हुआवेई ने टीटीएसई पेश किया, एजेंट फ्रेमवर्क जो पर्यावरण के तथ्यों और सुझावों को अलग करता है

हुआवेई ने अपने आईए सहायक को ऐपगैलरी में एक अलग एप्लिकेशन के रूप में प्रस्तुत किया है और आधिकारिक तौर पर कार्यालय कार्यों के लिए अपने एजेंट को जारी किया है, जैसा कि आईटी होम ने 6 नवंबर को बताया। यह डेस्कटॉप एप्लिकेशन संस्करण 11.7.9.300 का है।

पहले इस सहायक को सीधे कंप्यूटर ऑपरेटिंग सिस्टम में एकीकृत किया गया था। अब, एक अलग एप्लिकेशन होने के कारण, यह सिस्टम पैकेज के बाहर अपडेट वितरण चैनल प्रदान करता है। आईटी होम बताता है कि वर्क फ़ंक्शन सितंबर में आंतरिक रूप से परीक्षण किया गया था, और वर्तमान रिलीज़ इस कार्यालय सहायक को पहले वर्णित परीक्षण अवधि से बाहर निकालता है।

उपयोगकर्ता अब केवल एक कमांड का उपयोग करके प्रस्तुतियों की तैयारी, डेटा विश्लेषण और साप्ताहिक रिपोर्ट बनाने जैसे कार्य एजेंट को सौंप सकते हैं। रिपोर्ट के अनुसार, एजेंट दिए गए लक्ष्य को क्रमिक चरणों में विभाजित करता है, आवश्यक उपकरणों का चयन करता है और काम करता है, केवल बातचीत का उत्तर देने के बजाय वर्ड, पावरपॉइंट और एक्सेल के लिए तैयार दस्तावेज़ उत्पन्न करता है।

हुआवेई की चीनी उत्पाद पृष्ठों पर दो संचालन मोड का वर्णन किया गया है: पीसी पर क्लाउड निष्पादन और कंप्यूटर पर स्थानीय निष्पादन। उपयोगकर्ता प्रसंस्करण के लिए आवश्यक सॉफ़्टवेयर और फ़ाइलों के आधार पर उपयुक्त वातावरण चुन सकते हैं। कंपनी इस बात पर जोर देती है कि प्रगति दृश्यमान रहती है, जिससे उपयोगकर्ता एजेंट के विवेक पर सभी चरणों को छोड़ने के बजाय महत्वपूर्ण नियंत्रण बिंदुओं पर निगरानी रख सकते हैं।

सेवा DingTalk और Feishu सहित विभिन्न कार्यालय प्लेटफार्मों के कनेक्शन का भी समर्थन करती है। हुआवेई का दावा है कि सेवा के हिस्से के रूप में 200 से अधिक विशेषज्ञ टीमें और विशेषज्ञ उपलब्ध हैं। ये दावे कंपनी के बयान हैं और कार्यों के निष्पादन की गुणवत्ता का स्वतंत्र रूप से मूल्यांकन किया गया संकेतक नहीं हैं।

कनेक्टेड हार्मनीओएस स्मार्टफोन दूर से कंप्यूटर पर कार्य असाइन कर सकता है, प्रगति को ट्रैक कर सकता है और पूर्ण परिणाम प्राप्त कर सकता है। हुआवेई इंगित करता है कि उपयोगकर्ता के पीसी छोड़ने के बाद भी कार्य जारी रह सकते हैं, और एक फोन को कई कंप्यूटरों से जोड़ा जा सकता है। वास्तविक निष्पादन चयनित डिवाइस, फ़ाइलों और वातावरण की उपलब्धता पर निर्भर करता है।

आईटी होम रिपोर्ट करता है कि वर्क सदस्यता मॉडल पर काम करता है, जहां कार्यों की खपत को एआई अंकों का उपयोग करके मापा जाता है; अधिक जटिल कार्य अधिक अंकों की मांग करते हैं। रिपोर्ट में सदस्यता की वर्तमान कीमतें नहीं दी गई हैं। नया विकास स्टैंडअलोन पीसी वितरण और आधिकारिक कार्यालय एजेंट के रूप में जारी करना है, जो 5 नवंबर को पांडैली द्वारा सेवा के भीतर openPangu-2.1-Pro के आगमन के बारे में रिपोर्ट किए गए संदेश से अलग है। हुआवेई ने अभी तक इस उत्पाद वर्क के लिए कोई आधिकारिक अंग्रेजी नाम पुष्टि नहीं की है, जो चीनी बाजार के लिए है।

