Doubao Work korporativ mijozlarga Kimi, GLM va DeepSeek modellariga kirishni taqdim etmoqda

AgiBot kompaniyasi 29-oktabrda GO-3 Preview modelini chiqarib berdi. Bu sunʼiy intellektning jonlantirilgan modeli barcha bosqichlarda oʻrganishni davom ettirishga qodir: dastlabki oʻquv paytida, undan keyin va ishga joriy etilgandan soʻng ham. AgiBot toʻliq modelni 2026-yil oxiriga qadar keng jamoatchilik uchun mavjud qilishni nazarda tutmoqda.

GO-3 Preview AgiBot tomonidan WRAM yoki Dunyo Haqida Fikr-Faraz Modeli deb nomlangan arxitektura asosida qurilgan. Ushbu arxitektura vazifa haqidagi fikrlashni, kelajakdagi voqealar prognozini va harakatlarni yaratishni bogʻlaydi, bu esa robotga koʻrsatma tushunishga, natijani oldindan koʻrishga va tegishli harakatlarni bajarishga imkon beradi.

Model yaqinda jonlantirilgan sunʼiy intellekt uchun uchta reytingda birinchi oʻrinni qoʻlga kiritdi: RoboDojo, RoboTwin va RoboColiseum. AgiBot model ikki yoʻnalishda miqyoslanishini taʼkidlaydi. Bir tomondan, obʼektlarni qayta ishlash va vazifalarni rivojlantirish boʻyicha boy misollar birinchi shaxsdan tortilgan odamlar video yozuvlari orqali taqdim etiladi, robot traektoriyalari esa kuzatuvlarni harakatlar va jismoniy natijalar bilan bogʻlaydi.

Boshqa tomondan, modelning yuqori oʻquv qobiliyati ushbu tarqoq tajribani yangi vazifalarga qoʻllanilishi mumkin boʻlgan koʻnikmalarga aylantiradi. Dastlabki oʻquvdan soʻng, kompaniya robotlar uy sharoitida, oshxonada, bir nechta robot tizimlarida nomaʼlum vazifalarni bajara olishini va qoʻshimcha nozik sozlashsiz nozik manipulyatsiyani amalga oshira olishini qayd etadi.

Bir nechta namoyishlar yordamida model uzoq va nozik operatsiyalarni, masalan, dzyanbin — xitoyning ziravorli panjurasini tayyorlashni oʻzlashtira oladi. Agent tomonidan bosqichlarni nozik sozlash va koordinatsiya qilishdan soʻng, robot Lego detallarini ham yigʻa oladi.

Oʻqitishdan keyingi bosqich uchun AgiBot fizik simulyatsiya va dunyo modellarini birlashtiradigan yuzdan ortiq haqiqiy robotlar bilan Geni Evolver nomli tarqatilgan oʻquv tizimini ishlab chiqdi. Stol ustidagi kerling oyinida robot toʻrt soatlik onlayn mashgʻulotlardan soʻng oʻrtacha sinovdan oʻtgan insonni ortda qoldirdi. Bloklardan iborat minoralar oʻyinida u minoraning barqarorligini saqlab qolgan holda ketma-ket beshta blokni chiqarib olishga muvaffaq boʻldi.

Joriy etilishi bilan Geni Master agentlik tuzilmasi fikrlash, ijro va qayta aloqa oʻrtasida bogʻliqlikni taʼminlaydi, bu esa robotlarga ish jarayonida uzluksiz takomillashtirish imkonini beradi. Haqiqiy doimiy sotuv doʻkonida ishlayotgan AgiBot G2 roboti oʻzining buzilish sabablarini mustaqil aniqladi, yondashuvini tuzatdi va inson yoki sozlashsiz olingan bilimlarini saqlab qoldi. Ushbu robotning toʻliq ish jarayonidagi muvaffaqiyati birinchi kuni 28,6 foizdan besh kun ichida barqaror 85,7 foizga oshdi.

Kichik quloqchalar osish kabi vazifada AgiBot bu usulning anʼanaviy nazorat qilinadigan nozik sozlashga qaraganda yakka vazifani bajarish muvaffaqiyatini 17,7 foiz punktga oshirganini eʼlon qiladi va oʻquv onlayn davom etmoqda.

