Оригінальний автор: Zhouzhou

Перепост: Daisy, Mars Finance

Сьогодні зростання swarms знову вразило, увесь інтерес громади зосереджений на двох темах: чутках про «тривогу» засновника AI16Z Шоу та ймовірному порушенні авторських прав на рамки Swarm багатоагентного OpenAI. Дехто припускає, що за цим сплеском зростання стоїть AI Agent на базі Mcs, який може не тільки відповідати на питання медичних знань, але й вважається найбільш близьким до звичайного населення, найзручнішим продуктом в архітектурі Swarms. Його засновник Кай Гомес, 20-річний «геній», покинув школу і за три роки завершив розробку фреймворка координації кількох агентів Swarms, запустив 45 мільйонів агентів, які обслуговують фінансову, страхову та медичну сфери, що робить його справжнім представником жорсткого стилю.

Ціновий рух, як американські гірки

Токени Swarms після запуску 18 грудня швидко досягли піку ринкової капіталізації в 74,2 мільйона доларів 21 числа, але, на жаль, гарна погода не тривала довго, капіталізація впала, як на американських гірках, до низької точки, залишивши близько 6 мільйонів доларів.

Далі він коливався в районі 13 мільйонів доларів, поки 27 числа не почав відновлення, піднявшись з низької точки в 12 мільйонів до 30 мільйонів, а потім різко зростаючи до майже 70 мільйонів, майже перевищивши попередній максимум. Сьогодні обсяг торгів також вражає, піднявшись до 60,8 мільйона доларів, ця хвиля зростання нагадує користувачам про досвід американських гірок у криптоіндустрії.

Майбутній код Swarms

За цими американськими гірками цінового руху стоїть кілька AI-агентів, які працюють як злагоджена команда, розподіляючи обов'язки та співпрацюючи для подолання складних викликів. Колективний розум і координаційні здібності значно перевершують обмеження окремого агента — це саме те, чого прагне проект Swarms Кая Гомеса. Однак лише креативу та ідеї недостатньо; справжнім каталізатором для всього цього є основна технологія, яку представляє Swarms — Swarm Node (SNAI). Можна сказати, що SNAI є «нервовим центром» світу AI-агентів, забезпечуючи потужну підтримку та гарантію безшовної співпраці між агентами.

Засновник «геній»

Основний засновник Swarms, Кай Гомес, вважається «генієм» у сфері штучного інтелекту, у віці всього 20 років він проявив вражаючу жорстку силу. Хоча він покинув школу, він всього за три роки розробив фреймворк координації кількох агентів Swarms і успішно запустив 45 мільйонів AI-агентів, надаючи високоякісні послуги у фінансовому, страхувальному та медичному секторах, що свідчить про сильну потужність підлітка.

У своїх дослідженнях автономних і кооперативних AI-агентів він не лише розробив «суперефективну модель SSM + MoE» і «змішану модель потоку», але й глибоко досліджував вирівнювання AI та його потенціал у біології та нанотехнологіях. Насправді, серед багатьох проектів Кая, Swarms є лише одним з його якісних проектів; потужність підлітка прихована, і при глибшому розумінні виявляється, що у нього є багато інших чудових проектів.

Наприклад, Agora є лабораторією відкритих досліджень AI, зосередженою на злитті AI з біологією та нанотехнологіями, Pegasus є її дослідженням у галузі обробки природної мови та вбудованих моделей, також він брав участь у відкритій реалізації AlphaFold3. Резюме та досягнення Кая свідчать про те, що справжній технічний новатор піднімається.

Фреймворк оркестрації AI-агентів Swarms та його основні функції

Тепер почнемо аналізувати проект Swarms геніального підлітка, який прагне розробити та просувати готовий до виробництва фреймворк мульти-агентів для підприємств. Простими словами, основна функція swarms полягає в тому, щоб кілька AI-агентів працювали як команда, розподіляючи завдання та використовуючи колективний розум для вирішення складних проблем. Він не лише підтримує безшовну інтеграцію з зовнішніми AI-сервісами та API для розширення функцій, але й забезпечує агентам практично безмежну довгострокову пам'ять для покращення розуміння контексту, одночасно дозволяючи налаштувати робочі процеси. Стосовно корпоративних потреб, Swarms має високу надійність і масштабованість, оптимізуючи параметри мовної моделі автоматично для забезпечення оптимальної продуктивності. Таким чином, Swarms може використовувати колективний розум агентів, щоб легше справлятися зі складними викликами, ніж окремий агент.

Проект Swarms вирізняється своїми потужними технологічними бар'єрами та ринковими показниками, його фреймворк AI-агентів пройшов стабільну експлуатацію протягом майже трьох років, на його офіційному сайті вже було надано ефективні рішення для багатьох компаній. Від обробки даних до обслуговування клієнтів і генерації звітів, Swarms через автоматизацію значно підвищив бізнес-ефективність, одночасно знижуючи витрати на операції, його потужність очевидна. Як відкритий проект, Swarms також викликав жваву увагу в спільноті розробників, кількість зірок на GitHub перевищила 2,1K, отримавши підтримку та мудрість багатьох розробників, тому все, що накопичилося в Swarms, підтверджує зрілість та інноваційність технології.

SNAI

Схоже, користувачі Twitter погоджуються, що наступна стадія AI-агентів — це колективна співпраця (Agent Swarms), досягаючи більшої ефективності роботи через спілкування та співпрацю між кількома агентами, ця модель дозволяє агентам з різних фреймворків взаємодіяти та використовувати свої спеціалізовані переваги для кращого виконання в конкретних завданнях та сценах.

