Autore originale: Zhouzhou

Fonte: Daisy, Mars Finance

Oggi, l'aumento di swarms ha nuovamente colpito, l'intera comunità è stata coinvolta in due argomenti caldi: le voci di 'ansia' del fondatore di AI16Z Shaw e il sospetto di violazione del framework multi-agente Swarm da parte di OpenAI. Alcuni sospettano che il motore di questa ondata di stimoli sia l'arrivo dell'AI Agent basato su Mcs. Questo agente non solo può rispondere a domande di medicina generale, ma è anche considerato il prodotto di consegna più vicino al pubblico e più pratico all'interno della struttura Swarms; il suo fondatore Kye Gomez, un 'genio giovane' di 20 anni, ha abbandonato la scuola superiore e in tre anni ha completato il framework di coordinamento multi-agente Swarms, gestendo 45 milioni di agenti, servendo settori come finanza, assicurazioni e sanità, rimarcando una potenza notevole.

Andamento a montagne russe

I token di Swarms, dopo il lancio del 18 dicembre, sono rapidamente saliti al picco di capitalizzazione di mercato di 74,2 milioni di dollari il 21, ma purtroppo la buona sorte non è durata a lungo, la capitalizzazione di mercato è crollata come una montagna russa, rimanendo a circa 6 milioni di dollari.

Successivamente, ha oscillato intorno ai 13 milioni di dollari fino al 27, quando ha iniziato a riprendersi, passando dal minimo di 12 milioni di dollari a 30 milioni, balzando quasi 3 volte fino a quasi 70 milioni, sfiorando il precedente massimo. Anche il volume degli scambi oggi è stato impressionante, salendo direttamente a 60,8 milioni di dollari; questo stimolo ha fatto sentire agli utenti come se stessero vivendo un'esperienza di montagne russe nel mondo delle criptovalute.

Il codice futuro dietro Swarms

Dietro il movimento dei prezzi a montagne russe, ci sono diversi agenti AI che lavorano come una squadra ben coordinata, collaborando per affrontare complesse sfide. L'intelligenza collettiva e la capacità di coordinamento superano di gran lunga i limiti di un singolo agente, questo è l'obiettivo del progetto Swarms di Kye Gomez. Tuttavia, avere solo idee e creatività non è sufficiente; ciò che rende tutto questo possibile è la tecnologia centrale lanciata da Swarms: il Swarm Node (SNAI). Si può dire che SNAI è il 'nervoso centrale' del mondo degli agenti AI, fornendo un forte supporto e garanzia per la collaborazione senza soluzione di continuità tra gli agenti.

'Genio giovane' fondatore

Il fondatore principale dietro Swarms, Kye Gomez, è stato definito un 'genio giovane' nel campo dell'intelligenza artificiale, mostrando una straordinaria competenza a soli 20 anni. Anche se ha abbandonato la scuola superiore, in soli tre anni ha sviluppato il framework di coordinamento multi-agente Swarms, gestendo con successo 45 milioni di agenti AI, fornendo servizi di alta qualità a vari settori come finanza, assicurazioni e sanità, dimostrando così la potenza del giovane.

Nel suo studio sugli agenti AI autonomi e collaborativi, ha sviluppato non solo un 'modello SSM + MoE super efficiente' e 'modelli di flusso misto', ma ha anche esplorato a fondo l'allineamento 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; il talento del giovane è straordinario, e dopo un'esplorazione più approfondita, si scopre che ha molti altri progetti eccellenti.

Ad esempio, Agora funge da laboratorio di ricerca AI open source, focalizzandosi sull'integrazione di AI con biologia e nanotecnologia, mentre Pegasus è la sua esplorazione nel campo dell'elaborazione del linguaggio naturale e dei modelli di embedding; è anche coinvolto nell'implementazione open source di AlphaFold3. Il curriculum e i successi di Kye segnalano l'emergere di un vero innovatore tecnologico.

Framework di orchestrazione degli agenti AI di Swarms e funzionalità core

Ora iniziamo ad analizzare il progetto Swarms del genio giovane; questo progetto mira a sviluppare e promuovere un framework di orchestrazione multi-agente pronto per l'uso aziendale; in parole semplici, la funzione principale di Swarms è quella di far collaborare più agenti AI come una squadra, utilizzando l'intelligenza collettiva per risolvere problemi complessi. Supporta non solo l'integrazione senza soluzione di continuità con servizi e API AI esterni per espandere le funzionalità, ma offre anche memoria a lungo termine quasi illimitata per migliorare la comprensione del contesto, permettendo al contempo flussi di lavoro personalizzati. In risposta alle esigenze aziendali, Swarms presenta un'elevata affidabilità e scalabilità, garantendo prestazioni ottimali attraverso l'ottimizzazione automatica dei parametri del modello linguistico. In questo modo, Swarms può utilizzare l'intelligenza collettiva tra gli agenti per affrontare più facilmente le sfide complesse rispetto a un singolo agente.

Il progetto Swarms si distingue con le sue potenti barriere tecnologiche e le sue prestazioni di mercato; il suo framework di orchestrazione degli agenti AI ha fornito soluzioni efficienti a molte aziende attraverso quasi tre anni di operazioni stabili sul suo sito ufficiale. Dalla gestione dei dati al servizio clienti, fino alla generazione di report, Swarms ha notevolmente aumentato l'efficienza aziendale attraverso l'automazione, riducendo significativamente i costi operativi, mostrando una potenza evidente. Come progetto open source, Swarms ha suscitato un forte interesse nella comunità degli sviluppatori, con oltre 2,1K di Star su GitHub, ricevendo l'intelligenza e il supporto di numerosi sviluppatori, quindi tutto ciò che Swarms ha accumulato dimostra la maturità e l'innovazione della tecnologia.