हुआवेई का Xiaoyi Work नामक एआई एजेंट पहला उत्पाद बन गया है जिसने कंपनी के ओपन मॉडल Pangu की नई श्रृंखला openPangu-2.1-Pro को एकीकृत किया है। यह जानकारी 5 नवंबर को IT Home प्रकाशन द्वारा किए गए परीक्षण के बाद सामने आई। एप्लिकेशन में इस मॉडल को HarmonyOS ऑपरेटिंग सिस्टम में कार्यों को बेहतर बनाने के साधन के रूप में बताया गया है।

यह मॉडल उस समय आया जब हुआवेई क्लाउड ने 1 नवंबर को घोषणा की थी कि वह openPangu-2.0-Flash और openPangu-2.0-Pro मॉडल की बिक्री बंद कर देगा, और 30 नवंबर की आधी रात तक उन्हें सेवा से बाहर कर दिया जाएगा। उस समय हुआवेई ने सूचित किया था कि नए openPangu मॉडल की योजना बनाई जा रही है, जिन्हें धीरे-धीरे लागू किया जाएगा।

हुआवेई द्वारा openPangu-2.1-Pro मॉडल का विवरण अभी तक प्रकाशित नहीं किया गया है। पैरामीटर की संख्या, सक्रिय पैरामीटर, संदर्भ की लंबाई या प्रशिक्षण के लिए उपयोग किए गए डेटा के बारे में कोई सार्वजनिक जानकारी उपलब्ध नहीं है। मॉडल को अभी तक आधिकारिक तौर पर जारी नहीं किया गया है, और IT Home ने निष्कर्ष निकाला है कि यह एक बहुत ही नया विकास है जो विशेष रूप से Xiaoyi Work के भीतर उपलब्ध है। तुलना के लिए, इससे पहले वाले openPangu-2.0-Pro मॉडल को इस वर्ष पहले 505 बिलियन कुल मापदंडों, 180 बिलियन विरल रूप से सक्रिय मापदंडों और 512K संदर्भ विंडो के साथ प्रस्तुत किया गया था, और इसे पूरी तरह से Ascend NPU पर प्रशिक्षित किया गया था।

Xiaoyi Work को HarmonyOS उपकरणों, जिसमें फोन, टैबलेट और पीसी शामिल हैं, के लिए कार्यालय, कोडिंग और रचनात्मक कार्यों को पूरा करने के लिए एक आर्टिफिशियल इंटेलिजेंस सहायक के रूप में स्थापित किया गया है, और इसमें विंडोज के लिए एक क्लाइंट भी है। उपयोगकर्ता एजेंट को एक लक्ष्य देता है, और यह कार्य को चरणों में विभाजित करता है, आवश्यक उपकरणों को कॉल करता है और काम करता है, उपयोगकर्ता को दृश्य प्रगति और जांच के लिए प्रमुख चेकपॉइंट प्रदान करता है। कार्य क्लाउड पीसी या स्थानीय कंप्यूटर पर किए जा सकते हैं, जबकि फोन कनेक्टेड पीसी पर काम की प्रक्रिया ले सकता है और ट्रैक कर सकता है।

InfoQ China की समीक्षा के अनुसार, इस उत्पाद को हुआवेई की Xiaoyi टीम और ओपनJiuwen ओपन एजेंट समुदाय के सहयोग से विकसित किया गया था। सेवा बीटा संस्करण में है और सशुल्क है। नए उपयोगकर्ताओं को 31 दिनों के लिए 1000 मुफ्त एआई टोकन मिलते हैं; इसके बाद बुनियादी प्लान की कीमत स्वचालित नवीनीकरण के साथ 49 युआन प्रति माह और मानक प्लान की कीमत 199 युआन प्रति माह है। समर्थित परिदृश्यों में बाजार विश्लेषण, दस्तावेज़ प्रसंस्करण, स्लाइड निर्माण, डेटा विश्लेषण, सामग्री निर्माण और कोड विकास शामिल हैं।

पहला openPangu-2.1 मॉडल क्लाउड मॉडल मार्केटप्लेस पर नहीं, बल्कि एजेंट उत्पाद के भीतर आया, और इसका घोषित ध्यान HarmonyOS उपकरणों पर एजेंट कार्यों पर है। हुआवेई ने स्पष्ट नहीं किया है कि openPangu-2.1-Pro कब आधिकारिक तौर पर जारी किया जाएगा या क्या यह Huawei Cloud MaaS के माध्यम से उपलब्ध होगा।

ओपनजियुवेन, हुआवेई द्वारा समर्थित एक ओपन-सोर्स फ्रेमवर्क, ने अपने एजंटमेमोरी मॉड्यूल के संस्करण 0.2.0 में ओमनीमेम-लेंस जारी किया है - जो एक मल्टीमॉडल मेमोरी फ़ंक्शन है। QbitAI ने 4 नवंबर को बताया कि यह सुविधा AI एजेंटों को निश्चित समय अंतराल के बजाय वास्तविक घटनाओं के आधार पर लंबे वीडियो रिकॉर्ड करने की अनुमति देती है।

