Korábbi csata · 2025-12-26 UTC
AI Data Analysts Leszámolás — 2025. december 26.
A(z) AI Data Analysts kategóriából. 23 jelölés elhelyezve 6 versenyző között. Together Open Data Scientist szerezte meg a koronát.
Végeredmény
A felállás
A versenyzők
Minden eszköz profilja, amely ebben a csatában versenyzett, a végső pontszámuk szerint rangsorolva.
Together Open Data Scientist
Nyílt forráskódú ReAct ügynök, amely Python kódot futtat adatok feltárására, modellek felépítésére és elemzési jelentések generálására
A Together Open Data Scientist egy nyílt forráskódú, mesterséges intelligenciát hasznosító adatelemzési ügynök, amelyet a Together AI GitHubon közzétett. Az ügynök a ReAct (Racionális gondolkodás + Cselekvés -es) keretrendszert követi, amely egyaránt beépítik a nyelvi-modellű (LLM) okosabb rendszerű gondolkodás lépéseit és a konkrét Python kódfutási lépéseket, hogy véghez vigyenek komplett, kezdettől végig tartó adatvégi feladatokat, mint például adattárolók felderítése, összesített statisztikák kiszámolása, modellépítés és részletes jelentés készítés is. Az ügynök két módon hajtható végre Python-kódot: belső módon egy Docker-konvaji közvetlenül a helyi gépen, amely együgyű egyhasználó helyi fejlesztéshez, míg a "tci" módon az végrehajtható a Together Code Interpreter (TCI) egy felhőalapú környezetbe, amelyet a Together AI API-n keresztül lehet elérni. A felhasználók feltölthetik adataik könyvtárát automatikus feldolgozásra, meghatározhatják a bizonytalansági ítéletek maximális számát és kiválaszthatják az alapmodellt, amelyet az ügynök futtat – a DeepSeek-V3 az alapértelmezett, a Llama modelleket és a többi, ami elérhető a Together platformon, specifikálhatók. Azt azért osztjak be pip telepíthető csomag (open-data-scientist) formájában, hogy mind command-line felületet, mind Python API-jt kínál. A CLI támogatja például az --író-jelentés hivatkozásokkal a Markdown felületen futtatott elemzési jelentés létrehozását, a --mentési-nyomkönyv kapcsolóval pedig a teljes queryt és végrehajtási nyomkönyvet való logolást, azonkívül a session ID-k segítségével az előzőleg futtatott sessionek újrafelhasználását. A Python API pedig a ReActDataScienceAgent osztály köré épül fel, amely egy természetkörülvevő feladatot vehet át, és a megcélzott eredményt adja vissza. A projekt nyíltan kísérleti szoftverként van címkézve. Mivel az összes kódot és elemző szoftvert mesterséges intelligencia generálta, az kimenetei hibákat vagy alacsonyabb minőségű megközelítést tartalmazhatnak, és legjobb, ha ezeket felfedezés és tanulás kezdőpontjaként kezeljük, mintsem termelési megoldásként. A fenntartók kiemelik, hogy kritikus üzleti vagy kutatási alkalmazásoknál különösen emberi ellenőrzés és validáció szükséges. Míg a hagyományos kereskedelmi AI adatmegjelenítési asszisztensek, mint például a ChatGPT Advanced Data Analysis vagy a jegyzettömb-kísérők, az egyszerű válaszhoz fókuszálnak, a Together Open Data Scientist a másféle megközelítést választja. Tényleg nyílt forráskódú, saját kezelésű, modell-központú a Together felépítésében, és képes az autonóm módon sorban elhelyezni több kódvégrehajtási lépést egy közzétételi jelentésig, mintegy egyedi egyből adott válasz helyett
Kritériumok szétosztása
- ReAct okoskodás és cselekvés ügynök
- Két végrehajtási mód: helyi Docker vagy Together Code Interpreter felhő
- Automatikus adatkönyvtár feltöltés elemzéshez
- Markdown jelentés generálás --write-report segítségével
- Konfigurálható modell és maximális okoskodási iterációk
- Parancssori felület és programozható Python API
A Trinka AI egy írási asszisztens, amely kifejezetten kutatók, tanulók és technikai szakemberek számára van tervezve. A szokásos grammatikai és szövegjavítástól a konvencióknak megfelelő tudományos írásformális szempontokon túl foglalkozik, és olyan problémákat jelez fel, mint a hivatalos terminológia konszistensténylensége, a mondatstruktúra tisztázatlansága és a tudományos kutatási cikkokban gyakoriak a hangnemproblémák. Az eszköz több száz szakterületre kiterjedő témakiadványos javaslatokat nyújt, és segítséget nyújt a szöveg módosításában, a konzisztencia ellenőrzésében és az újsági stílusú kiadványok komformitásának biztosításában. Összeegyeztethető a Microsoft Word-al, böngészőkkel és felhő alapú szerkesztőkkel, így felhasználható az általános kutatási munkafolyamatokban. A Trinka még olyan szakosodott funkciókat is tartalmaz a kézirat megkészítéséhez, mint a folyóirat-rendelkezésesség-ellenőrzés, a plágium-ellenőrzés és a hivatkozásellenőrzés, ezzel pozicionálva magát a általános célú nyelvtanellenőrzőnél jelentősebbnek.
