Aujourd’hui, l’augmentation des essaims attire l’attention, et la chaleur de toute la communauté a explosé autour de deux sujets : les rumeurs « d’anxiété » de Shaw, le fondateur d’AI16Z, et le melon de Sama d’OpenAI soupçonné d’enfreindre le framework multi-agents Swarm. Certaines personnes spéculent que la force motrice derrière cette vague de pompes de relance pourrait être l’émergence d’un agent d’IA basé sur le MCS. Le fondateur à l’origine, Kye Gomez, un « garçon de génie » de 20 ans qui a abandonné l’école secondaire, a passé trois ans à compléter le cadre de coordination multi-agents Swarms, qui gère 45 millions d’agents, au service de la finance, de l’assurance, de la médecine et d’autres domaines.

Tendance des montagnes russes

Après le lancement de Swarms le 18 décembre, la valeur de marché a atteint rapidement un sommet de 74,2 millions de dollars le 21, mais malheureusement, cela n'a pas duré longtemps et la valeur de marché a chuté comme une montagne russe pour atteindre seulement environ 6 millions de dollars.

Ensuite, il a fluctué autour de 13 millions de dollars jusqu'au 27, date à laquelle il a commencé à rebondir, passant de 12 millions de dollars à son plus bas à 30 millions de dollars, puis a fait un pump brutal jusqu'à près de 70 millions de dollars, manquant de peu de dépasser le précédent sommet. Aujourd'hui, le volume des échanges est également considérable, atteignant directement 60,80 millions de dollars. Cette vague de marché stimulante a donné l'impression aux internautes de vivre un véritable parc d'attractions dans le monde des cryptomonnaies.

Le futur cryptographique derrière les essaims

Derrière les montagnes russes des mouvements de prix, plusieurs agents d’IA travaillent ensemble en tant qu’équipe soudée pour relever des défis complexes. L’intelligence collective et la coordination vont bien au-delà des limites d’un seul agent, et c’est exactement ce qu’est le projet Swarms de Kye Gomez. Cependant, la créativité et les idées ne suffisent pas, ce qui rend vraiment cela possible, c’est la technologie de base lancée par Swarms, Swarm Node (SNAI). On peut dire que SNAI est le « centre névralgique » du monde des agents d’IA, qui fournit un soutien solide et garantit une collaboration transparente entre les agents.

Fondateur de "Jeune prodige"

Kye Gomez, the core founder behind Swarms, is hailed as a 'genius youth' in the field of artificial intelligence, demonstrating astonishing hardcore strength at the age of only 20. Despite dropping out of high school, he developed the multi-agent coordination framework Swarms in just three years and successfully operated 45 million AI agents, providing high-quality services to multiple industries such as finance, insurance, and healthcare, demonstrating the young man's formidable strength.

Dans ses recherches sur les agents d'IA autonomes et collaboratifs, il a développé non seulement le modèle "SSM + MoE super efficace" et le modèle "flux hybride", mais a également exploré en profondeur le potentiel de l'IA dans les domaines de la biologie et de la nanotechnologie. En fait, Swarms n'est qu'un de ses nombreux projets de qualité. La puissance de ce jeune homme est cachée en profondeur. Après une étude approfondie, on découvre qu'il a de nombreux autres projets excellents.

Par exemple, Agora est un laboratoire de recherche en IA open source qui se concentre sur la fusion de l'IA, de la biologie et de la nanotechnologie. Pegasus est leur exploration dans le domaine du traitement du langage naturel et des modèles d'encastrement, et il participe également à la mise en œuvre open source d'AlphaFold3. Le parcours et les réalisations de Kye témoignent clairement d'un véritable innovateur technologique en pleine ascension.

