Révision originale : zhouzhou, BlockBeats

Aujourd'hui, la hausse de Swarms a de nouveau attiré l'attention, la chaleur de toute la communauté s'est concentrée sur deux sujets : les rumeurs d'« anxiété » du fondateur d'AI16Z, Shaw, et la suspicion de violation du cadre multi-agent Swarm par Sama d'OpenAI. Certains spéculent que le moteur derrière cette poussée de stimulation pourrait être l'Agent AI basé sur Mcs. Cet agent peut non seulement répondre à des questions de connaissances médicales, mais est également considéré comme le produit de livraison le plus proche du grand public et le plus pratique dans l'architecture de Swarms, dont le fondateur, Kye Gomez, est un « jeune génie » de seulement 20 ans, ayant quitté l'école secondaire pour développer en trois ans le cadre de coordination multi-agent Swarms, gérant 45 millions d'agents et servant les secteurs financier, d'assurance et médical, un véritable poids lourd.

Tendance de montagne russe

Après l'émission des jetons Swarms le 18 décembre, ils ont rapidement atteint un pic de valeur de 74,2 millions de dollars le 21, mais malheureusement, cette belle période n'a pas duré, et la capitalisation boursière a chuté en montagne russe, ne restant qu'à environ 6 millions de dollars.

Ensuite, il a fluctué autour de 13 millions de dollars, jusqu'à ce qu'il commence à remonter le 27, passant d'un point bas de 12 millions de dollars à 30 millions de dollars, puis bondissant presque trois fois jusqu'à près de 70 millions de dollars, frôlant l'ancien sommet. Aujourd'hui, le volume d'échanges est également équivalent, atteignant directement 60,8 millions de dollars. Cette vague de stimulation a donné aux internautes l'impression de vivre une expérience de montagnes russes dans le monde des cryptomonnaies.

Le mot de passe futur derrière Swarms

Derrière la tendance à la hausse chaotique des prix se trouve la synchronisation de plusieurs agents AI, travaillant ensemble pour relever des défis complexes. L'intelligence collective et la capacité de coordination dépassent largement les limites d'un agent unique, c'est précisément l'objectif que vise le projet Swarms de Kye Gomez. Cependant, avoir uniquement une idée et un concept ne suffit pas ; ce qui rend tout cela possible, c'est la technologie clé que Swarms a lancée - le Swarm Node (SNAI). On peut dire que SNAI est le « système nerveux central » du monde des agents AI, fournissant un soutien et une garantie puissants pour la collaboration transparente entre agents.

Fondateur de « Jeune Génie »

Le fondateur clé derrière Swarms, Kye Gomez, est salué comme un « jeune génie » dans le domaine de l'intelligence artificielle, ayant montré une puissance impressionnante à seulement 20 ans. Bien qu'il ait abandonné l'école secondaire, il a développé en seulement trois ans le cadre de coordination multi-agent Swarms, réussissant à faire fonctionner 45 millions d'agents AI, fournissant des services de haute qualité à divers secteurs tels que la finance, l'assurance et la santé, prouvant ainsi la force impressionnante de ce jeune homme.

Dans sa recherche sur les agents AI autonomes et collaboratifs, il a non seulement développé le « modèle SSM + MoE ultra-efficace » et le « modèle de flux hybride », mais a également exploré en profondeur l'alignement de l'AI et son potentiel dans les domaines de la biologie et de la nanotechnologie. En fait, parmi les nombreux projets de Kye, Swarms n'est qu'un de ses projets de qualité, la force du jeune homme étant cachée. En approfondissant, on découvre qu'il a de nombreux autres projets excellents.

Par exemple, Agora sert de laboratoire de recherche AI open source, se concentrant sur l'interconnexion entre AI, biologie et nanotechnologie. Pegasus est son exploration dans le domaine du traitement du langage naturel et des modèles d'intégration, et il a également participé à la mise en œuvre open source d'AlphaFold 3. Le parcours et les réalisations de Kye témoignent de l'émergence d'un véritable innovateur technologique.