Kuaishou elektron tijorat platformasi Kuaishou Shop sotuvchilarining ish muhitiga sunʼiy intellektga asoslangan raqamli yordamchilarni integratsiya qildi. Ushbu vositalar mustaqil yoki yarim stavkada doʻkon yurituvchi kichik sotuvchilar uchun moʻljallangan. Maʼlumotlarga koʻra, IT Home, bu yordamchilar kunlik asosda mavjud boʻlib, ular kompyuterdagi ish joyi orqali, ilovadagi maxsus AI rejimi orqali yoki kompyuterdagi AI operatsiyalari vizualizatsiyasi orqali chaqirilishi mumkin.

Sotuvchilar oddiy tilda savol berishlari mumkin, masalan, oʻtgan hafta ichida trafikning kamayishi sabablari yoki qaytarishlarning joriy holati haqida. AI operatsiyalari markaziy hub sotuvchi soʻrovini aniqlaydi, doʻkon maʼlumotlarini, vositalar va platforma qoidalarini toʻplaydi, soʻngra vazifani tegishli agentga uzatadi.

Raqamli xodimlar funksionalligi

Tizim sakkiz xil rolni oʻz ichiga oladi. Virtual doʻkon menejeri butun doʻkonni toʻliq diagnostika qiladi va yangi mijozlarni konversiyasini oshirish, takroriy xaridlarni ragʻbatlantirish, kampaniyalarga roʻyxatdan oʻtirish va mahsulot nomlarini tuzatish uchun strategiyalar taklif qiladi. Maʼlumotlar mutaxassisi sotuvlar, trafik va qaytarishlar bilan bogʻliq savollarga javob beradi, shuningdek, har qanday chetlanishlarning ildiz sabablarini aniqlaydi.

Video mutaxassisi qisqa videolarni diagnostika qilish, mahsulot tanlash, bir bosqichda tayyor kliplar yaratish, kontentni avtomatik joylashtirish va targʻib qilish bilan shugʻullanadi. Jonli efir mutaxassisi rejalashtirish, mahsulot tanlash, ssenariy yozish, efirdan keyingi tomosha va sharhlashda yordam beradi.

Mijozlarga xizmat koʻrsatish tomonida, qaytarishlar bilan ishlovchi mutaxassis murojaatlarni oʻrganadi, nizolar boʻyicha platforma qoidalarini tushuntiradi va yuqori qaytarish foizini kamaytirish uchun yechimlar taklif qiladi. Mijozlarga xizmat koʻrsatish mutaxassisi fikr-mulohazalar va qoniqish koʻrsatkichlarini, shuningdek, shikoyat chatlarini tahlil qiladi. Bundan tashqari, buyurtmalarni bajarish mutaxassisi logistika muammolarini nazorat qiladi va meʼyorlarga rioya qilish mutaxassisi buzilish xavflarini va doʻkon tajribasi reytingining pasayish sabablarini tushuntiradi.

Kuaishou ushbu tizimni yopiq sikl sifatida tasvirlaydi: avvalo muammo diagnostika qilinadi, keyin sotuvchi nomidan ijro etiladigan strategiya taklif qilinadi va oxirida olingan maʼlumotlar tahlil qilinadi. IT Home ning boshqa bir maqolasi ushbu tizimni qoʻllab-quvvatlovchi kengroq vositalar toʻplamini sanab oʻtadi. Ularga katalogga mahsulotlarni partiyaviy qoʻshish funksiyasi, videoni avtomatik joylashtirish, ssenariy va video yaratish platformasi, AI yordamida jonli efirlarni bir boshi bilan sozlash, jonli muloqot uchun yordamchi, hamkorlik dasturlarini avtomatik boshqarish, tabiiy til bilan reklama kampaniyalarini sozlash, AI mijozlarga xizmati, qaytarishlardan keyin tiklash va buyurtmalarni avtomatik chop etish va yuborish kiradi.

Bu mavzu yoritilayotgan jarayonda yarim stavkada ishlaydigan kiyim-kechak sotuvchisi har kuni kechqurun ekspozitsiya, kliklar va qaytarishlar koʻrsatkichlarini oldingi kunga nisbatan tekshirib turishini va u asosiy ishida boʻlgan vaqtda agentga videoni avtomatik joylashtirish imkonini berishini aytdi. Choy kompaniyasi vakili ushbu vositalar tufayli videoredaktorlarni ishga olish zaruriyatini sezilarli darajada kamaytirishganini taʼkidladi.

