据AI at Meta在X平台发布的信息，Meta通过强化学习训练模型在回答前进行测试时推理，并以“思考时间惩罚”降低推理时的token消耗，同时用多代理编排提升答案质量与延迟表现。根据AI at Meta披露，思考时间惩罚促使模型收敛为更短更高效的思维链，节省推理成本；多代理编排则调度多个专长代理协作，提高准确性与稳定性，便于在亿级用户规模上线。对此，企业可据AI at Meta信息布局成本可控的推理服务、智能代理路由与延迟SLA等商业化机会。