Cadre d'orchestration d'agents AI Swarms et fonctionnalités principales

Nous allons maintenant analyser le projet Swarms du jeune génie, qui vise à développer et promouvoir un cadre d'orchestration multi-agent prêt pour la production d'entreprise. En termes simples, la fonctionnalité principale de Swarms est de permettre à plusieurs agents AI de collaborer comme une équipe, utilisant l'intelligence collective pour résoudre des problèmes complexes. Il prend non seulement en charge l'intégration transparente avec des services AI externes et des API pour élargir ses fonctionnalités, mais offre également aux agents une mémoire à long terme presque illimitée pour améliorer la compréhension contextuelle, tout en permettant des flux de travail personnalisés. Face aux exigences des entreprises, Swarms présente une grande fiabilité et évolutivité, optimisant automatiquement les paramètres des modèles linguistiques pour garantir une performance optimale. Grâce à cette approche, Swarms peut tirer parti de l'intelligence collective entre agents, facilitant ainsi la gestion de défis complexes par rapport à un agent unique.

Le projet Swarms se distingue par sa forte barrière technologique et ses performances sur le marché, son cadre d'orchestration d'agents AI ayant fourni des solutions efficaces à de nombreuses entreprises sur son site officiel après près de trois ans de fonctionnement stable. De la gestion des données aux services clients, en passant par la génération de rapports, Swarms a considérablement amélioré l'efficacité des affaires tout en réduisant les coûts opérationnels, sa force étant évidente. En tant que projet open source, Swarms a suscité un vif intérêt au sein de la communauté des développeurs, avec plus de 2,1 K étoiles sur GitHub, bénéficiant de l'intelligence et du soutien de nombreux développeurs, prouvant ainsi la maturité et l'innovation technologique de Swarms.

SNAI

Les internautes sur Twitter semblent tous s'accorder à dire que la prochaine étape des agents AI est la coopération en groupe (Agent Swarms), permettant un travail plus efficace grâce à la communication et à la collaboration entre plusieurs agents. Cette méthode permet aux agents de différentes structures d'interagir et d'utiliser chacun leurs avantages spécialisés pour exceller dans des tâches et des scénarios spécifiques.

Le Swarm Node (SNAI) agit comme un auxiliaire pour la mise en œuvre des Agent Swarms, une infrastructure sans serveur, conçue pour soutenir le concept de Swarm. SNAI résout tous les défis techniques liés à l'exécution d'agents AI, permettant aux utilisateurs de ne pas se soucier des coûts matériels et d'infrastructure, et de déployer, coordonner et gérer facilement les agents via des scripts Python. 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 des agents en continu ou qui manquent de soutien matériel.

Les utilisateurs n'ont pas à payer de frais de serveur, mais seulement pour le temps d'exécution réellement utilisé, ce qui rend SNAI plus efficace que d'autres solutions basées sur l'abonnement. La particularité de SNAI réside dans le fait que ses agents ne sont pas isolés, mais peuvent collaborer en chaîne, formant un Swarm.

Le rôle de Swarm est de répartir les tâches entre différents agents, chaque agent se concentrant sur une tâche spécifique, et après avoir terminé, transmet le résultat 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 Swarm (par exemple, quand exécuter et quelles données utiliser).

Mais ce n'est pas tout, alors que le cadre SNAI est encore en phase de développement initiale, plusieurs fonctionnalités seront ajoutées à l'avenir, notamment le stockage de données (une mini base de données cloud permettant aux agents de partager des données sélectionnées), la planification des tâches (exécution des agents à des moments spécifiques) et une bibliothèque d'agents (agents prêts à l'emploi créés par la communauté, pouvant être exécutés, personnalisés et optimisés). De plus, SNAI mettra en œuvre la compatibilité multilingue, ayant déjà fourni un client Python simplifiant les opérations API, et prévoyant de prendre en charge le déploiement d'agents écrits en Go, Rust, TypeScript, C#, PHP, etc. La communauté a déjà commencé à développer un client TypeScript et d'autres langages seront pris en charge à l'avenir.

