Oggi, l'aumento di Swarms ha catturato l'attenzione, e l'intera comunità si è animata attorno a due argomenti caldi: i rumors sulla "ansia" del fondatore di AI16Z, Shaw, e il presunto plagio da parte di OpenAI del framework multi-agente Swarm. Alcuni sospettano che il motore dietro questa corsa stimolante possa essere l'AI Agent basato su Mcs, che non solo è in grado di rispondere a domande di medicina generale, ma è anche considerato il prodotto di consegna più vicino al pubblico e più pratico all'interno dell'architettura Swarms. Il fondatore dietro di esso, Kye Gomez, è un "ragazzo geniale" di soli 20 anni, che ha abbandonato la scuola superiore e ha impiegato tre anni per completare il framework di coordinamento multi-agente Swarms, gestendo 45 milioni di agenti e servendo vari settori come finanza, assicurazioni e sanità, un vero esperto.
Andamento altalenante
Il token Swarms, dopo il lancio del 18 dicembre, ha rapidamente raggiunto il picco di capitalizzazione di mercato di 74,2 milioni di dollari il 21, ma sfortunatamente la buona sorte non è durata a lungo, la capitalizzazione di mercato è scesa a picco, rimanendo a circa 6 milioni di dollari.
Successivamente, si è mosso in un intervallo di circa 13 milioni di dollari fino al 27, quando ha iniziato a riprendersi, passando da un minimo di 12 milioni a 30 milioni, per poi schizzare a quasi 70 milioni, sfiorando il precedente massimo. Oggi, il volume degli scambi è altrettanto impressionante, schizzando a 60,8 milioni di dollari; questa ondata di stimolo ha fatto sentire agli utenti di Twitter di vivere un'esperienza da montagne russe nel mondo delle criptovalute.
Il codice del futuro dietro Swarms
Dietro le fluttuazioni dei prezzi altalenanti, ci sono molti agenti AI che lavorano come una squadra ben coordinata, 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 l'idea e la creatività non sono sufficienti; ciò che rende tutto ciò possibile è la tecnologia centrale lanciata da Swarms: il Nodo Swarm (SNAI). Si può dire che SNAI è il "centro neurale" del mondo degli agenti AI, fornendo un forte supporto e garanzia per la cooperazione senza soluzione di continuità tra gli agenti.
Fondatore di "Ragazzo Geniale"
Il fondatore centrale dietro Swarms, Kye Gomez, è acclamato come un "ragazzo geniale" nel campo dell'intelligenza artificiale, dimostrando impressionanti capacità avanzate all'età di 20 anni. Anche se ha abbandonato la scuola superiore, ha sviluppato il framework di coordinamento multi-agente Swarms in soli tre anni, gestendo con successo 45 milioni di agenti AI e fornendo servizi di alta qualità a vari settori come finanza, assicurazioni e sanità, dimostrando la potenza di questo giovane.
Nella sua ricerca sugli agenti AI autonomi e collaborativi, ha sviluppato non solo un "modello SSM + MoE super efficace" e un "modello a flusso misto", ma ha anche esplorato a fondo l'allineamento dell'AI e il suo potenziale nei campi della biologia e della nanotecnologia. In effetti, tra i numerosi progetti di Kye, Swarms è solo uno dei suoi progetti di alta qualità, la forza del ragazzo è notevole, e approfondendo si scopre che ha molti altri progetti eccellenti.
Ad esempio, Agora funge da laboratorio di ricerca AI open source, concentrandosi sulla fusione tra AI e biologia, nanotecnologia, mentre Pegasus è la sua esplorazione nel campo dell'elaborazione del linguaggio naturale e dei modelli di embedding, ed è anche coinvolta nella realizzazione open source di AlphaFold3. Il curriculum e i successi di Kye indicano l'emergere di un vero innovatore tecnologico.
Framework di orchestrazione degli agenti AI Swarms e funzionalità chiave
Ora iniziamo ad analizzare il progetto Swarms del Ragazzo Geniale, che 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 consentire a più agenti AI di collaborare come un team, 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 agli agenti una memoria a lungo termine quasi illimitata per migliorare la comprensione del contesto, consentendo al contempo flussi di lavoro personalizzati. Per le esigenze aziendali, Swarms offre un'elevata affidabilità e scalabilità e ottimizza automaticamente i parametri del modello linguistico per garantire prestazioni ottimali. In questo modo, Swarms può sfruttare l'intelligenza collettiva tra gli agenti, affrontando sfide complesse con maggiore facilità rispetto a un singolo agente.
Il progetto Swarms si distingue per il suo forte muro tecnologico e le sue prestazioni di mercato; il suo framework di orchestrazione di agenti AI ha funzionato stabilmente per quasi tre anni e ha già fornito soluzioni efficienti a molte aziende sul suo sito ufficiale. Dalla gestione dei dati al servizio clienti fino alla generazione di report, Swarms ha notevolmente migliorato l'efficienza aziendale attraverso l'automazione, riducendo significativamente i costi operativi, una forza riconosciuta. Come progetto open source, Swarms ha suscitato un grande interesse nella comunità degli sviluppatori, superando i 2.1K di Star su GitHub, ricevendo l'intelligenza e il supporto di molti sviluppatori, quindi tutto ciò accumulato da Swarms attesta la maturità e l'innovazione tecnologica.
