Сегодня рост swarms снова привлек внимание, и вся сообщество активно обсуждает две темы: слухи о 'тревоге' основателя AI16Z Шоу и подозрение о нарушении прав на многоагентную структуру Swarm со стороны OpenAI. Некоторые предполагают, что движущей силой этого резкого роста может быть появление AI-агента на основе Mcs. Этот агент не только может отвечать на вопросы медицинского характера, но и называется самым доступным и практичным продуктом в структуре Swarms, его основатель Kye Gomez, лишь 20-летний 'гениальный подросток', бросивший школу, за три года разработал многоагентную координационную структуру Swarms, запустив 45 миллионов агентов, обслуживающих такие области, как финансы, страхование, медицина, и стал настоящим мастером своего дела.
Американские горки
После выпуска токенов Swarms 18 декабря, 21 числа он быстро достиг пика рыночной капитализации в 74.2 миллиона долларов, но, к сожалению, хорошие времена не длились долго, и капитализация, как на американских горках, упала до минимума, составив около 6 миллионов долларов.
После этого он колебался около 13 миллионов долларов, пока 27 числа не начал восстановление, поднявшись с низкой точки в 12 миллионов долларов до 30 миллионов долларов, а затем быстро увеличившись почти в 3 раза до 70 миллионов долларов, почти достигнув предыдущего пика. Сегодня объем торгов также был на уровне, достигнув 60.8 миллионов долларов, и пользователи в сети почувствовали, что это похоже на пакет впечатлений от американских горок в криптомире.
Будущее кодов Swarms
За волнами цен стоит несколько AI-агентов, работающих как хорошо скоординированная команда, совместно справляясь со сложными вызовами. Коллективный интеллект и координация превосходят ограничения отдельного агента, что является целью проекта Swarms от Kye Gomez. Однако лишь креативности и идей недостаточно; именно ключевая технология, выпущенная Swarms — Swarm Node (SNAI), делает это возможным. Можно сказать, что SNAI является 'нейронным центром' мира AI-агентов, обеспечивая мощную поддержку и гарантии для бесшовного сотрудничества между агентами.
Основатель 'Гениального подростка'
Основной основатель Swarms, Kye Gomez, известен как 'гениальный подросток' в области искусственного интеллекта, который в возрасте 20 лет продемонстрировал удивительные жесткие навыки. Хотя он бросил школу, ему удалось за три года разработать многоагентную координационную структуру Swarms и успешно запустить 45 миллионов AI-агентов, предоставляя высококачественные услуги в таких отраслях, как финансы, страхование и медицина, что подчеркивает мощные способности молодого человека.
В его исследованиях по автономным и кооперативным AI-агентам он разработал не только 'суперэффективную модель SSM + MoE' и 'гибридную потоковую модель', но и глубоко изучил выравнивание AI и его потенциал в области биологии и нанотехнологий. На самом деле, среди множества проектов Kye, Swarms является лишь одним из его качественных проектов, и его способности глубоко скрыты; при более детальном изучении можно обнаружить множество других выдающихся проектов.
Например, Agora является лабораторией открытых AI-исследований, сосредоточенной на пересечении AI с биологией и нанотехнологиями, а Pegasus — это их исследование в области обработки естественного языка и моделей встраивания, кроме того, они также участвуют в открытой реализации AlphaFold3. Резюме и достижения Kye не оставляют сомнений, что поднимается настоящий технический новатор.
Рамки оркестрации AI-агентов Swarms и их ключевые функции
Теперь давайте разберем проект Swarms Гениального подростка, который стремится разработать и продвигать многоагентную оркестрационную платформу, готовую к производству для предприятий. Проще говоря, основная функция Swarms заключается в том, чтобы несколько AI-агентов работали вместе как команда, используя коллективный интеллект для решения сложных задач. Он не только поддерживает бесшовную интеграцию с внешними AI-сервисами и API для расширения функций, но и предоставляет агентам практически неограниченную долговременную память для улучшения понимания контекста, а также позволяет настраивать рабочие процессы. Для потребностей корпоративного уровня Swarms обеспечивает высокую надежность и масштабируемость, автоматически оптимизируя параметры языковых моделей для обеспечения наилучшей производительности. Таким образом, Swarms может использовать коллективный интеллект между агентами, легче справляясь со сложными вызовами, чем один агент.
Проект Swarms выделяется благодаря своей мощной технологической барьерности и рыночным характеристикам; его рамки оркестрации AI-агентов функционируют стабильно на протяжении почти трех лет, и на его официальном сайте уже предложены высокоэффективные решения для множества предприятий. От обработки данных до обслуживания клиентов и генерации отчетов, Swarms значительно повысил эффективность бизнеса за счет автоматизации, одновременно значительно снизив операционные затраты, что заметно выражено в его мощи. В качестве открытого проекта Swarms также привлекло значительное внимание в сообществе разработчиков, количество звезд на GitHub превысило 2.1K, получив поддержку и мудрость многих разработчиков, таким образом, все накопленное Swarms подтверждает зрелость и инновации технологии.
SNAI
Пользователи в Твиттере, похоже, согласны, что следующая стадия AI-агентов — это коллективное сотрудничество (Agent Swarms), где коммуникация и сотрудничество между несколькими агентами могут приводить к более эффективной работе. Этот подход позволяет агентам из различных структур взаимодействовать друг с другом и использовать свои специализированные преимущества для более выдающегося исполнения в конкретных задачах и сценариях.
