Rédaction originale : zhouzhou, BlockBeats

Aujourd'hui, la hausse de Swarms a à nouveau attiré l'attention, toute la communauté s'est enflammée autour de deux sujets : la rumeur d'« anxiété » du fondateur d'AI16Z, Shaw, et les allégations d'infraction de Swarm par Sama d'OpenAI. Certains soupçonnent que le catalyseur de ce mouvement stimulant pourrait être l'émergence d'un agent d'IA basé sur Mcs. Cet agent, capable de répondre à des questions de culture générale médicale, est également considéré comme le produit de livraison le plus accessible et pratique de l'architecture Swarms, son fondateur Kye Gomez, un « jeune génie » de 20 ans, ayant abandonné le lycée et mis trois ans à finaliser le cadre de coordination multi-agents Swarms, exécutant 45 millions d'agents, servant les secteurs de la finance, de l'assurance et de la santé, incarnant une force impressionnante.

Fluctuations de montagnes russes

Le jeton Swarms a atteint un sommet de 74,2 millions de dollars le 21 décembre, après son lancement le 18, mais malheureusement, la belle époque n'a pas duré, la capitalisation boursière a chuté comme une montagne russe, ne laissant qu'environ 6 millions de dollars.

Ensuite, il a oscillé autour de 13 millions de dollars jusqu'au 27, date à laquelle il a commencé à se redresser, passant d'un point bas de 12 millions de dollars à 30 millions de dollars, puis grimpant presque 3 fois pour atteindre près de 70 millions de dollars, frôlant un précédent record. Aujourd'hui, le volume des transactions est également comparable, atteignant directement 60,8 millions de dollars, ce mouvement stimulant a fait que de nombreux utilisateurs en ligne ont eu l'impression de vivre une expérience de montagnes russes dans le monde des cryptomonnaies.

Le code futur derrière Swarms

Derrière les fluctuations de prix en montagnes russes se trouve une équipe d'agents d'IA travaillant en étroite collaboration, se partageant les tâches et affrontant ensemble des défis complexes. L'intelligence collective et la capacité de coordination dépassent de loin les limites d'un agent individuel, c'est l'objectif que Kye Gomez vise avec le projet Swarms. Cependant, avoir uniquement des idées et des concepts ne suffit pas; ce qui rend tout cela possible est la technologie fondamentale lancée par Swarms — Swarm Node (SNAI). On peut dire que SNAI est le « centre nerveux » du monde des agents d'IA, fournissant un soutien et une garantie solides pour la coopération sans faille entre les agents.

Le « jeune génie » fondateur

Le fondateur principal derrière les essaims, Kye Gomez, est considéré comme un « jeune génie » dans le domaine de l'intelligence artificielle, ayant montré des capacités impressionnantes à seulement 20 ans. Bien qu'il ait abandonné le lycée, il a développé en seulement trois ans le cadre de coordination multi-agents Swarms, et a réussi à faire fonctionner 45 millions d'agents d'IA, fournissant des services de haute qualité à plusieurs secteurs tels que la finance, l'assurance et la santé, ce qui témoigne de sa force prodigieuse.

Dans ses recherches sur les agents d'IA autonomes et collaboratifs, il a non seulement développé des modèles « SSM + MoE super efficaces » et « modèles de flux mixtes », mais a également exploré en profondeur l'alignement de l'IA et son potentiel dans les domaines de la biologie et de la nanotechnologie. En réalité, parmi les nombreux projets de Kye, les essaims ne sont qu'un de ses projets de qualité, son talent de jeune prodige caché se révèle davantage à mesure qu'on découvre ses autres réalisations.

Par exemple, Agora sert de laboratoire de recherche sur l'IA open source, se concentrant sur l'intersection de l'IA avec la biologie et la nanotechnologie, Pegasus étant son exploration dans le domaine du traitement du langage naturel et des modèles d'embedding, et il a également participé à la mise en œuvre open source d'AlphaFold3. Le parcours et les réalisations de Kye témoignent d'un véritable innovateur technologique en pleine ascension.