SNAI
Sembra che gli utenti di 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 cooperazione tra più agenti; questo approccio consente agli agenti provenienti da diversi framework di interagire e di utilizzare i propri punti di forza specializzati per eccellere in compiti e scenari specifici.
Il Nodo Swarm (SNAI) è un'infrastruttura senza server progettata per supportare l'idea degli Agent Swarms, risolvendo tutte le sfide tecniche nel funzionamento degli agenti AI. Gli utenti non devono preoccuparsi dei costi hardware e infrastrutturali; possono facilmente distribuire, coordinare e gestire gli agenti tramite script Python. Supporta anche interazioni in catena, pianificazione e operazioni multi-lingua, offrendo nuove possibilità a piccoli creatori che non possono far funzionare gli agenti su base continua o mancano di supporto hardware.
Gli utenti non devono pagare costi per i server, ma solo per il tempo di esecuzione effettivo, il che rende SNAI più efficiente rispetto ad altre soluzioni basate su abbonamento. L'unicità di SNAI risiede nel fatto che i suoi agenti non sono isolati, ma possono collaborare in modo "a catena", formando uno Swarm (gruppo).
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 il risultato al successivo agente. Grazie all'API REST e al Python SDK, altre applicazioni possono facilmente integrare 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 in fase di sviluppo iniziale, in futuro verranno aggiunte molte funzionalità, tra cui la memorizzazione dei dati (un mini database cloud che consente agli agenti di condividere dati selezionati), la pianificazione dei compiti (esecuzione degli agenti a orari specifici) e una libreria di agenti (agenti pronti creati dalla comunità, disponibili per l'esecuzione, la personalizzazione e l'ottimizzazione). Inoltre, SNAI implementerà la compatibilità multi-lingua, attualmente è disponibile 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 questa settimana, ci sono state oltre 500 costruzioni—queste "dipendenze" sono utilizzate per ottimizzare l'efficienza esecutiva degli agenti AI. Più di 10.000 esecuzioni—cioè istanze in cui l'agente è stato messo in pausa dopo l'avvio; SNAI addebita solo il tempo di esecuzione attiva, aumentando notevolmente la flessibilità delle operazioni 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 nel codice sorgente, la realizzazione della cooperazione in catena tra agenti e il coordinamento interattivo, adottando un modello di pagamento per utilizzo che riduce notevolmente i costi infrastrutturali e abbassa la soglia d'ingresso per le infrastrutture degli agenti AI.
Contro AI16Z
Swarms e AI16Z hanno entrambi un'influenza significativa nel campo degli agenti AI, e ci sono state continue controversie su Twitter, nonostante alcune somiglianze, presentano differenze nell'architettura tecnologica e nelle applicazioni. 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 assomiglia più a un "coordinatore" flessibile, enfatizzando il supporto multi-piattaforma e l'integrazione di più modelli, che può adattarsi rapidamente a diversi scenari; di seguito, faremo un confronto tra i due agenti da due aspetti.
Struttura e architettura tecnologica
Swarms è come una squadra disciplinata; il framework Swarms supporta il lavoro collaborativo di più agenti AI, consentendo loro di collaborare in modo efficiente grazie all'autonomia, alla modularità e alla scalabilità, specializzandosi nella scomposizione di compiti complessi e nella realizzazione di operazioni "ben definite e senza soluzione di continuità". Al contrario, il framework Eliza di AI16Z è più simile a un coordinatore polivalente, focalizzato sul funzionamento multi-piattaforma e sull'integrazione di più modelli, mentre enfatizza l'interazione tra gli agenti, mostrando una maggiore unicità nell'adattabilità a diversi scenari.
Modelli e applicazioni AI
In termini di modelli e applicazioni AI, Swarms è più focalizzato su come integrare in modo intelligente i modelli AI esistenti, migliorando l'automazione e l'efficienza del team a livello aziendale tramite l'orchestrazione dei compiti e la collaborazione di squadra. È più simile a un comandante esperto, capace di gestire più forze in modo adeguato, concentrandosi su "come fare meglio". Al contrario, 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. Uno è focalizzato sulla cooperazione, l'altro enfatizza la diversità; entrambi sono pari nell'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, affascinando gli utenti aziendali con cooperazione efficiente e tecnologia avanzata, mentre l'Eliza di AI16Z è più simile a un giocatore versatile e talentuoso, mostrando un potenziale infinito con l'adattamento flessibile e la diversità degli scenari. In effetti, entrambi hanno i loro punti di forza, e in questa era di competizione, la storia degli agenti AI è appena iniziata; chi si distinguerà in questa corsa? Aspettiamo con interesse!