Крупным сдвигом в аппаратной инфраструктуре AI, где OpenAI, по слухам, начинает использовать чипы Google, а также продолжающимся прогрессом в области мультимодальных и мультиагентных моделей
Основной тренд дня — диверсификация и специализация на всех уровнях AI-стека. На аппаратном уровне это проявляется в поиске альтернативных поставщиков чипов (OpenAI -> Google), что говорит о дефиците и стремлении избежать зависимости от одного вендора. На уровне моделей продолжается движение к мультимодальности и воплощенным агентам (embodiment), требующим более сложной инфраструктуры для обработки данных. Наконец, на уровне инструментов наблюдается расширение экосистемы за пределы Python, что сигнализирует о более широком внедрении агентных технологий в разработку
🧠 Model
Мультиагентный фреймворк для трейдинга
Представлен новый мультиагентный фреймворк на базе LLM для симуляции и выполнения биржевых торгов. Система демонстрирует улучшенные показатели по сравнению с традиционными методами, такие как совокупная доходность и коэффициент Шарпа
Это практическое подтверждение эффективности мультиагентных систем в сложной, конкурентной среде. для рынка это означает необходимость поддерживать сложную меж-агентную коммуникацию, симуляционные окружения и инструменты для анализа коллективного поведения агентов
Трансформер для навигации роботов
Разработана новая трансформерная архитектура для навигации, которая объединяет данные с RGB-камер, 3D-лидаров и учитывает физические характеристики робота (embodiment)
Агенты все больше движутся в сторону взаимодействия с физическим миром. инфраструктура должна быть готова к обработке и синхронизации разнородных потоков данных в реальном времени (видео, point clouds) и к поддержке моделей, учитывающих физическое воплощение агента
LLaDA2.0-Uni объединяет мультимодальность
LLaDA2.0-Uni — это новая языковая модель, которая объединяет понимание и генерацию мультимодальных данных с помощью семантического дискретного токенизатора и диффузионного декодера
Архитектурные инновации в моделях напрямую влияют на требования к инфраструктуре. Поддержка таких моделей, как LLaDA2.0, может потребовать оптимизации для диффузионных процессов и новых форматов токенизации, выходящих за рамки стандартного текста
🔧 Tools
Symfony выводит агентов в PHP
Выпущена новая PHP-библиотека от проекта Symfony для создания агентных приложений. Это расширяет экосистему разработки агентов за пределы доминирующего Python
Появление инструментов для создания агентов в других языковых экосистемах — признак зрелости рынка. инфраструктура должна предоставлять языко-независимые API (например, REST/gRPC), чтобы агенты, написанные на разных языках, могли взаимодействовать с ней
🏗 Infrastructure
OpenAI использует чипы Google
По сообщениям, OpenAI обращается к AI-чипам Google (вероятно, TPU) для поддержки своих продуктов, что указывает на диверсификацию вычислительных ресурсов за пределы Microsoft Azure
Это фундаментальный сдвиг в AI-инфраструктуре. Он подчеркивает острую нехватку вычислительных мощностей и показывает, что даже крупнейшие игроки ищут альтернативы. инфраструктура должна быть гибкой и поддерживать гетерогенные вычислительные среды (разные облака, разные типы ускорителей)
AWS паттерны для LLM-инференса
AWS выпустила репозиторий с паттернами для построения отказоустойчивых и масштабируемых систем инференса для генеративного AI. Решения включают межрегиональное развертывание и шардирование аккаунтов
Это готовые архитектурные решения от ключевого облачного провайдера, которые мы можем адаптировать. Понимание и внедрение таких паттернов повысит надежность и масштабируемость нашей агентной инфраструктуры, особенно на этапе выполнения задач агентами