Le cadre de coordination des agents d'IA de Swarms et ses fonctionnalités clés

Nous allons maintenant analyser le projet Swarms du jeune génie, qui vise à développer et promouvoir un cadre de coordination multi-agents prêt pour la production au niveau des entreprises. En termes simples, la fonction clé des essaims est de permettre à plusieurs agents d'IA de travailler en équipe, utilisant l'intelligence collective pour résoudre des problèmes complexes. Il prend en charge l'intégration transparente avec des services et API d'IA externes pour étendre ses fonctionnalités, tout en fournissant presque une mémoire à long terme illimitée pour améliorer la compréhension contextuelle, tout en permettant des flux de travail personnalisés. Répondant aux besoins des entreprises, Swarms offre une grande fiabilité et évolutivité, tout en optimisant automatiquement les paramètres des modèles linguistiques pour garantir des performances optimales. Grâce à cette approche, Swarms peut tirer parti de l'intelligence collective entre agents, s'attaquant plus facilement à des défis complexes qu'un agent unique.

Le projet Swarms se distingue par ses puissants barrières technologiques et ses performances sur le marché, son cadre de coordination des agents d'IA ayant fourni des solutions efficaces à de nombreuses entreprises sur son site officiel après près de trois ans d'exploitation stable. De la gestion des données au service client, en passant par la génération de rapports, Swarms a considérablement amélioré l'efficacité des affaires tout en réduisant les coûts d'exploitation, sa force étant évidente. En tant que projet open source, Swarms a également suscité un vif intérêt au sein de la communauté des développeurs, avec plus de 2,1K étoiles sur GitHub, recevant l'intelligence et le soutien de nombreux développeurs, ce qui confirme la maturité et l'innovation de la technologie.

SNAI

Les utilisateurs sur Twitter semblent s'accorder à dire que la prochaine étape pour les agents d'IA est la collaboration en groupe (essaims d'agents), permettant une communication et une coopération plus efficaces entre plusieurs agents, permettant à des agents de différents cadres de communiquer entre eux et d'exceller dans des tâches et des scénarios spécifiques grâce à leurs avantages spécialisés.

Swarm Node (SNAI) en tant qu'assistant à la réalisation des essaims d'agents, une infrastructure sans serveur, spécialement conçue pour soutenir le concept d'essaim. SNAI résout tous les défis techniques liés à l'exécution des agents d'IA, permettant aux utilisateurs de se concentrer sur le déploiement, la coordination et la gestion des agents via des scripts Python, sans se soucier des coûts matériels et d'infrastructure. Il prend également en charge les interactions en chaîne, la planification et les opérations multilingues, offrant de nouvelles possibilités aux petits créateurs qui ne peuvent pas faire fonctionner leurs agents en continu ou qui manquent de soutien matériel.

Les utilisateurs n'ont pas besoin de payer des frais de serveur, ils ne paient que pour le temps d'exécution réellement utilisé, ce qui rend SNAI plus efficace que d'autres solutions basées sur abonnement. L'unicité de SNAI réside dans le fait que ses agents ne sont pas isolés, mais peuvent collaborer en « chaîne », formant un essaim.

Le rôle des essaims consiste à répartir les tâches entre différents agents, chacun se concentrant sur une tâche spécifique, puis transmettant les résultats au prochain agent. Grâce à l'API REST et au SDK Python, d'autres applications peuvent facilement intégrer SNAI, et les utilisateurs peuvent également coordonner de manière flexible le comportement de leur essaim (par exemple, quand fonctionner et quelles données utiliser).

Mais ce n'est pas tout, alors que le cadre SNAI est encore en phase de développement initial, plusieurs fonctionnalités seront ajoutées à l'avenir, y compris le stockage de données (une mini base de données cloud permettant aux agents de partager des données sélectionnées), la planification des tâches (exécution d'agents à des moments spécifiques) et une bibliothèque d'agents (agents prêts à l'emploi créés par la communauté, disponibles pour exécution, personnalisation et optimisation). De plus, SNAI réalisera également la compatibilité multilingue, avec un client Python simplifiant les opérations API en cours et prévoyant de prendre en charge le déploiement d'agents écrits dans des langages tels que Go, Rust, TypeScript, C#, PHP, etc. La communauté a déjà commencé à développer un client TypeScript, et davantage de langages seront pris en charge à l'avenir.