Rien qu'au cours de cette semaine, il y a eu plus de 500 constructions - ces « dépendances » sont utilisées pour optimiser l'efficacité d'exécution des agents AI. Plus de 10 000 exécutions - instances où l'agent a été mis en pause après son démarrage, SNAI ne facturant que le temps d'exécution actif, augmentant considérablement la flexibilité des opérations des agents.

Les caractéristiques principales de SNAI incluent le support de l'exécution sans serveur des agents, permettant aux développeurs d'intégrer des agents dans leurs bibliothèques de code, de réaliser une coopération en chaîne et une coordination interactive entre agents, tout en adoptant un modèle de paiement à l'utilisation, réduisant considérablement les coûts d'infrastructure et abaissant la barrière d'entrée pour les infrastructures d'agents AI.

Face à AI16Z

Swarms et AI16Z ont tous deux une influence significative dans le domaine des agents AI, et les controverses entre les deux se poursuivent sur Twitter. Bien qu'il y ait certaines similitudes, leurs architectures techniques et leurs applications présentent des différences. Swarms adopte un cadre de « travail d'équipe » collaboratif, permettant à plusieurs agents AI de coopérer pour accomplir des tâches complexes et améliorer l'efficacité. En revanche, le cadre Eliza d'AI16Z ressemble davantage à un « coordinateur » flexible, mettant l'accent sur le soutien multi-plateforme et l'intégration de multiples modèles, capable de s'adapter rapidement à divers scénarios. Nous allons maintenant comparer les deux agents sous deux aspects.

Cadre et architecture technique

Swarms ressemble à une équipe disciplinée, le cadre Swarms supporte la collaboration de plusieurs agents AI, permettant une coopération efficace grâce à leur autonomie, leur modularité et leur évolutivité, facilitant la décomposition de tâches complexes pour une opération « bien définie et parfaitement coordonnée ». En revanche, le cadre Eliza d'AI16Z agit comme un coordinateur polyvalent, se concentrant sur le fonctionnement multi-plateforme et l'intégration de modèles multiples, tout en soulignant l'interaction entre agents, ayant ainsi ses propres caractéristiques dans l'adaptation flexible aux applications variées.

Modèles et applications AI

En ce qui concerne les modèles et les applications AI, Swarms se concentre davantage sur la manière d'intégrer habilement les modèles AI existants, en utilisant l'orchestration des tâches et la collaboration d'équipe pour améliorer l'automatisation et l'efficacité des équipes au niveau entreprise. Il ressemble davantage à un commandant minutieux, capable de coordonner plusieurs forces de manière appropriée, en se concentrant sur « comment faire mieux ». En revanche, le cadre Eliza d'AI16Z offre plus de liberté aux développeurs, prenant en charge divers modèles AI (comme Llama, Claude), offrant ainsi plus de flexibilité aux applications pour faire face à une variété de scénarios, allant de la gestion des réseaux sociaux aux transactions financières, offrant ainsi une solution polyvalente. Un projet axé sur la collaboration, l'autre mettant l'accent sur la diversité, les deux sont à égalité en matière d'applications innovantes.

Dans l'ensemble, Swarms et AI16Z explorent l'avenir des agents AI par des voies radicalement différentes. Swarms ressemble davantage à une équipe disciplinée, impressionnant les utilisateurs de niveau entreprise par sa collaboration efficace et sa technologie solide, tandis qu'Eliza d'AI16Z ressemble davantage à un joueur polyvalent, montrant un potentiel illimité grâce à sa flexibilité d'adaptation et à la diversité des scénarios. En réalité, les deux ont leurs propres mérites. À une époque où la concurrence fait rage, l'histoire des agents AI ne fait que commencer. Qui émergera de cette compétition ? Nous attendons avec impatience !

Contenu de référence :

https://fraxcesco.substack.com/p/introducing-swarm-node-serverless?utm_source=post-email-titlepublication_id=1419537post_id=153678118utm_campaign=email-post-titleisFreemail=truer=2i6286triedRedirect=trueutm_medium=email