Kritériumok szétosztása
- Fejlett grammatika- és stílusellenőrzés
- Akadémiai hangnem és világosság javítása
- Átfogalmazás és következetesség eszközök
- Plágium- és idézetellenőrzés
- Folyóirat-beküldésre való készség jelentései
- Böngésző, Word és felhőintegrációk
Fyva AI
Társalgó AI, amely segít az elemzőknek generálni az egyenlőségi kutatási jelentéseket beszámolók és piaci adatok felhasználásával.
Fyva AI egy kutatási asszisztens, amelyet részvényelemzők, befektetési csapatok és pénzügyi szakemberek számára fejlesztettek ki. Vállalati beadványokat, pénzügyi adatokat és egyéb forrásanyagokat dolgoz fel, hogy segítsen a felhasználóknak kutatási jegyzeteket, összefoglalókat és befektetési betekintéseket készíteni, gyorsabban, mint a manuális munkafolyamatok lehetővé teszik. Az eszköz a kutatási folyamat ismétlődő részeinek felgyorsítására összpontosít, például a 10‑K‑k és 10‑Q‑k kulcsadatainak kinyerésére, az eredményhívások összefoglalására és a kezdeti jelentésvázlatok struktúrálására. Az elemzők ezután saját megítélésükkel és saját szellemi tulajdonukban lévő nézeteikkel finomíthatják a mesterséges intelligencia által generált kimenetet, mielőtt belsőleg vagy az ügyfeleknek publikálnák.
Kritériumok szétosztása
- Automatizált egyenlőségi jelentés-előállítás
- Jelentések és dokumentumok elemzése
- Kérelmi és pénzügyi adatok összefoglalása
- Fókuszbehozatal a befektetési tételhez
- Analista-központú kutatási munkaterület
Anamap
AI elemző, amely a GA4 vagy Amplitude adatok alapján vizsgálja a termék- és növekedési mutatók változásait, és javaslatokkal szolgál a következő lépésekre
Az Anamap egy olyan AI elemző eszköz, amelyet termék- és növekedési csapatok számára fejlesztettek ki, akik magyarázatokat és döntéseket szeretnének kapni, nem pedig további irányítópultokat. Központi funkcionalitása a Cartos, egy „AI elemző kolléga”, amely csatlakozik a csapat web- és termékelemzéséhez, azonosítja a felhasználói életciklus jelentős változásait – szerzés, aktiválás, konverzió és megtartás –, és döntésre kész elemzésekbe csomagolja azokat. A Cartos-vizsgálatok nem egy újabb ábrát vagy homályos összefoglalót adnak vissza, hanem három fő eredmény köré épülnek: a lényeges változás (melyik mérőszám, szegmens, csatorna vagy útvonal-lépés mozdult el és milyen üzleti hatást váltott ki), a valószínű ok (egy bizonyítékokon alapuló magyarázat, amely tartalmazza az ellentétes hipotéziseket és fenntartásokat, amikor az adatok nem egyértelműek) és egy ajánlott következő lépés, amely közvetlenül a megállapításhoz kapcsolódik. Az eredményt egy rövid tartalomként osztják meg, amelyet a csapatok beszúrhatnak a Slackbe, e-mailbe vagy a webalkalmazásba, hogy a stakeholderek összehangolhassák magukat a elemzés újraépítése nélkül. Az eszköz a GA4-hez vagy az Amplitude-höz kapcsolódik adatforrásként, és integrálódik a Slackkel, e-maillal és webalkalmazással az eredmények kézbesítéséhez. Az Anamap olyan szervezeteknek pozicionálja magát, amelyeknek magyarázatot kell adniuk a termék és