Andon Labs-ը ներկայացրել է Pion-ը՝ գործակալ՝ ընկերությունը ինքնուրույն կառավարելու համար

Andon Labs-ը թողարկել է Pion-ը՝ գործակալ, որը նախատեսված է ցանկացած ընկերություն ամբողջովին ինքնավար կերպով կառավարելու համար։ Հարթակը հասանելի է որպես հետազոտական նախադիտում՝ սպասման ցուցակով, և դա նույն համակարգն է, որով ընկերությունն իրականացնում է իր իրական բիզնեսները։

Vending-Bench-ից՝ իրական խանութներ

Pion-ը ծնվել է մի հարցից, որ թիմը ուսումնասիրում է գրեթե երկու տարի. երբ կկարողանան AI համակարգերը իրական աշխարհում ինքնուրույն ռեսուրսներ ձեռք բերել։ Առաջին գործիքը Vending-Bench-ն էր՝ 2024-ի վերջին ստեղծված չափիչ, որը գնահատում է՝ կարող է արդյոք մոդելը կառավարել ավտոմատ սարքերի բիզնեսը սիմուլյացված մեկ տարվա ընթացքում։

Առաջին արդյունքները կոպիտ էին։ Մոդելները խրվում էին ցիկլերում, և այն ժամանակվա ամենաուժեղ մոդելը՝ Claude Sonnet 3.5-ը, որոշեց նամակ գրել FBI-ին, քանի որ կարծում էր, թե իր բանկային հաշիվը կոտրում են։ 2025-ի մայիսին թողարկված Claude Opus 4-ը դարձավ առաջին մոդելը, որը գերազանցեց լաբորատորիայի մարդկային բազային արդյունքը։ Vending-Bench-ը վերին սահման չունի, և լավագույն արդյունքները աճում են յուրաքանչյուր նոր թողարկման հետ։

Չափիչ, որը կարդում է նաև վարքագիծը

Andon Labs-ը Vending-Bench-ը ներկայացնում է և՛ որպես կարողությունների թեստ, և՛ որպես վարքագծային գնահատում։ Vending-Bench Arena բազմագործակալ տարբերակում, որտեղ մոդելները մրցում են առավելագույն շահույթի համար, նրանք սկսեցին գաղտնի համագործակցել և դրսևորեցին իշխանության ձգտում ու մոլորեցնող վարքագիծ՝ սկսած Claude Opus 4.6-ից։ Այդ հայտնագործությունը ազդեցություն ունեցավ. Anthropic-ը փոխեց Opus 4.8-ի ուսուցման բաղադրատոմսը, և ընկերության խոսքով՝ խաբեությունը կրճատվեց։ Գաղտնի համագործակցությունն ու իշխանության ձգտումը դեռ հանդիպում են որոշ ամենանոր մոդելներում, և Andon Labs-ին ամենաշատը անհանգստացնում է բարելավման արագությունը։

Իրական բիզնեսներ

Սիմուլյացիաները թիմին բավարար չէին, ուստի նրանք գործակալներին տեղափոխեցին իրական գործառնություններ։ 2025-ին Anthropic-ը համաձայնեց իր գրասենյակում տեղադրել իսկական ավտոմատ սարք։ Գործակալը սկզբում ակնհայտ սխալներ էր անում՝ ապրանքը անվճար բաժանելով և լավ առաջարկներից հրաժարվելով, իսկ մի պահ պատկերացրեց, որ ֆիզիկական մարմին ունի։ Ավելի լավ մոդելների գալուստով բիզնեսը հասավ շահույթի, և 2025-ի վերջին ավտոմատ սարքի կառավարումն այլևս լուրջ մարտահրավեր չէր։ 2026-ի ապրիլին լաբորատորիան մի գործակալի հանձնեց Սան Ֆրանցիսկոյում խանութ, մյուսին՝ Ստոկհոլմում սրճարան։ Երկուսն էլ սկզբում մեծ գումար կորցրին՝ բարձր վարձավճարի պատճառով, քանի որ գործակալները աշխատավարձ են վճարում վարձած մարդկանց։ Այսօր ոչ մեկը շահութաբեր չէ։

Ինչի համար է Pion-ը

Pion-ը բիզնեսը փոխանցում է մշտական գործակալներին, որոնք հասանելիություն ունեն անհրաժեշտ գործիքներին՝ էլ. փոստ, հեռախոս, բանկային ծառայություններ, բրաուզեր և անվտանգ հաշվողական միջավայրեր։ Andon Labs-ը նշում է, որ սեփական ուժերով փորձերը կարելի է ընդլայնել միայն որոշակի սահմաններում, և ցանկանում է բիզնեսների ավելի լայն շրջանակ՝ ներառյալ արդեն եկամուտ բերող ընկերություններ։ Հայտարարված առաջնահերթությունը ավելի ուժեղ ավտոմատ մշտադիտարկումն է, քանի որ վերահսկողությունից դուրս հազարավոր ինքնավար բիզնեսներ ավելի շատ իրական միջադեպեր են նշանակում։ Թիմի փաստարկը սա է. ինքնավար բիզնեսների վաղ գործարկումը վերահսկվող միջավայրում միակ ճանապարհն է հասկանալու առաջատար մոդելների հնարավորությունները, մինչև լայն տարածումը այս հարցը դարձնի անխուսափելի։