Tencent का स्किलहब प्लेटफॉर्म, जो ओपनक्लॉ इकोसिस्टम पर बना एक एआई-कौशल समुदाय है और Tencent Lighthouse Cloud द्वारा प्रबंधित है, ने 100,000 सूचीबद्ध एआई-कौशलों और दस मिलियन मासिक डाउनलोड का आंकड़ा पार कर लिया है। समुदाय का शुभारंभ मार्च में हुआ था, और अब यह चीन में सबसे बड़े समान मार्केटप्लेस के रूप में ClawHub के साथ प्रतिस्पर्धा कर रहा है।
प्लेटफ़ॉर्म की इंजीनियरिंग टीम ने इस बात पर जोर दिया कि मुख्य चुनौती प्रसार में नहीं, बल्कि खोज परत में है, जो उन बीस प्रतिशत कौशलों की पहचान करती है जो वास्तव में काम करते हैं, बाकी को छिपा देती है।
इस समस्या का स्किलहब का जवाब TRACE नामक एक पांच-आयामी मूल्यांकन प्रणाली है। इन पांच आयामों में विश्वास (Trust), विश्वसनीयता (Reliability), वास्तुकला (Architecture), अनुकूलता (Compatibility) और सहानुभूति (Empathy) शामिल हैं। विश्वास को प्राथमिकता दी जाती है, क्योंकि कोई भी कौशल जो उत्पत्ति या आवश्यकता की जांच पास नहीं करता है, उसे कैटलॉग में शामिल ही नहीं किया जाता है।
विश्वसनीयता निष्पादन स्तर के रूप में कार्य करती है, वास्तुकला एपीआई सतह से संबंधित है, अनुकूलता ऊपरस्ट्रीम मॉडल और डाउनस्ट्रीम क्लाइंट के बीच मिलान का मूल्यांकन करती है। सहानुभूति एक नरम पैरामीटर है जो निर्धारित करता है कि कौशल उपयोगकर्ता के इरादों को कितनी अच्छी तरह दर्शाता है।
यह प्रणाली सामग्री समुदायों के मानक मॉडल से सबसे शुद्ध विचलन का प्रतिनिधित्व करती है। पारंपरिक फ़ोरम के विपरीत, जो विषयों और टैग के अनुसार प्रस्तावों को व्यवस्थित करते हैं, रैंकिंग के माध्यम से ध्यान वितरित करते हैं, मॉडरेशन के माध्यम से निम्न-गुणवत्ता वाली सामग्री को ब्लॉक करते हैं और फीडबैक चक्रों के माध्यम से गुणवत्ता का मूल्यांकन करते हैं, स्किलहब ये सभी कार्य करता है और एक अतिरिक्त कदम भी करता है।
यहां रेटिंग केवल लाइक्स की संख्या पर आधारित नहीं होती है, बल्कि एक मूल्यांकन पर आधारित होती है जो डाउनलोड के समय किया जाता है और डाउनलोड की मात्रा के आधार पर अद्यतन किया जाता है। यही मीट्रिक तय करता है कि कौशल कैटलॉग में दिखाई देगा या उसकी रेटिंग कम हो जाएगी।
उत्पाद रणनीति के पीछे एक स्पष्ट पृष्ठभूमि है: Tencent ने स्किलहब की रणनीति को सर्वोच्च प्राथमिकता तक बढ़ाया है। प्लेटफ़ॉर्म अब चीनी बाजार के लिए एजेंट-कौशल का केंद्रीय मार्ग के रूप में खुद को स्थापित करता है, जबकि पश्चिम में ClawHub के साथ सह-अस्तित्व में रहता है। अगस्त में जारी ओपनक्लॉ इकोसिस्टम का अपडेट इस सप्ताह प्रासंगिक हो गया है, और Tencent Lighthouse Cloud चीनी बाजार में ओपनक्लॉ के साथ संगत कौशल के बैकएंड के लिए मुख्य होस्टिंग चैनल के रूप में कार्य करता है।
