Il valore di mercato è schizzato oltre i 70 milioni di dollari, perché Swarms riesce a resistere al FUD proveniente da ai16z?

Fonte: zhouzhou, BlockBeats

Oggi, l'aumento di Swarms ha nuovamente catturato l'attenzione, con la comunità che si è concentrata su due argomenti: le voci di "ansia" del fondatore di AI16Z, Shaw, e le presunte violazioni di copyright da parte di OpenAI sul framework multi-agente Swarm. Alcuni ipotizzano che il motore di questo stimolo sia l'emergere dell'agente AI basato su Mcs. Questo agente non solo può rispondere a domande di conoscenza medica, ma è anche considerato il prodotto di consegna più vicino al pubblico e più pratico all'interno dell'architettura Swarms; il suo fondatore, Kye Gomez, un "ragazzo prodigio" di 20 anni, ha abbandonato il liceo per sviluppare in tre anni il framework di coordinamento multi-agente Swarms, gestendo 45 milioni di agenti e servendo settori come finanza, assicurazioni e sanità, dimostrando una potenza senza pari.

Andamento altalenante

Il token Swarms, dopo il lancio del 18 dicembre, ha rapidamente raggiunto il picco di capitalizzazione di 74,2 milioni di dollari il 21, ma sfortunatamente non ha durato a lungo, scendendo come un montagne russe fino al fondo, con un valore di circa 6 milioni di dollari.

Successivamente, è rimasto oscillante attorno ai 13 milioni di dollari fino al 27, quando ha iniziato a rimbalzare, passando dal minimo di 12 milioni di dollari fino a 30 milioni di dollari, per poi aumentare rapidamente fino a quasi 70 milioni di dollari, sfiorando il massimo precedente. Anche oggi il volume di scambi è stato notevole, schizzando a 60,8 milioni di dollari; molti utenti online hanno descritto questa ondata di stimolo come un'esperienza da montagne russe nel mondo delle criptovalute.

Il codice futuro dietro Swarms

Dietro l'andamento altalenante dei prezzi, ci sono diversi agenti AI che operano come una squadra strettamente connessa, collaborando per affrontare sfide complesse. L'intelligenza collettiva e la capacità di coordinamento superano di gran lunga i limiti di un singolo agente, ed è questo l'obiettivo perseguito dal progetto Swarms di Kye Gomez. Tuttavia, solo avere idee e concetti non basta; ciò che rende tutto questo possibile è la tecnologia core lanciata da Swarms: il Swarm Node (SNAI). Si può dire che SNAI è il "nervo centrale" del mondo degli agenti AI, fornendo un forte supporto e garanzia per la collaborazione senza soluzione di continuità tra gli agenti.

"Ragazzo prodigio" fondatore

Il fondatore principale dietro Swarms, Kye Gomez, è considerato un "ragazzo prodigio" nel campo dell'intelligenza artificiale, mostrando impressionanti capacità a soli 20 anni. Anche se ha abbandonato il liceo, in soli tre anni ha sviluppato il framework di coordinamento multi-agente Swarms, gestendo con successo 45 milioni di agenti AI e fornendo servizi di alta qualità a vari settori, tra cui finanza, assicurazioni e sanità, dimostrando la potenza delle sue capacità.

Nella sua ricerca sugli agenti AI autonomi e collaborativi, ha sviluppato non solo il "modello SSM + MoE super efficiente" e il "modello a flusso misto", ma ha anche esplorato in profondità l'allineamento dell'AI e il suo potenziale nei campi della biologia e della nanotecnologia. In realtà, tra i numerosi progetti di Kye, Swarms è solo uno dei suoi progetti di alta qualità; le sue capacità straordinarie emergono chiaramente, rivelando molte altre iniziative eccellenti.

Ad esempio, Agora è un laboratorio di ricerca AI open source, focalizzato sull'intersezione tra AI, biologia e nanotecnologia, mentre Pegasus è il suo esploratore nel campo del processamento del linguaggio naturale e dei modelli di embedding; inoltre, partecipa all'implementazione open source di AlphaFold3. Il curriculum e i successi di Kye annunciano l'emergere di un vero innovatore tecnologico.