Swarm Node (SNAI) является вспомогательным инструментом для реализации Agent Swarms, безсерверной инфраструктурой, специально разработанной для поддержки концепции Swarm. SNAI устраняет все технические проблемы работы AI-агентов, позволяя пользователям не беспокоиться о затратах на оборудование и инфраструктуру, легко разворачивая, координируя и управляя агентами с помощью скриптов Python. Он также поддерживает цепочечное взаимодействие, планирование и многоязычную работу, предоставляя новые возможности для небольших креаторов, которые не могут работать круглосуточно или не имеют аппаратной поддержки.
Пользователи не обязаны платить за серверные расходы, а просто оплачивают фактическое время выполнения, что делает SNAI более эффективным, чем другие решения на основе подписки. Уникальность SNAI заключается в том, что его агенты не изолированы, а могут 'цепочечно' сотрудничать, создавая Swarm (группу).
Роль Swarm заключается в распределении задач между различными агентами, каждый из которых сосредоточен на конкретной задаче и передает результаты следующему агенту после завершения. С помощью REST API и Python SDK другие приложения могут легко интегрировать SNAI, а пользователи могут гибко координировать поведение своего Swarm (например, когда запускать и какие данные использовать).
Но это еще не все, так как структура SNAI все еще находится на начальной стадии разработки, в будущем будет добавлено множество функций, включая хранение данных (мини-облачная база данных, позволяющая агентам делиться выбранными данными), планирование задач (запуск агентов в определенное время) и библиотеку агентов (готовые агенты, созданные сообществом, доступные для запуска, настройки и оптимизации). Кроме того, SNAI также реализует многоязычную совместимость, в настоящее время уже предоставлен Python-клиент для упрощения работы с API, и планируется поддержка агентов, написанных на языках Go, Rust, TypeScript, C#, PHP и других. Сообщество уже начало разработку клиента на TypeScript, в будущем будет поддержано еще больше языков.
Только за эту неделю было построено более 500 раз — эти 'зависимости' использовались для оптимизации эффективности выполнения AI-агентов. Более 10,000 выполнений — это случаи, когда агент приостановлен после запуска. SNAI взимает плату только за активное время работы, что значительно увеличивает гибкость операций агентов.
Ключевые особенности SNAI включают поддержку безсерверной работы агентов, возможность разработчиков интегрировать агентов в кодовую базу, реализацию цепочечных взаимодействий и координации агентов, а также использование модели оплаты по факту использования, что значительно снижает затраты на инфраструктуру и снижает барьеры для доступа к инфраструктуре AI-агентов.
Противостояние AI16Z
Swarms и AI16Z оба имеют значительное влияние в области AI-агентов, между ними постоянно идут споры в Твиттере, и хотя у них есть некоторые сходства, их технические архитектуры и применения различны. Swarms использует структуру 'команды', в которой несколько AI-агентов сотрудничают для выполнения сложных задач и повышения эффективности. В то же время структура Eliza от AI16Z больше похожа на гибкого 'координатора', подчеркивающего поддержку нескольких платформ и интеграцию различных моделей, что позволяет быстро адаптироваться к различным сценариям. Ниже мы проведем сравнение между двумя агентами с двух аспектов.
Техническая структура и архитектура
Swarms похож на дисциплинированную команду, структура Swarms поддерживает совместную работу нескольких AI-агентов, благодаря автономности, модульности и масштабируемости, позволяя AI-агентам эффективно сотрудничать, успешно разбирая сложные задачи и выполняя операции с 'четким распределением задач и безупречным сотрудничеством'. В то время как структура Eliza от AI16Z больше похожа на универсального координатора, сосредоточенного на многоплатформенной работе и интеграции различных моделей, подчеркивая взаимодействие между агентами и демонстрируя свои уникальные особенности в адаптации к различным сценариям.
AI-модели и приложения
В области AI-моделей и приложений Swarms больше сосредоточен на том, как умело интегрировать существующие AI-модели, используя оркестрацию задач и командное сотрудничество для повышения автоматизации и эффективности команд на уровне предприятий. Он больше похож на точного командира, который умеет правильно распределять многократные силы и сосредотачивается на 'как делать лучше'. В то время как структура Eliza от AI16Z предлагает разработчикам большую свободу, поддерживая множество AI-моделей (таких как Llama, Claude), предоставляя приложениям больше гибкости для решения различных задач, от управления социальными медиа до финансовых операций, предоставляя тем самым универсальное решение. Один сосредотачивается на сотрудничестве, другой подчеркивает разнообразие, оба имеют свои уникальные достижения в инновационных приложениях.
В целом, Swarms и AI16Z исследуют будущее AI-агентов совершенно разными путями. Swarms больше похож на дисциплинированную команду, которая впечатляет пользователей на уровне предприятий своей эффективной кооперацией и жесткими технологиями, в то время как Eliza от AI16Z больше похожа на универсального игрока, демонстрируя безграничный потенциал благодаря гибкости и разнообразию сцен. На самом деле, у обоих есть свои заслуги, и в эту эпоху, когда множество игроков борется за лидерство, история AI-агентов только начинается. Кто выделится в этой гонке? Мы будем наблюдать!