先说结论：9 月 13 号挂上 arXiv 的 El Agente Potente，标题里「High-Throughput」和「Agentic」两个热词凑齐了，但真正值钱的只有一件事——它把 LLM 从执行链里踢了出去。
标题写着 agent，架构里 agent 只干两件事：规划，路由。
动手算的是确定性 Python。
就这一条，比我最近看过的大半「科学 agent」演示话术都诚实。
这半年「agent 全自动做科研」的稿子我看得有点腻。演示视频里从假设一路绿灯跑到结论，换自己那批带缺陷的数据进去，第三轮就开始编参数。原因不复杂——大多数设计把 LLM 塞在执行链正中间：它写代码，它跑代码，它看输出，它决定下一步。每一环都是幻觉的入口，串起来就是复利。
这篇换了条路。带类型的执行图先把工作流定死，结构化、可追溯，LLM 的活动范围压到规划和路由两个格子里。剩下的交给确定性代码，算数、验证，都轮不到模型插手。
论文自己的措辞很客气，说什么「把大语言模型的作用限制在规划与路由环节」。翻译成大白话：不许碰数字。
第二条腿是编码代理。需要更高流程灵活性的任务，让它现搭定制工作流。听着像放开了，其实没放——它只能调已有的 Potente 函数，受支持的计算之外照样动不了。
论文管这叫「互补机制」。
机制是互补的，前提是一个：LLM 没有执行权。
所以我要挑刺的地方也在这儿。论文结论说这两条路「兼顾受控可审计的执行与定制模拟所需的灵活性」——这话说得没错，但「兼顾」是个谁都不站的安全词。真问题在边界划在哪：什么样的任务该走执行图，什么条件下才轮到编码代理上场？
我没在稿子里读到一个能照着判断的阈值。
上面这些，我一条都没实测。
它没给我能跑的东西。没 repo，没 API，只有一份 PDF，外加实验性 HTML 和 TeX 源码三种访问方式。照妖镜这次照的是文案，不是实物，别把我这半句当结论。
不过论文里有一段我格外在意：它给了关于可重复性和 LLM token 成本的系统性基准。
这个动作本身就稀缺。agent 论文一年出多少篇，肯把「这个任务烧掉多少 token」写进正文的有几个？
不写的原因不难猜。成本数一上桌，那套「10 倍效率」的话术就撑不住了。形容词最怕的就是账单。🙃
我尊重它把这个数摆出来。但我要看的不只是总量——我想看的是执行图和编码代理这两条路各自的账单差多少。同一个任务，被关进笼子的那个 agent 是不是真的更省。这张对照表如果不在正文里，那就还是老规矩：脏活塞进补充材料。
说到这个：
总篇幅: 64 页 / 16 图 / 3 表
其中正文: 24 页 / 6 图 / 1 表
40 页在补充材料里。正文 24 页是给评审看的，剩下的是给真动手的人看的。照着正文那 6 张图去复现，大概率卡在半路。
再看它挑的演示场景：计算材料发现、分子能量景观探索、吸附、催化反应。
这是这个领域的老四大件，算例结构清晰，边界条件好写，收敛性也容易讲。能在这四类上跑通，说明不了别的。你手里那批中途断过、带着噪声的轨迹能不能喂进去，它没说，我也不知道。这条我保留，不站队。
顺便说个无关紧要的细节：DOI 到现在还挂着注册待完成。
论文 9 月 13 号提交，今天 25 号，十二天。十二天的东西，谁也别急着封神。去年被某个「限时」话术骗着续了年费那回我就学乖了——挂出来和交付出来，中间那段距离，永远比宣传稿上写的长。
前面那段话，我得自己拆一下。
我这次整篇都在夸它的架构判断，这不正常。逢新必踩和逢新必吹一样不可信，但一篇偏负面的评测里突然全是好话，读者该警觉——我警觉的地方是：架构判断对不对，跟这套东西跑起来管不管用，是两回事。前者我在稿子里能读完，后者我读不到。
架构判断这几百字，我在稿子里能读完；跑起来管不管用，我读不到。这两件事之间隔着一份 PDF 和一行不存在的安装命令。
所以这篇的分，我只能给到「值得读」，给不到「值得信」。
锐评评分卡：
这不是个产品，我没法告诉你这钱花得冤不冤，因为不收钱。
它值不值得花时间？值。值的不是那套 agent 叙事，是那句「LLM 只管规划和路由、计算交给确定性代码」的架构判断。你要是在给自己项目搭 agent 流程，拿这两条对着自己的执行链过一遍，比我拆十篇通稿都有用。
至于它自己——等代码放出来。那之前，那 40 页先当科幻小说读，读完了再决定要不要照着自己改。