Framework di orchestrazione degli agenti AI Swarms e funzionalità core

Ora iniziamo a esaminare il progetto Swarms del ragazzo prodigio; questo progetto mira a sviluppare e promuovere un framework di orchestrazione multi-agente pronto per la produzione a livello aziendale, in parole povere, la funzione core di Swarms è consentire a più agenti AI di collaborare come una squadra, utilizzando l'intelligenza collettiva per risolvere problemi complessi. Supporta non solo integrazioni senza soluzione di continuità con servizi AI esterni e API per estendere le funzionalità, ma fornisce anche una memoria a lungo termine quasi illimitata per migliorare la comprensione del contesto, consentendo anche flussi di lavoro personalizzati. Rispondendo alle esigenze aziendali, Swarms offre un'elevata affidabilità e scalabilità, ottimizzando automaticamente i parametri del modello linguistico per garantire le migliori prestazioni. In questo modo, Swarms può sfruttare l'intelligenza collettiva tra gli agenti per affrontare sfide complesse più facilmente rispetto a un singolo agente.

Il progetto Swarms si è distinto grazie al suo forte muro tecnologico e alle sue prestazioni di mercato, il suo framework di orchestrazione degli agenti AI ha offerto soluzioni efficienti a numerose aziende dopo quasi tre anni di operazioni stabili sul suo sito ufficiale. Dalla gestione dei dati al servizio clienti, fino alla generazione di rapporti, Swarms ha notevolmente migliorato l'efficienza operativa automatizzando, riducendo al contempo i costi operativi, con abilità evidente. Come progetto open source, Swarms ha anche suscitato un forte interesse nella comunità degli sviluppatori, con oltre 2,1K stelle su GitHub, ricevendo l'intelligenza e il supporto di molti sviluppatori, quindi tutto ciò accumulato da Swarms testimonia la maturità e l'innovazione tecnologica.

SNAI

Gli utenti di Twitter sembrano concordare sul fatto che la prossima fase per gli agenti AI sia la collaborazione collettiva (Agent Swarms), che consente una comunicazione e cooperazione più efficiente tra più agenti, permettendo agli agenti di diversi framework di interagire e sfruttare i propri vantaggi specializzati per eccellere in compiti e scenari specifici.

Swarm Node (SNAI) come supporto per realizzare i gruppi di agenti, un'infrastruttura senza server progettata specificamente per supportare il concetto di Swarm. SNAI affronta tutte le sfide tecniche associate all'esecuzione di agenti AI, consentendo agli utenti di non preoccuparsi dei costi hardware e infrastrutturali, e di distribuire, coordinare e gestire gli agenti facilmente tramite script Python. Supporta anche interazioni a catena, programmazione e operazioni multilingue, offrendo nuove possibilità per i piccoli creatori che non possono far funzionare gli agenti 24 ore su 24 o che mancano di supporto hardware.

Gli utenti non devono pagare per i server, ma solo per il tempo di esecuzione effettivo, rendendo SNAI più efficiente rispetto ad altre soluzioni basate su abbonamento. La peculiarità di SNAI è che i suoi agenti non sono isolati, ma possono collaborare "a catena", formando uno Swarm.

Il ruolo di Swarm consiste nel suddividere i compiti tra diversi agenti, ciascun agente focalizzato su un compito specifico, e una volta completato, trasmette il risultato al successivo agente. Tramite REST API e Python SDK, altre applicazioni possono integrare facilmente SNAI, e gli utenti possono coordinare in modo flessibile il comportamento del loro Swarm (ad esempio, quando eseguire e quali dati utilizzare).

Ma non è tutto; poiché il framework SNAI è ancora nelle fasi iniziali di sviluppo, in futuro saranno aggiunte molte funzionalità, tra cui archiviazione dati (un mini database cloud che consente agli agenti di condividere dati selezionati), programmazione dei compiti (esecuzione di agenti a orari specifici) e libreria di agenti (agenti pronti all'uso creati dalla comunità, disponibili per esecuzione, personalizzazione e ottimizzazione). Inoltre, SNAI implementerà anche la compatibilità multilingue; attualmente è fornito un client Python per semplificare l'operazione dell'API, e ci sono piani per supportare l'implementazione di agenti scritti in Go, Rust, TypeScript, C#, PHP e altre lingue. La comunità ha già iniziato a sviluppare un client TypeScript e in futuro supporterà ulteriori lingue.

