O caminho para o surgimento dos Swarms: como os jovens talentosos estão mudando o mundo da IA?

Autor original: Zhouzhou

Repost: Daisy, Mars Finance

Hoje, o aumento do Swarms mais uma vez iluminou as pessoas, e toda a comunidade explodiu em torno de dois tópicos: o rumor da 'ansiedade' do fundador da AI16Z, Shaw, e o caso de violação de Swarm multi-agente da OpenAI's Sama. Alguns especulam que o impulsionador por trás dessa subida estimulante pode ser o agente de IA baseado em Mcs. Esse agente não só pode responder a questões médicas comuns, mas também é considerado o produto de entrega mais próximo do público e mais prático na arquitetura Swarms. Seu fundador, Kye Gomez, um 'gênio adolescente' de apenas 20 anos, deixou a escola secundária e, em três anos, concluiu o quadro de coordenação multi-agente Swarms, executando 45 milhões de agentes, servindo setores financeiros, de seguros, médicos e outros, sendo uma força poderosa e robusta.

Tendência das montanhas-russas

Após o lançamento da moeda Swarms em 18 de dezembro, em 21 de dezembro, ela rapidamente subiu para o pico de mercado de US $ 74,2 milhões. Infelizmente, a boa sorte não durou muito e o valor de mercado caiu como uma montanha-russa, agora valendo apenas cerca de US $ 6 milhões.

Depois disso, ele oscilou em torno de 13 milhões de dólares até o dia 27, quando começou a se recuperar, subindo de 12 milhões de dólares para 30 milhões de dólares, quase triplicando para quase 70 milhões de dólares, quase quebrando a alta anterior. O volume de negociação de hoje também é bastante alto, chegando a 60,8 milhões de dólares, e os usuários da Internet sentem como se estivessem experimentando uma montanha-russa no mercado de moedas.

O futuro da senha por trás do Swarms

Por trás das flutuações de preços como montanha-russa está uma equipe de múltiplos agentes de IA trabalhando em estreita colaboração, dividindo tarefas e lidando juntos com desafios complexos. A inteligência coletiva e a capacidade de coordenação superam em muito as limitações de um único agente, e esse é exatamente o objetivo do projeto Swarms de Kye Gomez. No entanto, apenas ter criatividade e ideias não é suficiente. O que realmente torna tudo isso possível é a tecnologia central lançada pela Swarms - Swarm Node (SNAI). Pode-se dizer que o SNAI é o 'centro nervoso' do mundo dos agentes de IA, fornecendo um suporte e garantia poderosos para a colaboração perfeita entre os agentes.

Fundador de "Jovem Gênio"

Kye Gomez, fundador principal por trás do Swarms, é conhecido como um "gênio jovem" no campo da inteligência artificial, mostrando uma impressionante habilidade em uma idade jovem de apenas 20 anos. Embora tenha abandonado o ensino médio, ele desenvolveu o Swarms, um framework de coordenação de múltiplos agentes, em apenas três anos e conseguiu executar com sucesso 45 milhões de agentes de IA, fornecendo serviços de alta qualidade para várias indústrias, como finanças, seguros e saúde. Isso mostra o impressionante poder desse jovem.

Na sua pesquisa sobre agentes de IA autónomos e colaborativos, ele não só desenvolveu o "modelo SSM + MoE super eficiente" e o "modelo de fluxo híbrido", como também explorou profundamente o alinhamento da IA e o seu potencial nos campos da biologia e da nanotecnologia. Na verdade, nos muitos projetos de Kye, Swarms é apenas um dos seus excelentes projetos, o talento do jovem está bem escondido, e ao aprofundar-se descobre-se que ele tem muitos outros projetos excelentes.

Por exemplo, Agora é um laboratório de pesquisa em IA de código aberto, focado na integração de IA com biologia e nanotecnologia. Pegasus é a exploração da empresa no campo do processamento de linguagem natural e modelos de incorporação, e também está envolvida na implementação de código aberto do AlphaFold3. O histórico e os feitos de Kye não deixam de destacar um verdadeiro inovador tecnológico em ascensão.

Estrutura de orquestração de agente de IA de enxames e funcionalidades principais

A seguir, vamos começar a analisar o projeto Swarms do jovem gênio. O objetivo deste projeto é desenvolver e promover um framework de orquestração de múltiplos agentes pronto para produção em nível empresarial. Em resumo, a função principal do Swarms é permitir que vários agentes de IA trabalhem em equipe, usando a inteligência coletiva para resolver problemas complexos. Ele não só oferece suporte à integração perfeita de serviços de IA externos e APIs para expandir as funcionalidades, mas também fornece aos agentes uma memória de longo prazo praticamente ilimitada para melhorar a compreensão de contexto, além de permitir fluxos de trabalho personalizados. Para atender às necessidades empresariais, o Swarms possui alta confiabilidade e escalabilidade, garantindo o melhor desempenho por meio da otimização automática dos parâmetros do modelo de linguagem. Dessa forma, o Swarms pode aproveitar a inteligência coletiva entre os agentes para lidar com desafios complexos de forma mais fácil do que um único agente.

O projeto Swarms se destaca com sua poderosa barreira tecnológica e desempenho de mercado. Sua estrutura de orquestração de agentes de IA tem fornecido soluções eficientes para muitas empresas em seu site oficial ao longo dos últimos três anos. Desde o processamento de dados até o atendimento ao cliente e a geração de relatórios, o Swarms automatiza e melhora significativamente a eficiência dos negócios, reduzindo os custos operacionais de forma notável. Como um projeto de código aberto, o Swarms atraiu grande atenção na comunidade de desenvolvedores, com mais de 2,1 mil estrelas no GitHub, recebendo a sabedoria e o apoio de inúmeros desenvolvedores. Tudo isso confirma a maturidade e inovação da tecnologia do Swarms.