Cadres de planification et fonctionnalités centrales de l'IA Swarm

À suivre, nous allons commencer à analyser le projet Swarms du jeune génie, qui vise à développer et promouvoir un cadre de coordination multi-agent prêt pour la production d'entreprise. En bref, la fonction principale de Swarms est de permettre à plusieurs agents d'IA de travailler en équipe comme une équipe, en utilisant la sagesse collective pour résoudre des problèmes complexes. Il prend en charge non seulement l'intégration transparente avec des services et des API d'IA externes pour étendre les fonctionnalités, mais fournit également une mémoire à long terme presque illimitée aux agents pour améliorer la compréhension du contexte, tout en permettant des flux de travail personnalisés. Pour répondre aux besoins des entreprises, Swarms offre une fiabilité et une extensibilité élevées, et garantit des performances optimales grâce à l'optimisation automatique des paramètres du modèle de langage. De cette manière, Swarms peut tirer parti de la sagesse collective des agents pour relever des défis complexes de manière plus facile que les agents individuels.

Le projet Swarms se distingue par sa puissante barrière technologique et ses performances sur le marché. Son cadre d'orchestration d'agents IA, qui est en exploitation stable depuis près de trois ans, a déjà fourni des solutions efficaces à de nombreuses entreprises sur son site officiel. De la gestion des données au service client en passant par la génération de rapports, Swarms améliore considérablement l'efficacité opérationnelle tout en réduisant significativement les coûts. Sa force est indéniable. En tant que projet open source, Swarms a également suscité un vif intérêt au sein de la communauté des développeurs, avec plus de 2,1 K étoiles sur GitHub, témoignant de la maturité et de l'innovation technologique de Swarms.

SNAI

Les utilisateurs de Twitter semblent tous être d'accord que la prochaine étape pour les agents d'IA est la collaboration en groupe (Agent Swarms), qui permet une communication et une collaboration plus efficaces entre plusieurs agents. Cette approche permet aux agents provenant de différentes sources de communiquer entre eux et de mettre en valeur leurs compétences spécialisées dans des tâches et des scénarios spécifiques.

Swarm Node (SNAI) est un assistant pour la réalisation des Essaims d'agents, une infrastructure sans serveur conçue spécifiquement pour soutenir la philosophie de Swarm. SNAI résout tous les défis techniques liés à l'exécution d'agents d'IA, permettant aux utilisateurs de déployer, coordonner et gérer facilement des agents via des scripts Python sans se soucier des coûts matériels et d'infrastructure. Il prend également en charge l'interaction en chaîne, la planification et les opérations multilingues, offrant de nouvelles possibilités aux petits créateurs qui ne peuvent pas exécuter des agents en continu ou qui manquent de support matériel.

Les utilisateurs n'ont pas à payer de frais de serveur, ils ne paient que le temps d'exécution réel, ce qui rend SNAI plus efficace que d'autres solutions basées sur l'abonnement. Ce qui rend SNAI unique, c'est que ses agents ne sont pas isolés, mais peuvent coopérer de manière "en chaîne", formant un essaim (Swarm).

Le rôle de Swarm est de répartir les tâches entre différents agents, chaque agent se concentrant sur une tâche spécifique et transmettant les résultats au prochain agent. Grâce à l'API REST et au kit de développement logiciel Python, d'autres applications peuvent facilement intégrer SNAI, et les utilisateurs peuvent également coordonner de manière flexible le comportement de leur Swarm (par exemple, quand l'exécuter et quelles données utiliser).

Mais ce n'est pas tout, avec le cadre SNAI encore au stade initial de développement, de nombreuses nouvelles fonctionnalités seront ajoutées à l'avenir, y compris le stockage de données (une mini-base de données cloud permettant le partage de données sélectionnées par des agents), la planification des tâches (exécution d'agents à des moments spécifiques) et la bibliothèque d'agents (agents prêts à l'emploi créés par la communauté, disponibles pour exécution, personnalisation et optimisation). De plus, SNAI sera également compatible avec plusieurs langues. Actuellement, un client Python simplifié pour les opérations API est proposé, et il est prévu de prendre en charge le déploiement d'agents écrits dans des langages tels que Go, Rust, TypeScript, C#, PHP, etc. La communauté a commencé à développer un client TypeScript, et d'autres langues seront prises en charge à l'avenir.