Solo questa settimana, ci sono stati oltre 500 build — queste "dipendenze" sono utilizzate per ottimizzare l'efficienza dell'esecuzione degli agenti. Oltre 10.000 esecuzioni — ovvero istanze in cui l'agente è stato messo in pausa dopo l'avvio; SNAI addebita solo per il tempo di esecuzione attivo, aumentando notevolmente la flessibilità operativa degli agenti.

Le caratteristiche principali di SNAI includono il supporto per l'esecuzione senza server degli agenti, consentendo agli sviluppatori di integrare gli agenti nel proprio codice, implementare la collaborazione a catena tra agenti e coordinazione interattiva, il tutto adottando un modello di pagamento per utilizzo, riducendo significativamente i costi infrastrutturali e abbassando la barriera d'ingresso all'infrastruttura degli agenti AI.

Contro AI16Z

Swarms e AI16Z hanno entrambi un'influenza significativa nel campo degli agenti AI; entrambi hanno suscitato controversie su Twitter. Sebbene ci siano alcune somiglianze, le loro architetture tecniche e applicazioni sono diverse. Swarms adotta un framework di "team" collaborativo, completando compiti complessi e migliorando l'efficienza attraverso la cooperazione tra più agenti AI. In confronto, il framework Eliza di AI16Z è più simile a un "coordinatore" flessibile, enfatizzando il supporto multi-piattaforma e l'integrazione di più modelli, capace di adattarsi rapidamente a vari scenari, di seguito un confronto tra i due agenti su due aspetti.

Framework e architettura tecnologica

I gruppi di agenti sono come una squadra disciplinata; il framework Swarms supporta la collaborazione tra più agenti AI, consentendo agli agenti di cooperare in modo efficiente grazie all'autonomia, modularità e scalabilità, eccellendo nel disassemblare compiti complessi e realizzando operazioni di "divisione del lavoro e collaborazione impeccabile". Il framework Eliza di AI16Z è più simile a un coordinatore onnicomprensivo, focalizzato su operazioni multi-piattaforma e integrazione di più modelli, mentre enfatizza l'interazione tra agenti, mostrando caratteristiche uniche nell'adattamento flessibile a scenari diversi.

Modelli e applicazioni AI

Nel campo dei modelli e delle applicazioni AI, Swarms si concentra maggiormente su come integrare in modo intelligente i modelli AI esistenti, migliorando l'automazione a livello aziendale e l'efficienza del team attraverso l'orchestrazione dei compiti e la collaborazione di squadra, assomigliando a un comandante esperto, abile nel gestire forze multiple e focalizzato su "come fare meglio". Il framework Eliza di AI16Z offre agli sviluppatori maggiore libertà, supportando vari modelli AI (come Llama, Claude) e conferendo maggiore flessibilità alle applicazioni, in grado di affrontare vari scenari, dalla gestione dei social media alle transazioni finanziarie, offrendo così una soluzione versatile. Un focus sulla collaborazione, l'altro sull'unicità, entrambi alla pari nell'innovazione applicativa, ognuno con i propri punti di forza.

In generale, Swarms e AI16Z stanno esplorando il futuro degli agenti AI su percorsi completamente diversi; Swarms assomiglia più a una squadra disciplinata, colpendo gli utenti aziendali con la cooperazione efficiente e la solidità tecnologica, mentre Eliza di AI16Z è più simile a un versatile giocatore libero, mostrando potenziale illimitato attraverso l'adattamento flessibile e la diversità degli scenari. In effetti, entrambi hanno i loro punti di forza; in questa era di competizione, la storia degli agenti AI è appena iniziata; chi emergerà in questa competizione? Restiamo sintonizzati!

Contenuto di riferimento: 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