SNAI

Sembra che gli utenti su Twitter concordino sul fatto che la prossima fase per gli agenti AI sia la cooperazione di gruppo (Agent Swarms), realizzando un lavoro più efficiente attraverso la comunicazione e la collaborazione tra più agenti; questo approccio consente agli agenti di diversi framework di interagire e di sfruttare i propri vantaggi specializzati per eccellere in compiti e scenari specifici.

Il Swarm Node (SNAI), come ausilio per realizzare gli Agent Swarms, è un'infrastruttura senza server, progettata appositamente per supportare il concetto di Swarm. SNAI risolve tutte le sfide tecniche per l'esecuzione di agenti AI, consentendo agli utenti di non preoccuparsi dei costi hardware e infrastrutturali, e permette di distribuire, coordinare e gestire gli agenti facilmente tramite script Python. Supporta anche interazioni a catena, programmazione e operazioni multilingue, offrendo nuove possibilità agli autori emergenti che non possono far funzionare gli agenti 24 ore su 24 o che mancano di supporto hardware.

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

Il ruolo di Swarm è quello di suddividere i compiti tra diversi agenti, ciascuno dei quali si concentra su un compito specifico e, una volta completato, trasmette i risultati all'agente successivo. Tramite REST API e Python SDK, altre applicazioni possono facilmente integrare SNAI, mentre gli utenti possono coordinare in modo flessibile il comportamento del loro Swarm (ad esempio, quando eseguire e quali dati utilizzare).

Ma non è tutto; con il framework SNAI ancora in fase di sviluppo iniziale, in futuro verranno aggiunte molte funzionalità, tra cui l'archiviazione dei dati (un mini database cloud che consente agli agenti di condividere dati selezionati), la programmazione dei compiti (eseguire agenti a orari specifici) e una libreria di agenti (agenti pronti creati dalla comunità, disponibili per l'esecuzione, personalizzazione e ottimizzazione). Inoltre, SNAI realizzerà la compatibilità multilingue; attualmente è fornito un client Python per semplificare le operazioni API e si prevede di supportare il deployment 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 in questa settimana, ci sono state oltre 500 costruzioni—queste 'dipendenze' sono usate per ottimizzare l'efficienza di esecuzione degli agenti AI. Oltre 10.000 esecuzioni—cioè le istanze in cui un agente è stato messo in pausa dopo l'avvio; SNAI addebita solo il tempo di funzionamento attivo, aumentando notevolmente la flessibilità operativa degli agenti.

Le caratteristiche principali di SNAI includono il supporto per l'esecuzione senza server degli agenti, la possibilità per gli sviluppatori di integrare gli agenti nella propria libreria di codice, realizzando la cooperazione in catena degli agenti e il coordinamento interattivo, adottando un modello di pagamento per uso, riducendo significativamente i costi delle infrastrutture e abbassando la barriera all'ingresso per le infrastrutture degli agenti AI.

Contro AI16Z

Swarms e AI16Z hanno entrambe una significativa influenza nel campo degli agenti AI; le controversie tra i due su Twitter non mancano, e sebbene ci siano alcune somiglianze, le loro architetture tecniche e applicazioni sono diverse. Swarms adotta un framework di 'team' per il lavoro collaborativo, completando compiti complessi e aumentando l'efficienza attraverso la cooperazione di più agenti AI. Al contrario, il framework Eliza di AI16Z è più simile a un 'coordinatore' flessibile, enfatizzando il supporto multipiattaforma e l'integrazione di più modelli, capace di adattarsi rapidamente a più scenari; di seguito, esamineremo un confronto tra i due agenti sotto due aspetti.

Framework e architettura tecnologica

Swarms è come una squadra disciplinata, il framework Swarms supporta la collaborazione di più agenti AI, grazie all'autonomia, modularità ed espandibilità, permettendo agli agenti AI di collaborare in modo efficiente, specializzandosi nella scomposizione di compiti complessi e portando a termine operazioni con 'compiti ben definiti e collaborazione senza soluzione di continuità'. Il framework Eliza di AI16Z è più simile a un coordinatore onnipotente, focalizzato sull'operatività su più piattaforme e sull'integrazione di più modelli, enfatizzando l'interazione tra gli agenti, con un proprio stile unico nell'adattarsi a più scenari.

Modelli e applicazioni AI

Nell'ambito dei modelli e delle applicazioni AI, Swarms si concentra di più su come integrare intelligentemente i modelli AI esistenti, migliorando l'automazione a livello aziendale e l'efficienza del team attraverso l'orchestrazione dei compiti e la collaborazione; è più simile a un comandante preciso, abile nel coordinare molteplici forze e concentrato su 'come fare meglio'. Al contrario, il framework Eliza di AI16Z offre agli sviluppatori maggiore libertà, supportando vari modelli AI (come Llama, Claude), conferendo flessibilità alle applicazioni e in grado di affrontare vari scenari, dalla gestione dei social media alle transazioni finanziarie, portando così a una soluzione versatile. Uno si concentra sulla collaborazione, l'altro enfatizza la diversità; entrambi sono all'altezza dell'innovazione applicativa, ognuno con i propri punti di forza.

In generale, Swarms e AI16Z stanno esplorando il futuro degli agenti AI attraverso percorsi completamente diversi; Swarms è più simile a una squadra disciplinata, colpendo gli utenti aziendali con la sua collaborazione efficiente e la sua tecnologia avanzata, mentre il framework Eliza di AI16Z è più simile a un giocatore versatile, mostrando un potenziale illimitato attraverso l'adattamento flessibile e la diversità degli scenari. In realtà, entrambi hanno i loro punti forti; in quest'epoca di competizione, la storia degli agenti AI è appena cominciata, chi emergerà in questa gara? Rimanete sintonizzati!