SNAI

Os usuários do Twitter parecem concordar que a próxima fase dos agentes de IA é a colaboração em grupo (Agent Swarms), alcançando maior eficiência no trabalho por meio da comunicação e cooperação entre vários agentes. Esse método permite que agentes de diferentes estruturas se comuniquem e usem suas vantagens especializadas para se destacar em tarefas e cenários específicos.

Swarm Node (SNAI), as an auxiliary implementation of Agent Swarms, a serverless infrastructure designed specifically to support the concept of Swarm. SNAI solves all the technical challenges of running AI agents, allowing users to easily deploy, coordinate, and manage agents through Python scripts without worrying about hardware and infrastructure costs. It also supports chain interaction, scheduling, and multilingual operations, providing new possibilities for small creators who cannot run agents around the clock or lack hardware support.

Os usuários não precisam pagar taxas de servidor, apenas pagam pelo tempo de execução real usado, o que torna a SNAI mais eficiente do que outras soluções baseadas em assinatura. O que torna a SNAI única é que seus agentes não são isolados, mas podem colaborar em "cadeia" para formar um Swarm (enxame).

A função do Swarm é dividir tarefas entre diferentes agentes, cada agente se concentra em uma tarefa específica e, após a conclusão, passa o resultado para o próximo agente. Através da REST API e Python SDK, outras aplicações podem integrar facilmente o SNAI, permitindo aos usuários coordenar flexivelmente o comportamento de seu Swarm (por exemplo, quando executar e quais dados usar).

Mas isso não é tudo. Com o framework SNAI ainda em estágio inicial de desenvolvimento, várias funcionalidades serão adicionadas no futuro, incluindo armazenamento de dados (um banco de dados em nuvem miniatura que permite que os agentes compartilhem dados selecionados), agendamento de tarefas (execução de agentes em momentos específicos) e biblioteca de agentes (agentes prontos para uso, criados pela comunidade, que podem ser executados, personalizados e otimizados). Além disso, o SNAI terá compatibilidade com vários idiomas. Atualmente, já está disponível um cliente Python que simplifica a operação da API, e há planos para oferecer suporte ao deployment de agentes escritos em Go, Rust, TypeScript, C#, PHP e outros idiomas. A comunidade já começou a desenvolver um cliente TypeScript e planeja oferecer suporte a mais idiomas no futuro.

Apenas nesta semana, já houve mais de 500 construções - essas 'dependências' são usadas para otimizar a eficiência de execução do agente de IA. Mais de 10.000 execuções - ou seja, instâncias em pausa após a inicialização do agente - a SNAI cobra apenas pelo tempo de execução ativo, melhorando significativamente a flexibilidade das operações do agente.

Os recursos principais do SNAI incluem suporte à execução sem servidor de agentes, permitindo que os desenvolvedores integrem agentes em bibliotecas de código, realizando a colaboração encadeada e a coordenação interativa dos agentes, usando um modelo de pagamento por uso para reduzir significativamente os custos de infraestrutura e diminuir as barreiras de entrada na infraestrutura de agentes de inteligência artificial.

Contra AI16Z

Swarms e AI16Z têm uma influência significativa no campo de agentes de IA, e a controvérsia entre eles no Twitter continua, embora haja algumas semelhanças, eles diferem em termos de arquitetura técnica e aplicação. Swarms adota um framework de 'equipe' de trabalho colaborativo, completando tarefas complexas e aumentando a eficiência por meio da cooperação de vários agentes de IA. Por outro lado, o framework Eliza da AI16Z é mais como um 'coordenador' flexível, enfatizando suporte multiplataforma e integração de vários modelos, capaz de se adaptar rapidamente a múltiplos cenários, abaixo está uma comparação dos dois agentes em dois aspectos.

estrutura e arquitetura de tecnologia

Swarms is like a disciplined team, the Swarms framework supports multiple AI agents to work together, with autonomy, modularity, and scalability, enabling efficient collaboration and adeptness in decomposing complex tasks, completing operations with clear division of labor and seamless coordination. On the other hand, AI16Z's Eliza framework is more like a versatile coordinator, focusing on running on multiple platforms and integrating multiple models, while emphasizing interaction between agents, and has its own characteristics in flexible adaptation to multiple application scenarios.

Modelos e aplicações de AI

Na área de modelos e aplicações de IA, a Swarms concentra-se mais em como integrar inteligentemente modelos de IA existentes, através da organização de tarefas e colaboração em equipa, para melhorar a automação e a eficiência em equipas empresariais. É mais como um comandante experiente, capaz de gerir múltiplas forças, focando-se em 'como fazer melhor'. Já o quadro Eliza da AI16Z oferece maior liberdade aos desenvolvedores, suportando vários modelos de IA (como Llama, Claude), dando mais flexibilidade às aplicações, capaz de lidar com uma variedade de cenários, desde a gestão de mídias sociais até a transações financeiras, trazendo uma solução versátil. Um focado na colaboração, outro em diversidade, ambos são igualmente inovadores em aplicações, cada um com seus próprios méritos.

No geral, Swarms e AI16Z estão a explorar o futuro dos agentes de IA de maneiras completamente diferentes. Swarms parece mais uma equipe disciplinada, impressionando os usuários corporativos com cooperação eficiente e tecnologia hardcore, enquanto Eliza da AI16Z parece mais uma jogadora versátil, mostrando um potencial ilimitado com adaptação flexível e diversidade de cenários. Na verdade, ambos têm seus méritos. Nesta era de competição acirrada, a história dos agentes de IA está apenas começando. Quem se destacará nesta competição? Estamos ansiosos para ver!