Ramp 用更小模型在财务任务上超越 Opus：三个生产级 Agent 项目

Ramp Labs 的 Alexander Shevchenko 介绍公司为何不等待下一代前沿模型而自建应用研究，并展示三个已上线的项目：后训练的 Qwen 3.5 在财务问答上以 Haiku 级延迟超过 Opus 4.6；KV cache“cartridges”为月末结账等任务预先打包 20 至 30 倍上下文；1 万个并行 agent 对 Ramp 做渗透测试，发现 7 个高危漏洞，且更便宜的开源权重模型捕获量接近。演讲还涉及 token 支出管理与 Ramp Router。

AI推荐理由 Ramp Labs 的工程演讲，给出三个已投入生产的具体项目：后训练 Qwen 3.5 在财务问答上以 Haiku 级延迟超过 Opus 4.6、KV cache“cartridges”预打包 20-30 倍上下文用于月末结账、1 万并行 agent 对 Ramp 做渗透测试发现 7 个高危漏洞且更便宜的开源权重模型效果接近。信息密度高、有可验证的工程细节，对应用型公司自建专用模型与 agent 规模化落地有参考价值；但均为演讲者自述，缺少基准细节与第三方复现，标题中的“击败 Opus”需谨慎看待。