有界决策不该进大模型循环：
706K 参数 vs 23 轮推理

agent 降本被讨论成一件压缩模型的事，但它其实是两件事。2026 年 9 月 18 日，Cua 开源 CUA-S1-FORMS：一个 706,048 参数、2.8MB 的表单决策模型，在一次约 50 毫秒的前向传播里决定整张表单怎么填；而同一张表单交给通用 LLM agent，需要 23 轮、39.6 秒。我们的判断：降本的第二条路径不是把大模型压小，而是让有界决策根本不进循环——这条路径不改变模型，改变的是你把哪些决策放进了循环里。

一、事实：一个 706K 参数模型替代 23 轮推理

Cua（创始人 Francesco Bonacci）在 09-18 开源 CUA-S1-FORMS，是 System One 模型家族的第一个 checkpoint：706,048 参数、2.8MB 的字节级 transformer，MIT 许可，模型卡发布在 Hugging Face 的 cua-ai/cua-s1-forms。给定单个界面表单字段与候选值集合，它在一次前向传播内决策填充、勾选、点击还是跳过——没有链式推理、没有多轮工具调用、不调用大模型 API。来源：trycua/cua 仓库、模型卡。

对比数字是这篇文章的重点：同一张表单，通用 LLM agent 需要 23 轮、39.6 秒；专用决策模型一次前向传播约 50 毫秒。模型卡同时报告 99.7% 的决策准确率，对照通用 LLM API 基线约 83.6%。来源：AI Weekly 对本次开源的覆盖。

引用纪律：99.7% 与 83.6% 均来自模型卡，属厂商自报，且只针对表单填充这一单一任务，不是通用能力声明。可采信的部分是机制与量级——有界决策可以用极小模型完成，而「可以」需要用你自己的评估集来验证。

二、我们的判断：降本有两条路径，第二条长期被忽略

路径 A 是把通用模型压小：量化、蒸馏、缓存，目标是降低单位 token 价格。这条路径的收益上限由模型供应商的定价与技术节奏决定，企业买方只能选择，不能设计。

路径 B 是把有界决策从循环里摘出去：不改模型，改的是架构——哪些判定必须由通用推理完成，哪些判定一次前向传播就够。这条路径的收益不受供应商定价约束，只受你自己对任务的拆解能力约束。

我们的判断：路径 B 之所以被忽略，是因为它看起来不像 AI 项目——它更像一次流程梳理。但它的杠杆率更高：把一项判定移出循环，同时消掉的是轮数、上下文长度与重试次数，这三项在任何按 token 计价的账单里都看不见。

三、判断标准：哪些判定该摘出去

三个问题同时为「是」，才适合摘出去：

反面同样清楚：长尾异常处理、需要跨系统语义理解的判定、结果无法验证的开放生成，应当留在通用循环里。摘出去不是把 agent 做小，是把 agent 的循环留给真正需要循环的部分。

四、经济性重算：按每个完成任务的成本算

一个表单填写任务在通用 agent 里是 23 轮推理：每轮都带上下文、每轮都可能重试、每次重试都重新计费。换成一次前向传播后，边际 token 成本归零，延迟下降三个数量级——这不是 10% 的成本优化，是成本结构的替换。

但替换不是免费的。你要维护一个小模型、它的评估集与版本，还要承担「有界任务定义漂移」的风险：界面改版、候选值变化、业务规则调整都会让模型失效，需要重新训练或重新校验。因此判断标准不是「能不能做」，而是「这项判定的重复量是否足够大、定义是否足够稳定」。

我们的判断：单位经济学应该按每个完成任务的成本算，而不是按 token 单价算。按 token 单价算，你只能看见模型档位之间的差价；按每个完成任务的成本算，你才能看见「这项判定根本不该进循环」这类结构性空间。

五、落地清单与本月动作

本月可做的最小动作：拉出 agent 生产日志，统计最近一周的循环轮数分布，找出轮数最多的那个判定，问一句它是否满足上面三个条件。然后回答一个问题：你的 agent 循环里，有多少轮是在回答一个候选集合只有十个选项的问题？

参考来源：Cua 开源仓库 github.com/trycua/cua（HTTP 200）｜模型卡 huggingface.co/cua-ai/cua-s1-forms（HTTP 200；706,048 参数、2.8MB、MIT 许可、单次前向传播约 50 毫秒、23 轮与 39.6 秒对比、99.7% 与 83.6% 准确率均出自此处，属厂商自报）｜AI Weekly 覆盖 aiweekly.co alert（HTTP 200）。