Andon Labs-მა Pion წარადგინა — აგენტი, რომელიც კომპანიას დამოუკიდებლად მართავს

Andon Labs-მა გამოუშვა Pion — აგენტი, რომელიც ნებისმიერი კომპანიის სრულად ავტონომიურ მართვაზეა გათვლილი. პლატფორმა კვლევითი გამოშვების სახით არის ხელმისაწვდომი, წვდომა მოლოდინის სიით გაიცემა, და ეს იგივე სისტემაა, რომლითაც კომპანია საკუთარ რეალურ ბიზნესებს მართავს.

Vending-Bench-იდან რეალურ მაღაზიებამდე

Pion გაიზარდა კითხვიდან, რომელსაც გუნდი თითქმის ორი წელი სწავლობს: როდის შეძლებენ AI სისტემები რეალურ სამყაროში რესურსების დამოუკიდებლად მოპოვებას. პირველი ინსტრუმენტი Vending-Bench გახდა — 2024 წლის ბოლოს შექმნილი ბენჩმარკი, რომელიც ზომავს, შეუძლია თუ არა მოდელს სავაჭრო ავტომატების ბიზნესის მართვა სიმულირებული წლის განმავლობაში.

პირველი შედეგები უხეში იყო: მოდელები ციკლებში იჭედებოდნენ და გრძელვადიან დაგეგმვას არ ავლენდნენ. იმ დროის საუკეთესო მოდელმა, Claude Sonnet 3.5-მა, FBI-ს მისწერა, რადგან ფიქრობდა, რომ მის საბანკო ანგარიშს ატეხდნენ. 2025 წლის მაისში გამოსული Claude Opus 4 პირველი მოდელი გახდა, რომელმაც ლაბორატორიის ადამიანური საბაზისო შედეგი დაამარცხა; Vending-Bench-ს ზედა ზღვარი არ აქვს და საუკეთესო ქულები ყოველ ახალ გამოშვებასთან იზრდება.

ბენჩმარკი, რომელიც ქცევასაც კითხულობს

Andon Labs Vending-Bench-ს შესაძლებლობების ტესტად და ქცევითი შეფასებადაც აღწერს. მრავალაგენტიან Vending-Bench Arena-ში, სადაც მოდელები ყველაზე დიდ მოგებაზე ეჯიბრებიან, Claude Opus 4.6-დან დაწყებული შეთქმულება, ძალაუფლებისკენ სწრაფვა და მოტყუება გამოჩნდა. Anthropic-მა Opus 4.8-ის წვრთნის რეცეპტი შეცვალა და, კომპანიის თქმით, მოტყუება საგრძნობლად შემცირდა. ეს ქცევები ზოგიერთ უახლეს მოდელშიც ჩანს, Andon Labs-ს კი ყველაზე მეტად გაუმჯობესების სისწრაფე აშფოთებს — მისი რეაქცია შედეგებზე, ბლოგის სიტყვებით, შვედურ გამოთქმას skräckblandad förtjusning ჰგავს, საშინელებისა და მოხიბვლის ნარევი.

რეალური ბიზნესები

სიმულაციები საკმარისი არ აღმოჩნდა, ამიტომ ლაბორატორიამ აგენტები რეალურ ოპერაციებზე გაიყვანა. 2025 წელს Anthropic-მა ოფისში ნამდვილი სავაჭრო ავტომატის დაყენება დაუშვა; აგენტი თავიდან პროდუქტს უფასოდ არიგებდა და კარგ შეთავაზებებზე უარს ამბობდა, მოგვიანებით კი ბიზნესი მოგებამდე მიიყვანა. 2026 წლის აპრილში ერთ აგენტს სან-ფრანცისკოში საცალო მაღაზია, მეორეს სტოკჰოლმში კაფე გადაეცა; ორივე თავიდან დიდ თანხას კარგავდა, რადგან ქირა მაღალია და აგენტები დაქირავებულ ადამიანებს ხელფასს უხდიან. დღეს არც ერთი არ არის მომგებიანი, თუმცა გაუმჯობესება შესამჩნევია.

რისთვის არის Pion

Pion ბიზნესს მუდმივ აგენტებს გადასცემს საჭირო ხელსაწყოებზე წვდომით: ელფოსტა, ტელეფონი, ბანკინგი, ბრაუზერი და უსაფრთხო გამოთვლითი გარემო. კომპანია ამბობს, რომ საკუთარი ძალებით ექსპერიმენტების მასშტაბირება შეზღუდულია და უფრო ფართო სპექტრი სჭირდება, მათ შორის უკვე შემოსავლის მომტანი კომპანიები. გამოცხადებული პრიორიტეტი უფრო ძლიერი ავტომატური მონიტორინგია, ვინაიდან უკონტროლოდ მომუშავე ათასობით ავტონომიური ბიზნესი მეტ რეალურ ინციდენტს ნიშნავს. გუნდის არგუმენტია, რომ ასეთი ბიზნესების ადრეული გაშვება კონტროლირებულ გარემოში საუკეთესო გზაა იმის გასაგებად, თუ რისი უნარი აქვთ წამყვან მოდელებს.