प्लेटफ़ॉर्म एक सेतु के रूप में कार्य करता है, चीनी डेवलपर को जोड़ता है जिसने कौशल का मसौदा तैयार किया है, एक भुगतान करने वाले कॉर्पोरेट उपयोगकर्ता के साथ, जबकि TRACE बीच में गुणवत्ता रूटिंग परत के रूप में कार्य करता है। इसके अलावा, श्रम अर्थशास्त्र पर ध्यान देना महत्वपूर्ण है। TRACE प्रणाली स्किलहब को व्यापक लेखकों से कौशल स्वीकार करने की अनुमति देती है, जिसमें शौकिया और शुरुआती लोग शामिल हैं जो एआई का उपयोग करते हैं, जबकि प्लेटफॉर्म की समग्र गुणवत्ता संकेत को कम नहीं करती है।
प्रस्ताव पक्ष पर गुणवत्ता नियंत्रण अब संपादकीय के बजाय सांख्यिकीय प्रकृति का है। किसी ऐसे कौशल को बाहर रखा जाता है जो मानक परीक्षण प्रश्नों का उपयोग करने पर गलत परिणाम देता है। प्लेटफ़ॉर्म को एक हॉल ऑफ फेम के रूप में नहीं, बल्कि एक कार्यशील कैटलॉग के रूप में डिज़ाइन किया गया है, और यह संरचना एक जानबूझकर किया गया निर्णय है। मुख्य सबक जो स्किलहब शेष चीनी एआई उद्योग को सिखाता है, वह यह है कि एजेंट स्टैक में अगला प्रतिस्पर्धी स्तर स्वयं मॉडल नहीं है, बल्कि वह प्लेटफ़ॉर्म है जो उसके चारों ओर कौशल के पूरे समुच्चय को व्यवस्थित करता है।
चीनी एजेंट InAgent ने OSWorld प्लेटफॉर्म पर 90.2% कार्य पूर्णता दर हासिल की, जिससे यह कंप्यूटर के साथ काम करने वाला पहला एजेंट बन गया जिसने 90% की सीमा को पार किया। इसके अलावा, इसने सिस्टम-स्तरीय कार्यों को 100% सफलता के साथ पूरा किया। यह आर्टिफिशियल इंटेलिजेंस के क्षेत्र में एक नई प्रतिस्पर्धा के मैदान - हार्नेस इंजीनियरिंग - की ओर बदलाव का प्रतीक है।
27 जुलाई को, चीनी एजेंट InAgent ने OSWorld वैश्विक रैंकिंग में 90.2% कार्य सफलता दर के साथ शीर्ष स्थान हासिल किया, जिसमें सामान्य और एजेंट दोनों श्रेणियों में खिताब जीते। इसने Meta, Anthropic और OpenAI द्वारा प्राप्त सर्वश्रेष्ठ सार्वजनिक परिणामों को पीछे छोड़ दिया। OSWorld, जिसे हांगकांग विश्वविद्यालय, कार्नेगी मेलन और वाटरलू विश्वविद्यालय में NeurIPS 2024 सम्मेलन में प्रस्तुत किया गया था, एक मान्यता प्राप्त उद्योग मानक है क्योंकि यह उस सीमा को परिभाषित करता है जिस पर एजेंट प्रायोगिक उपयोग से स्थिर औद्योगिक कार्यान्वयन में परिवर्तित होते हैं।
OSWorld प्लेटफॉर्म वास्तविक Ubuntu वर्चुअल मशीनों में 361 कार्यों का परीक्षण करता है, जिसमें कार्यालय संचालन, प्रोग्रामिंग, यूजर इंटरफ़ेस विकास और सिस्टम प्रशासन शामिल हैं। मूल्यांकन स्वचालित रूप से, बिना किसी मानवीय हस्तक्षेप के किया जाता है। प्रगति की गति ने 2024 में 12.2% से बढ़कर 2025 में 22.0% और 72.6% तक वृद्धि दिखाई, जब पहली बार मानव स्तर को पार किया गया, फिर मई 2026 में 83.6%, और अंत में दो महीने बाद InAgent के लिए 90.2% तक पहुंच गया।
परिणामों का विवरण 93 कार्यों पर 84.7% से 93 कार्यों पर सहयोग के साथ शामिल है, जो दूसरे स्थान से लगभग दस अंक अधिक है; GIMP इंटरफ़ेस प्रोसेसिंग, जहां 26 में से 24 कार्यों को 92.3% सफलता दर के साथ सफलतापूर्वक पूरा किया गया; और सिस्टम-स्तरीय ऑपरेशन, जिन्हें प्रक्रियाओं, एक्सेस अधिकारों और कमांड लाइन के प्रबंधन सहित 24 कार्यों पर 100% आदर्श परिणाम के साथ निष्पादित किया गया।
