的知识有效组织起来，并精准地投喂给AI，谁就能让AI真正落地到业务场景中。

这次发布的50多项新功能，本质上都是围绕这一目标展开：让AI更懂企业、更懂业务、更懂执行。对于正在评估企业AI方案的技术决策者来说，Glean给出的方向值得关注——与其纠结于选哪个模型，不如先想清楚如何组织好自己的上下文数据。