業界をリードするAIカバレッジに関する最新のアップデートと排他的なコンテンツについては、毎日および毎週のニュースレターに参加してください。 もっと詳しく知る
汎用のAIエージェントの風景は、突然はるかに混雑し、野心的です。
今週、パロアルトを拠点とする新興企業 Genspark それが呼ぶものをリリースしました スーパーエージェント、現実的な合成声を使用してレストランに電話をかけるなど、眉を上げるいくつかを含む、幅広いドメインで現実世界のタスクを処理するように設計された、動く速い自律システム。
ローンチは、AIコンペティションの重要な新しい戦線になるように形成されているものに燃料を追加します。おそらくもっと緊急に、それは企業にとって何を意味するのでしょうか？
Gensparkのスーパーエージェントの立ち上げは、中国語の別のスタートアップのわずか3週間後に来ます、 マヌス、 その能力に注目を集めました ツールとデータソースを調整して、旅行の予約、履歴書のスクリーニング、在庫分析などの非同期クラウドタスクを完了するために、ほとんどの現在のエージェントに典型的な手持ちのないものがありません。
Gensparkは今、さらに進むと主張しています。共同設立者のエリック・ジンによると、スーパーエージェントは3つの柱の上に構築されています。9つの異なるLLMのコンサート、80を超えるツール、10を超える独自のデータセットがすべて調整されたフローで協力しています。従来のチャットボットをはるかに超えて、複雑なワークフローを処理し、完全に実行された結果を返します。
で デモGensparkのエージェントは、サンディエゴの完全な旅行を計画し、アトラクション間の散歩距離を計算し、公共交通機関のマッピングオプションをマッピングし、音声をコールするエージェントを使用して、食品アレルギーや座席の好みなどのレストランを予約しました。別のデモでは、レシピの手順、ビデオシーン、オーディオオーバーレイを生成することにより、エージェントが料理ビデオリールを作成することを示しました。 3分の1で、サウスパークスタイルのアニメーションエピソードを書き、制作し、政治記者と戦争計画を共有することを含む最近のSignalgateの政治スキャンダルをリフしました。
これらは消費者向けに聞こえるかもしれませんが、技術がどこに向かっているかを示しています。これは、クリエイティブ生成と実行の境界線を曖昧にするマルチモーダルのマルチステップタスクオートメーションに向かっています。
「これらの現実世界の問題を解決することは、私たちが思っていたよりもはるかに困難です」とジンはビデオで言います。「しかし、私たちは行った進歩に興奮しています。」
説得力のある機能の1つは、スーパーエージェントがその思考プロセスを明確に視覚化し、各ステップを通してどのように理由を引き起こし、どのツールを呼び出すか、理由を追跡します。そのロジックがリアルタイムで再生されるのを見ると、システムはブラックボックスのように感じられなくなり、共同パートナーのように感じられます。また、エンタープライズ開発者に同様の構築を促す可能性があります 追跡可能な推論パス 独自のAIシステムに、アプリケーションをより透明で信頼できるものにします。
スーパーエージェントは、試してみるのも印象的でした。インターフェイスは、技術的なセットアップが必要ないブラウザでスムーズに起動しました。 Gensparkを使用すると、ユーザーは個人的な資格情報を必要とせずにテストを開始できます。対照的に、Manusは依然として申請者がウェイトリストに参加し、ソーシャルアカウントやその他の個人情報を開示することを要求し、実験に摩擦を加えています。
Gensparkについて最初に書き、11月に発売されたときに書きました クロード駆動の財務報告。持っています 2ラウンドで少なくとも1億6,000万ドルを調達しました、そして、米国とシンガポールを拠点とする投資家によって支援されています。
最新情報をご覧ください AIエージェント開発者のSam Witteveenと私の間のビデオディスカッション Gensparkのアプローチが他のエージェントフレームワークとどのように比較されるか、そしてそれがエンタープライズAIチームにとって重要な理由を深く掘り下げるために。
Gensparkはこれをどのように引き出していますか？
Gensparkのアプローチは、長年にわたるAIエンジニアリングの課題であるツールオーケストレーションを大規模にナビゲートするため、際立っています。
ほとんどの現在のエージェントは、ほんの一握りの外部APIまたはツールをジャグリングするときに分解します。 Gensparkのスーパーエージェントは、モデルルーティングと検索ベースの選択を使用して、タスクに基づいて動的にツールとサブモデルを選択することにより、これをより良く管理するように見えます。