विशेषज्ञों का मानना है कि सफलता की कुंजी मॉडल के आकार में नहीं, बल्कि हार्नेस इंजीनियरिंग में निहित है। हार्नेस एआई ऑपरेटिंग सिस्टम के रूप में कार्य करता है, यह निर्धारित करता है कि कार्यों को कैसे विघटित किया जाता है, उपकरणों को कैसे बुलाया जाता है और त्रुटियों के बाद कैसे ठीक किया जाता है। उद्योग की समझ प्रॉम्प्ट इंजीनियरिंग से कॉन्टेक्स्ट इंजीनियरिंग और फिर हार्नेस इंजीनियरिंग में स्थानांतरित हो रही है। CITIC सिक्योरिटीज отмечает कि जैसे-जैसे एजेंट जटिल और मल्टी-एजेंट कार्यों की ओर बढ़ते हैं, स्थिति बनाए रखने, त्रुटि प्रसार और टोकन पर लागत बढ़ती जाती है, और एक कदम में मॉडल की शक्ति अब परिणाम की स्थिर डिलीवरी की गारंटी नहीं देती है।
हार्नेस एक मध्यवर्ती परत है जो बुद्धिमत्ता को स्थिर कार्य में बदल देती है, संभावित बाजार को लगभग 200 बिलियन से 1.5 ट्रिलियन अमेरिकी डॉलर तक बढ़ाती है, जिससे एआई को एपीआई का उपयोग किए बिना पुरानी प्रणालियों के प्रबंधन की अनुमति मिलती है। स्टैनफोर्ड और सिंघुआ के शोध से पता चलता है कि हार्नेस के विभिन्न कार्यान्वयन एक ही मॉडल का उपयोग करते हुए प्रदर्शन में 6% से 17% तक का अंतर ला सकते हैं, और कोडिंग कार्यों को हल करने की सफलता दर लगभग 5% से 30% से अधिक तक बढ़ सकती है।
InAgent के डेवलपर, इंटेलिजेंस इंडीड, जो 2018 में स्थापित हुआ था, हार्नेस के क्षेत्र में अग्रणी है। सीईओ सन लिनजून ने उल्लेख किया कि एपीआई के माध्यम से शुद्ध एकीकरण में रखरखाव की अत्यधिक लागत शामिल है: सीमेंस जैसी औद्योगिक प्रणालियों के लिए एक इंटरफ़ेस पर 200,000 युआन तक की आवश्यकता होती है, और दस साल पुरानी प्रणालियों में अक्सर इंटरफ़ेस नहीं होते हैं, और ई-कॉमर्स एपीआई लगातार बदलते रहते हैं। एजेंट किसी भी पक्ष का नहीं होता है: यह वहां इंटरफ़ेस का उपयोग करता है जहां वे मौजूद हैं, और इंटरफ़ेस रहित प्रणालियों में, यह स्क्रीन को देखकर और माउस को नियंत्रित करके मानव क्रियाओं का अनुकरण करने वाले मोड में स्विच करता है।
विनिर्माण क्षेत्र में एक ग्राहक पहले नई प्रणाली को कनेक्ट करने में छह महीने खर्च करता था; अब, एजेंट को उत्पादन डेटा को रिपोर्ट में संकलित करने का निर्देश देकर, वह केवल दस मिनट में परिणाम प्राप्त करता है। कंपनी ने ग्राफिकल यूजर इंटरफ़ेस (GUI) को मुख्य क्षमता के रूप में दांव पर लगाया, इस धारणा पर कि सामान्य कृत्रिम बुद्धिमत्ता (AGI) के लिए मल्टीमॉडल सफलता की आवश्यकता है: केवल मनुष्य की तरह दुनिया को महसूस और संचालित करके, एआई इसे समझ सकता है। हार्नेस एआई को एक समर्थित उपकरण से एक स्वतंत्र सहयोगी में बदल देता है, और OSWorld का परिणाम दिखाता है कि चीनी कंपनियां अग्रणी हैं, क्योंकि एआई क्षेत्र में प्रतिस्पर्धा सरल मॉडल ढेर से इंजीनियरिंग समाधानों की स्थिरता सुनिश्चित करने की ओर स्थानांतरित हो रही है।
