评测标准变了

以往是比谁跑分情形下的数值高, 如今是看谁具备能够干活的能力。METR提出了Task Time, 通过直接的方式去测Agent是否能够独立做完专家所从事的工作。代码领域出现了爆发的状况, 原因在于任务具备可验证的特性、可以进行回滚操作。这样的一种变化使得基础模型的能力评估朝着更为务实的方向发展。

驾驭层工程崛起

光存在模型是不足够的, 重点在于上下文的优化以及多智能体的协作，篇论文有所表明, 将迭代工具进行过后, Pass@1明显得到了提高。提高主要在于长期的记忆以及可观测的系统身上, 并不是仅仅对模型做简简单单的改动而产生；这是使共性底座变得坚实所要经历的必经之路。

软件定义重塑

为Agent的未来软件直接用户, 比拼的并不单单是App Store排名, 而是能不能被Agent发现并且调用, 需求智能使之让系统自动化地判断步骤、调配资源, 跨边界的超级软件, 统一理解需求, 重组分散能力, 进而提供完整结果。

端云协同分工

担负起感知环境以及隐私数据职责的终端, 负责处理复杂推理的云端。设备之间共享着状态, 使得任务能够实现无缝流转。从耳机起始, 到手机, 再到电脑, 整个体验呈现出连贯的态势。传感器与操作系统相互配合, 让Agent不仅能够理解“我是谁”, 还能够对外部世界予以改变。

计费模式变革

政策推行鼓励从Token消耗朝着价值计费转变, TaaS售卖算力, AaaS售卖能力, RaaS售卖结果, 客户仅仅关注合同是否审核完毕、线索有无转化, Cost per Task和Value per Task构成新账本, 服务券启动需求, 价值计费维系闭环。

安全与机遇并存

代办人获取到行动的权力, 风险由说错话语扩展至做错事情，要去应对目标产生误解、权限出现越界等五种挑战, 职业被进行拆解, 反复的流程容易被他人替代, 然而携带一套代办人系统, 个人同样能够放大自身的能力, 机遇潜藏在任务的重新分配之中。

试问, 你认为于你工作里, 哪些环节会率先被智能体全然接管? 欢迎于评论区分享你的见解, 点赞助力获取更多深度剖析！