It’s clear that you can’t squeeze AGI out of LLMs even if you throw billions of dollars worth of compute at it, something fundamental is missing

Unii dintre primii angajați Apple vorbesc despre Steve Jobs.

Diviziunea muncii cu agenți AI va fi esențială pentru maximizarea impactului agenților. Am avut mult timp o diviziune a muncii în organizații, deoarece a avea experți individuali care își încredințează sarcini unul altuia este mai eficient decât o grămadă de generaliști care încearcă să facă lucrurile într-un mod diferit de fiecare dată. Agenții AI prezintă aceeași dinamică. Pentru ca AI Agents să funcționeze, aveți nevoie de cantitatea potrivită de context despre sarcina pe care încearcă să o finalizeze. Aceasta înseamnă o înțelegere profundă a domeniului, un set de cunoștințe pe care să lucrezi, instrucțiuni clare și un set de instrumente de utilizat. Prea puțin context și agentul va eșua. Cu toate acestea, în egală măsură, pe măsură ce mai multe dintre aceste informații intră în fereastra contextului, știm că modelele pot deveni suboptime.  Pentru un proces de afaceri complex, dacă puneți toată documentația, descrierea fluxului de lucru și instrucțiunile în fereastra contextuală, știm că acest lucru poate duce în cele din urmă la putregaiul contextului, ceea ce duce la rezultate mai proaste. Arhitectura logică în viitor este de a împărți agenții în unități atomice care se mapează la tipurile potrivite de sarcini și apoi acești agenți să lucreze împreună pentru a-și finaliza munca. Vedem deja acest lucru în mod eficient în agenții de codare. Există din ce în ce mai multe exemple care apar cu oameni care configurează subagenți care dețin părți specifice ale unei baze de cod sau zone de servicii. Fiecare agent este responsabil pentru o parte a codului și există o documentație prietenoasă cu agentul pentru cod. Apoi, pe măsură ce este nevoie de muncă în acea zonă relevantă a bazei de cod, un agent orchestrator se coordonează cu acești subagenți.  Am putea vedea acest model aplicându-se probabil la aproape orice domeniu de cunoaștere în viitor. Acest lucru va permite agenților AI să fie utilizați pentru mult mai mult decât cazuri de utilizare specifice sarcinilor și să se extindă la alimentarea fluxurilor de lucru întregi din companie. Chiar dacă modelele AI se îmbunătățesc pentru a putea gestiona ferestre de context mai mari și nivelurile de inteligență cresc, nu este evident că această arhitectură dispare vreodată. Este probabil ca rolul fiecărui agent să se extindă pe măsură ce capacitățile se îmbunătățesc, dar liniile clare de separare între subagenți pot duce întotdeauna la rezultate mai bune.

GPT-5 este live. Modele mai mari. Mai mult calcul. Mai multă presiune asupra inferenței. Nu mai este vorba doar de antrenament. Este vorba despre stiva completă care deservește agenții în timp real. oferă GPU-uri globale, descentralizate. io.intelligence rulează modele open-source printr-un singur API -> rapid, ieftin și deblocat. $IO accelerează AI