Swarm Node (SNAI) як допоміжний засіб для реалізації Agent Swarms, це безсерверна інфраструктура, спеціально розроблена для підтримки концепції Swarm. SNAI вирішує всі технічні проблеми, пов'язані з запуском AI-агентів, дозволяючи користувачам не хвилюватися про витрати на апаратуру та інфраструктуру, легко розгортаючи, координуючи та керуючи агентами через Python-скрипти. Він також підтримує ланцюгову взаємодію, розклад та багатомовні операції, відкриваючи нові можливості для невеликих творців, які не можуть працювати цілодобово або не мають підтримки апаратури.

Користувачі не повинні платити за сервери, а лише за фактичний час виконання, що робить SNAI більш ефективним у порівнянні з іншими підписковими рішеннями. Унікальність SNAI полягає в тому, що його агенти не є ізольованими, а можуть працювати в «ланцюговій» співпраці, формуючи Swarm (групу).

Функція Swarm полягає в розподілі завдань між різними агентами; кожен агент зосереджується на конкретному завданні, після виконання передає результати наступному агенту. Через REST API та Python SDK інші програми можуть легко інтегрувати SNAI, користувачі також можуть гнучко координувати поведінку свого Swarm (наприклад, коли запускати та які дані використовувати).

Але це ще не все: оскільки фреймворк SNAI все ще перебуває на початковій стадії розробки, у майбутньому будуть додані кілька функцій, включаючи зберігання даних (невелику хмарну базу даних, що дозволяє агентам ділитися обраними даними), планування завдань (запуск агентів у певний час) та бібліотеку агентів (з готовими агентами, створеними спільнотою, доступними для запуску, налаштування та оптимізації). Крім того, SNAI також реалізує багатомовну сумісність, наразі вже доступний Python-клієнт для спрощеного API-управління, і планується підтримка агентів, написаних на Go, Rust, TypeScript, C#, PHP та інших мовах. Спільнота вже почала розробку клієнта TypeScript, в майбутньому буде підтримано більше мов.

Лише за цей тиждень вже було здійснено понад 500 побудов — ці «залежності» використовуються для оптимізації ефективності виконання AI-агентів. Понад 10,000 виконань — це приклади, де агент призупинився після запуску, SNAI стягує плату лише за активний час роботи, значно підвищуючи гнучкість операцій агентів.

Основні характеристики SNAI включають підтримку безсерверної роботи агентів, дозволяють розробникам інтегрувати агентів у кодові бази, реалізувати ланцюгову співпрацю агентів та взаємодію, при цьому застосовуючи модель оплати за використання, що значно знижує витрати на інфраструктуру та зменшує бар'єри для входу в інфраструктуру AI-агентів.

Протистояння AI16Z

Swarms та AI16Z мають значний вплив у сфері AI-агентів, між ними постійно виникають суперечки в Twitter, хоча є деякі схожості, але вони різняться у технічній архітектурі та застосуванні. Swarms використовує фреймворк «команди» для спільної роботи, завершуючи складні завдання та підвищуючи ефективність за допомогою співпраці кількох AI-агентів. У порівнянні з цим, фреймворк Eliza від AI16Z більше нагадує гнучкого «координатора», що підкреслює підтримку багатьох платформ і інтеграцію кількох моделей, здатного швидко адаптуватися до різних сценаріїв, нижче ми порівняємо два агенти з двох сторін.

Технічні рамки та архітектура

Swarms подібні до дисциплінованої команди, рамки Swarms підтримують спільну роботу кількох AI-агентів, завдяки автономії, модульності та розширюваності, дозволяють AI-агентам ефективно співпрацювати, вміло розбирати складні завдання та виконувати «чітко розподілені, безперешкодні» операції. А фреймворк Eliza від AI16Z більше нагадує універсального координатора, який зосереджений на багатоплатформеній роботі та інтеграції кількох моделей, при цьому підкреслюючи взаємодію між агентами, що дозволяє йому краще адаптуватися до різноманітних сценаріїв застосування.

AI моделі та застосування

У сфері AI-моделей та застосувань Swarms більше зосереджується на тому, як вміло інтегрувати наявні AI-моделі, через оркестрацію завдань та командну співпрацю для підвищення корпоративної автоматизації та командної ефективності. Він більше нагадує точного командира, який вміло координує кілька сил, зосереджуючись на «як зробити це краще». А фреймворк Eliza від AI16Z надає розробникам більше свободи, підтримуючи різні AI-моделі (такі як Llama, Claude), надаючи застосуванням більше гнучкості, здатної впоратися з різними сценами, від управління соціальними мережами до фінансових транзакцій, що забезпечує універсальне рішення. Один зосереджується на співпраці, інший підкреслює різноманітність, обидва намагаються досягти інноваційних застосувань.

Загалом, Swarms та AI16Z досліджують майбутнє AI-агентів різними шляхами, Swarms більше нагадує дисципліновану команду, вражаючи корпоративних користувачів ефективною співпрацею та технологічною жорсткістю, в той час як Eliza від AI16Z більше нагадує універсального гравця, демонструючи безмежний потенціал через гнучку адаптацію та різноманітність сценаріїв. Насправді, обидва мають свої переваги, і в цю епоху конкуренції історія AI-агентів тільки починається, хто зможе виділитися в цьому змаганні? Чекаємо з нетерпінням!