91%对45%，token少一半，赢的是那堆没人看的notebook

Databricks联合创始人Ali Ghodsi在X上发了条推，说自己比一年前强10倍，整个公司现在跑在Genie上。他把原因归给Agentic Ontology，一个持续被整理、演化、给全公司共用的企业知识层。模型换了多少，他没提。

这话听着像产品宣传。但Databricks随后放了一组和Turing合作的测试，数字比较直接：同一批企业数据分析任务，Genie通过率91%，两个前沿agent分别是45%和58%。Genie平均跑一次用43万token，对手是89万和105万，时间上快3到4倍。

要理解这个差距，得先看测试怎么设的。

他们虚构了一家英国能源公司Calderwick Energy，有几百张表，最大一张存了约1.2亿行半小时粒度的电表数据。但真正让任务变难的，是这堆表上面堆的东西：notebook、定时任务、dashboard、存下来的SQL、代码、指标定义、文档、Genie Agents。还故意留了真实环境里的脏东西，复制的notebook、荒废的分析、旧文档、几个月没人碰的报表。

传统的数据agent基准大多只给表结构，谁都能在上面跑出差不多的分。真实公司里，正确答案经常躺在某个人半年前写的那段SQL注释里，表结构本身说不清。

博客里举了个具体的例子。问题是：Calderwick Energy商业团队的FY24/25规划费率是多少？

账单成本表里有个字段cfd_rate_p，FY24/25对应行写着0.31便士每千瓦时。找到表，过滤日期，返回这个数，看起来就完了。

但构建这张表的notebook里写着，商业团队每年定一次规划费率，这张mart用的是FY25/26的假设，向前套用到更早的账单周期。notebook里还有张历史表：FY24/25是0.52，FY25/26是0.31，FY26/27草案是0.45。

问的是FY24/25商业团队定的费率，答案应该是0.52。表里那0.31是后来换的假设。

Genie Ontology把这张notebook里的历史费率抓出来，链到了来源，Genie第一次回答就给了0.52，五次跑全都是。另外两个agent，一个一直回0.31，另一个回了0.31，还反问是不是存在按年定的费率。

这个案例说明的事情不复杂。表格里的数字不等于业务定义。定义散在notebook、dashboard、存下来的SQL里，得有人读、有人维护、有人把它变成agent能找到的东西。

博客里那句话说得挺直接：token生成的“智能”正在被商品化，真正拉开差距的，是agent能检索到的上下文。

Genie Ontology干的就是这件事，自动从工作区里把notebook、dashboard、SQL、文档里的业务知识抽出来、组织好，给所有agent共用一套理解。不是让每个agent自己满世界翻文件，翻完还不一定翻对。

当然这组数字有自己的前提。测试跑在一个已经积累了大量工作区资产的Databricks环境里，数据由Unity Catalog管着。如果是刚上线、notebook还没写几行的部署，或者问题本身直接从表就能答，agent之间的差距会小很多。博客自己也承认这一点，并拿这个解释了为什么其他基准上各家分数差不多。

换句话说，这套东西的价值跟企业自己攒下来的家底成正比。家底越乱越厚，整理这件事越值钱。

博客最后一句：token在贬值，上下文在升值。这话对做agent的人来说不算新，但91%对45%这个差距，至少给了个能拿去吵架的证据。