Seulement cette semaine, il y a eu plus de 500 constructions - ces "dépendances" sont utilisées pour optimiser l'efficacité d'exécution de l'agent IA. Plus de 10 000 exécutions - c'est-à-dire des instances où l'agent est démarré puis mis en pause, SNAI facture uniquement le temps d'exécution actif, ce qui améliore considérablement la flexibilité des opérations de l'agent.

Les caractéristiques principales de SNAI incluent la prise en charge de l'exécution sans serveur des agents, la possibilité pour les développeurs d'intégrer les agents dans leur bibliothèque de code, la réalisation d'une collaboration en chaîne et d'une coordination interactive entre les agents, le tout en adoptant un modèle de paiement à l'utilisation, ce qui permet de réduire considérablement les coûts d'infrastructure et de faciliter l'accès à l'infrastructure des agents d'IA.

对阵 AI16Z

Swarms et AI16Z ont tous deux une influence significative dans le domaine des agents d'IA, et leur controverse sur Twitter continue. Bien qu'ils aient des similitudes, ils diffèrent dans l'architecture technique et les applications. Swarms utilise un cadre de « équipe » de travail collaboratif, qui permet à plusieurs agents d'IA de travailler ensemble pour accomplir des tâches complexes et améliorer l'efficacité. En revanche, le cadre Eliza d'AI16Z est plus flexible en tant que « coordinateur », mettant l'accent sur la prise en charge de plusieurs plates-formes et l'intégration de plusieurs modèles, et peut s'adapter rapidement à plusieurs scénarios. Voici une comparaison des deux agents par deux aspects.

Cadre technologique et architecture

Swarms est comme une équipe disciplinée, le framework Swarms prend en charge plusieurs agents d’IA pour qu’ils travaillent ensemble, avec autonomie, modularité et évolutivité, afin que les agents d’IA puissent travailler ensemble efficacement et soient doués pour désassembler des tâches complexes afin d’effectuer des opérations de « division claire du travail et de coopération transparente ». Le framework Eliza d’AI16Z s’apparente davantage à un coordinateur complet, se concentrant sur l’exploitation multiplateforme et l’intégration multi-modèles, tout en mettant l’accent sur l’interaction entre les agents, et possède ses propres caractéristiques en matière d’adaptation flexible aux applications multi-scénarios.

Modèles et applications d'IA

En termes de modèles et d'applications d'IA, Swarms se concentre davantage sur la façon ingénieuse d'intégrer les modèles d'IA existants, en améliorant l'automatisation et l'efficacité de l'équipe par la planification des tâches et la collaboration d'équipe. Il est plus comme un fin commandant, capable de bien coordonner des forces multiples et se concentrer sur "comment faire mieux". Le cadre Eliza d'AI16Z offre aux développeurs plus de liberté, il prend en charge plusieurs modèles d'IA (comme Llama, Claude), donne plus de flexibilité aux applications et peut gérer une variété de scénarios, de la gestion des médias sociaux aux transactions financières, offrant ainsi une solution tout-en-un. L'un se concentre sur la collaboration, l'autre sur la diversité, les deux sont également innovants dans les applications, chacun ayant ses propres avantages.

Dans l'ensemble, Swarms et AI16Z explorent l'avenir des agents d'IA avec des approches radicalement différentes. Swarms ressemble davantage à une équipe disciplinée qui a impressionné les utilisateurs d'entreprise par sa collaboration efficace et son expertise technologique, tandis que Eliza d'AI16Z est plus comme un joueur polyvalent et talentueux, démontrant un potentiel illimité grâce à son adaptabilité et à la diversité des scénarios. En réalité, les deux ont leurs propres mérites. Dans cette époque de compétition féroce, l'histoire des agents d'IA ne fait que commencer. Qui se démarquera dans cette compétition acharnée ? Nous attendons avec impatience de le découvrir !