Shanghai Artificial Intelligence Laboratory oʻzining agentga yoʻnaltirilgan katta modeli boʻlgan Atria Dawn ning toʻliq versiyasini taqdim etdi. Ushbu chiqarish sentyabr oyi oʻrtalarida Atria Dawn ning dastlabki versiyasi paydo boʻlganidan taxminan bir oy oʻtgach amalga oshirildi.

Model GLM-5.2 asosiy modeliga oʻrgatilgan boʻlib, u mixture-of-experts formatida 744 milliard parametrni oʻz ichiga oladi. U atrof-muhitni tushunish, vositalardan foydalanish va koʻp bosqichli vazifalarni bajarishni talab qiladigan ilmiy-tadqiqot va muhandislik ishlarini qoʻllab-quvvatlash uchun moʻljallangan.

Laboratoriya tomonidan qayd etilgan asosiy oʻzgarish – bu kontekst oynasini previewda mavjud boʻlgan 256 ming tokenlardan toʻliq versiyada 512 ming tokenlarga oshirishdir. Biroq, loyiha GitHub repozitoriyasidagi model yuklash jadvali hali ham toʻliq model va uning FP8 versiyasi uchun 256K ni koʻrsatib turibdi, shuning uchun ishlab chiquvchilarga qoʻllaniladigan cheklovni aniqlash uchun joylashtirilgan API hujjatlariga murojaat qilish tavsiya etiladi.

Laboratoriya endi model imkoniyatlarini toʻrtta yoʻnalish boʻyicha tasniflaydi. Kashfiyot (Discovery) maʼlumotlarni yigʻish va tizimlashtirish, chuqur tadqiqotlar oʻtkazish va tadqiqot savollarini ijro etiladigan eksperiment rejalariga aylantirishni oʻz ichiga oladi. Yaratish (Creation) dasturiy taʼminot, interaktiv ilovalar, oʻyinlar, mashinaviy oʻrganish tizimlari va maʼlumotlarni vizuallashtirishni ishlab chiqishni qamrab oladi. Yetkazib berish (Delivery) texnik topshiriqlarni, maʼlumotlarni va dizayn talablarini tuzilgan hisobotlar va taqdimotlarga aylantirish imkonini beradi. Kibersavdoqatchilik (Cybersecurity) xavfsizlik muammolarini tahlil qilish, zaifliklarni tekshirish, tuzatmalarni qoʻllash va qayta sinovdan oʻtishga eʼtibor qaratadi, bu esa avtorizatsiya qilingan muhitlar bilan cheklangan.

Previewga nisbatan laboratoriya sezilarli yaxshilanishlarni taʼkidlaydi: JobBenchda 7,2 ball oshishi (57,5 ga qarshi 50,3), WideSearchda 2,7 ball oshishi (84,6 ga qarshi 81,9) va PaperBenchda 2,6 ball oshishi (89,6 ga qarshi 87,0). Biroq, laboratoriya veb-saytiga mos kelishini daʼvo qiladigan repozitoriya baholash jadvalida, AutomationBench (54,7), SkillsBench (67,8) va SWE-bench Pro (61,7) kabi boshqa koʻpgina benchmarklarda kamroq yaxshilanishlar koʻrsatilgan. Baʼzi testlarda preview teng yoki yuqori natijalar koʻrsatgan, masalan, BrowseComp da preview 92,5, toʻliq versiyaning 91,3 dan ustun turadi.

Model alohida xalqaro va xitoy nuqtalariga ega joylashtirilgan API orqali mavjud. Repozitoriy SGLang, vLLM va Codex uchun sozlash qoʻllanmalarini oʻz ichiga oladi. Model faqat matnli kirishni qabul qiladi. Kod MIT litsenziyasi ostida chiqarilgan, ammo toʻliq versiyaning ogʻirliklari Hugging Face va ModelScope da hali «Tez orada paydo boʻladi» deb belgilangan; hozircha faqat preview ogʻirliklarini yuklab olish mumkin.