Rien qu'au cours de cette semaine, plus de 500 constructions ont été réalisées - ces « dépendances » sont utilisées pour optimiser l'efficacité d'exécution des agents d'IA. Plus de 10 000 exécutions - c'est-à-dire des instances de pause après le démarrage des agents, SNAI ne facture que le temps d'exécution actif, améliorant considérablement la flexibilité des opérations des agents.

Les caractéristiques principales de SNAI incluent le soutien aux agents fonctionnant sans serveur, permettant aux développeurs d'intégrer les agents dans leurs bibliothèques de code, facilitant la collaboration et la coordination en chaîne des agents, tout en adoptant un modèle de paiement à l'utilisation, réduisant considérablement les coûts d'infrastructure et abaissant la barrière d'entrée pour l'infrastructure des agents d'IA.

Contre AI16Z

Les essaims et AI16Z ont tous deux un impact significatif dans le domaine des agents d'IA, avec des controverses constantes sur Twitter. Bien qu'il y ait quelques similitudes, ils diffèrent en termes d'architecture technique et d'applications. Les essaims adoptent un cadre de « travail d'équipe » collaboratif, complétant des tâches complexes et améliorant l'efficacité grâce à la coopération entre plusieurs agents d'IA. En revanche, le cadre Eliza d'AI16Z ressemble davantage à un « coordinateur » flexible, mettant l'accent sur le support multiplateforme et l'intégration de plusieurs modèles, capable de s'adapter rapidement à divers scénarios. Ci-dessous, nous comparons les deux agents sous deux aspects.

Cadre technique et architecture

Les essaims fonctionnent comme une équipe disciplinée, le cadre des essaims soutient le travail collaboratif de plusieurs agents d'IA, permettant une coopération efficace grâce à l'autonomie, la modularité et l'évolutivité. L'architecture Eliza d'AI16Z ressemble davantage à un coordinateur polyvalent, axé sur le fonctionnement multiplateforme et l'intégration de plusieurs modèles, tout en mettant l'accent sur l'interaction entre les agents, avec des caractéristiques uniques dans l'adaptation flexible à divers scénarios d'application.

Modèles et applications d'IA

En ce qui concerne les modèles et applications d'IA, les essaims se concentrent davantage sur la manière d'intégrer habilement les modèles d'IA existants, en utilisant la planification des tâches et la collaboration en équipe pour améliorer l'automatisation au niveau de l'entreprise et l'efficacité des équipes. Cela ressemble davantage à un commandant précis, habile à coordonner des forces multiples, se concentrant sur « comment faire mieux ». En revanche, le cadre Eliza d'AI16Z offre aux développeurs une plus grande liberté, prenant en charge divers modèles d'IA (comme Llama, Claude), conférant plus de flexibilité aux applications, capables de gérer divers scénarios allant de la gestion des médias sociaux aux transactions financières, apportant ainsi une solution polyvalente. L'un se concentre sur la collaboration, l'autre sur la diversité, chacun avec ses propres forces dans l'innovation des applications.

En résumé, Swarms et AI16Z explorent l'avenir des agents d'IA par des voies totalement différentes, Swarms ressemble davantage à une équipe disciplinée, séduisant les utilisateurs d'entreprise par une coopération efficace et une technologie robuste, tandis que l'Eliza d'AI16Z est plus un joueur libre polyvalent, montrant un potentiel infini grâce à l'adaptation flexible et à la diversité des scénarios. En réalité, chacun a ses propres forces, et dans cette ère de compétition acharnée, l'histoire des agents d'IA ne fait que commencer. Qui se démarquera dans cette course? Nous attendons de voir !

Contenu de référence : https://fraxcesco.substack.com/p/introducing-swarm-node-serverless?utm_source=post-email-title&publication_id=1419537&post_id=153678118&utm_campaign=email-post-title&isFreemail=true&r=2i6286&triedRedirect=true&utm_medium=email