टीम का दावा है कि लंबी वीडियो को एक मिनट के सेगमेंट में विभाजित करने और प्रत्येक को अलग से संग्रहीत करने का मानक दृष्टिकोण एजेंट की मेमोरी को दो तरीकों से बाधित करता है। जब एक निरंतर दृश्य विभिन्न विंडो में विभाजित होता है, तो एजेंट केवल आधे सबूत प्राप्त करता है, जिससे मतिभ्रम को बढ़ावा मिलता है। इसके अलावा, प्रमुख क्रिया के कुछ सेकंड, जो मिनटों की अप्रासंगिक सामग्री के साथ मिश्रित होते हैं, शोर में खो सकते हैं, जिससे खोज की सटीकता कम हो जाती है।

घटना विभाजन के अधिकांश तरीके केवल एक प्रकार के डेटा पर निर्भर करते हैं, जिसके कारण वे विषय परिवर्तन को छोड़ देते हैं यदि छवि स्थिर रहती है, या यदि कोई बोल नहीं रहा है तो दृश्य परिवर्तन को छोड़ देते हैं। ओमनीमेम-लेंस दोनों स्ट्रीम को ट्रैक करता है: विज़ुअल ट्रैक दृश्य परिवर्तनों को चिह्नित करता है, जबकि ऑडियो ट्रैक वक्ता द्वारा विषय परिवर्तन का पता लगाने के लिए स्पीच रिकग्निशन का उपयोग करता है, भले ही स्क्रीन न बदली हो। इन दो स्रोतों का क्रॉस-चेकिंग वास्तविक घटनाओं की सीमाओं पर स्लाइस बनाने की अनुमति देता है।

एक उदाहरण में, जहां दो घंटे के उत्पाद अवलोकन को दिखाया गया था, 40 मिनट तक एक ही वास्तुशिल्प योजना प्रदर्शित की गई थी, जबकि वक्ता तीन अलग-अलग विषयों पर प्रकाश डाल रहा था। ऑडियो ट्रैक ने उन्हें तीन यादों में विभाजित किया, जिससे लोड परीक्षण मेट्रिक्स के बारे में बाद के प्रश्न का उत्तर देना संभव हो गया।

मेमोरी तीन स्तरों पर संग्रहीत होती है: L0 मूल वीडियो को सहेजता है, L1 इवेंट स्तर पर यादें रखता है, और L2 सेगमेंट स्तर पर अधिक विस्तृत यादें रखता है। L1 और L2 पूरी तरह से पाठ और वैक्टर में परिवर्तित हो जाते हैं, जिससे उन्हें न्यूनतम परिवर्तनों के साथ मौजूदा जनरेशन स्टैक और मुख्य वेक्टर डेटाबेस में एकीकृत करना संभव हो जाता है। डेटा संगठन का मुख्य कार्य ऑफ़लाइन किया जाता है। क्वेरी के दौरान, सिस्टम अनुरोध को L1 और L2 के साथ मिलाता है, और केवल तभी L0 से सटीक फ्रेम निकालता है जब विज़ुअल विवरण की जांच की आवश्यकता होती है।

Qwen3-VL-8B के विरुद्ध सीधे Qwen3-VL-8B से वीडियो से जानकारी निकालने के परीक्षण में, Video-MME-L पर सूचना निष्कर्षण की सटीकता में 8% और LVBench पर 6.4% की वृद्धि हुई। सबसे बड़ी वृद्धि, 45.7% की, EgoLife-QA पर हासिल की गई, जो पहले व्यक्ति के डेटासेट पर है जो पूरे दिन के दैनिक जीवन को रिकॉर्ड करता है, जहां निश्चित कटिंग अक्सर विफल हो जाती है। LVBench पर ऑनलाइन मोड में प्रतिक्रिया समय 34.5 सेकंड से घटकर 1.72 सेकंड हो गया, जो लगभग 20 गुना तेज है, और टीम अधिकतम विलंबता में 97% की कमी का अनुमान लगाती है।

परियोजना का स्रोत कोड Apache-2.0 लाइसेंस के तहत GitHub पर मिरर के साथ GitCode पर उपलब्ध है। टीम ने बताया कि ओपनजियुवेन वर्कस्वार्म जल्द ही एजंटमेमोरी का समर्थन करना शुरू कर देगा, जिससे दैनिक बातचीत के दौरान साझा किए गए वीडियो को बाद की चर्चाओं के दौरान याद रखना और याद करना संभव होगा।