この戦略は、周りの新たな研究を反映しています Cotools、中国のSoochow Universityの新しい枠組み これにより、LLMSが広範囲で進化するツールセットを使用する方法が強化されます。迅速なエンジニアリングや厳格な微調整に大きく依存する古いアプローチとは異なり、コトールはベースモデルを「冷凍」に保ち、より小さなコンポーネントをトレーニングして、ツールを効率的に判断、取得、呼び出します。
別のイネーブラーはモデルコンテキストプロトコル（MCP）です、あまり知られていないが ますます採用されている基準 これにより、エージェントはステップ全体に豊かなツールとメモリのコンテキストを運ぶことができます。 Genspark独自のデータセットと組み合わせると、MCPは彼らのエージェントが現れる理由の1つかもしれません 代替案よりも「操縦可能」。
これはマヌスとどのように比較されますか？
Gensparkは、一般的なエージェントを促進した最初のスタートアップではありません。 マヌス先月中国に本拠を置く会社Monicaによって発売され、マルチエージェントシステムで波を作りました。これは、Webブラウザー、コードエディター、またはスプレッドシートエンジンなどのツールを自律的に実行して、マルチステップタスクを完了しました。
Webツールや人類のClaudeなどのLLMを含むManusのオープンソース部品の効率的な統合は驚くべきものでした。独自のモデルスタックを構築していないにもかかわらず、Gaia BenchmarkでOpenaiを上回っていました。これは、エージェントによる実際のタスクオートメーションを評価するために設計された合成テストです。
しかし、Gensparkは、Manusが報告した86％のGaiaで87.8％を獲得し、独自のコンポーネントとより広範なツールカバレッジを含むアーキテクチャを使用して、Gaiaで87.8％を獲得したと主張しています。
ビッグハイテクプレーヤー：それでも安全にプレイしていますか？
一方、米国最大のAI企業は慎重です。
マイクロソフトの主要なAIエージェントオファリング、Copilot Studio、 ExcelやOutlookなどのエンタープライズアプリと密接に整合する微調整された垂直エージェントに焦点を当てています。 Openai‘s エージェントSDKはビルディングブロックを提供しますが、独自のフル機能を発送する以外に停止します。 汎用エージェント。 またはゾン最近発表されたNova Actは開発者第一アプローチを採用しており、SDKを介してアトミックブラウザーベースのアクションを提供しますが、Nova LLMとCloud Infrastructureに密接に結び付けられています。
これらのアプローチは、よりモジュール化され、より安全で、エンタープライズの使用に向けて明確にターゲットにされています。しかし、彼らはGensparkのデモでの野望、または自律性に恥ずかしがり屋に欠けています。
理由の1つは、リスク回避です。 GoogleまたはMicrosoftの一般的なエージェントが間違ったフライトを予約したり、音声コールで奇妙なことを言ったりすると、評判のコストが高くなる可能性があります。また、これらの企業は独自のモデルエコシステムに閉じ込められており、マルチモデルのオーケストレーションを実験する柔軟性を制限しています。
対照的に、Gensparkのようなスタートアップは、LLMSを混ぜて一致させ、速く移動する自由を持っています。
企業は気にするべきですか？
それが戦略的な質問です。ほとんどの企業は、夕食の予約や風刺的な漫画を生産するために汎用エージェントを必要としません。しかし、彼らはすぐに、コンプライアンスデータの表面化やフォーマットなど、ドメイン固有のマルチステップタスクを処理できるエージェントを必要とする場合があります。
その文脈では、Gensparkの仕事はより関連性が高くなります。シームレスで自律的な一般的なエージェントが、音声、メモリ、および外部ツールを統合するほど、レガシーSaaSアプリケーションとRPAプラットフォームと競合し始めることができます。
そして、彼らはより軽いインフラストラクチャでそうしています。たとえば、Gensparkは、そのエージェントが「超操縦可能」であり、マーケティング担当者、教師、採用担当者、デザイナー、アナリストが使用できると主張しています。
一般的なエージェントERAはもはや仮説ではありません。それはここにあります – そしてそれは速く動いています。
ここでビデオキャストを見る：