a weboldal teljesítményére, de nem tudnak könnyen igazolni vagy további elemző fejlesztést foglalkoztatni – alapítók, növekedési csapatok, termékcsoportok és lean adatcsoportok, ahol minden kérdés ugyanarra a túlterhelt elemzőre hárul. Az Anamap egyik kulcsfontosságú része a persistens kontextus. Míg egy általános chatbot, mint a ChatGPT vagy a Claude, arra kényszerít, hogy exportálja az adatokat és újra elmagyarázza a definíciókat minden promptnál, a Cartos úgy van kialakítva, hogy megőrizze a „céges memóriát”: hogy a KPI-k hogyan vannak meghatározva, mi került kiadásra a verziókban, milyen kísérletek futottak, és mi mellett döntött a csapat korábban. A szándék az, hogy minden vizsgálat felépül a korábbi kontextuson és egy releváns következő lépéssel zárul, ahelyett, hogy nulláról indulna. Az árazás inkább csapatokra, semmint helyekre van pozicionálva, korlátlan felhasználóval és helyenkénti díj nélkül, valamint ingyenes próbaverzióval, hogy egy valódi változást vizsgáljon. Korai fejlesztési szakaszban lévő termékként (a weboldal 12-nél több vállalkozást segít) legjobban úgy értelmezhető, mint a belső analitikai döntési folyamatok létrehozására vagy a ritka elemzői időre való támaszkodás szempontjából koncentrált, véleményezett alternatíva. A vevőknek mérlegelniük kellene a jelenlegi szűk integrációs készletet (GA4 és Amplitude) és a kis, kialakulóban lévő nyomon követési rekordot a döntésorientált kimenet specificitásával szemben.
Kritériumok szétosztása
- Cartos AI elemző, amely vizsgálja a termék és web analitikát
- GA4 és Amplitude adatkapcsolatok
- Változások detektálása a szerzés, aktiválás, konverzió és megtartás során
- Bizonyítékokon alapuló ok-elemzés versenytárs magyarázatokkal és figyelmeztetésekkel
- Javasolt következő lépés kimenete minden talált eredményhez
- Tartós cég, KPI, kiadások és döntések memóriája
Model ML
AI munkaterület kutatáshoz és kiforrott ügyintézéshez pénzügyi szolgáltatásokban.
A Model ML egy olyan, mesterséges intelligenciával (AI) hajtott platform, amely azon ügyfelek finanszírozási szolgáltatásait szolgálja ki, akik a pénzügyi szektorban dolgoznak, segítve az elemzéseknél, az ügyek alapos áttekintésénél és az üzleti folyamatok gyorsításánál. Egyetlen munkaterületen tárolja és egyesíti a dokumentumokat, az adatokat és az AI-modelleket, így a felhasználók nem tárolják át az eszközöket, amíg átalakítják az összecsavarodott információkat az átláthatóság irányába. Az platform támogatja a cégalapon végzett analízist, dokumentumelemzést, körülbeli vizsgálatokat és jelentés készítést, a pénzügyi alkalmazásokra szabott kognitív segítőkkel. A rendszernek célkeresztben van a befektetési bankok, magánbefektetők, árfolyamlétesítők és tanácsadó cégek számára, amelyek nagy mennyiségű információt kell, hogy feldolgozzanak nagy nyomás mellett.
Kritériumok szétosztása
- Pénzügyi kutatásokra összpontosító mesterséges intelligencia segítők
- Dokumentumok bejuttatása és elemzése
- Ügyintézési munkafolyamatok támogatása
- Jelentés és emlékeztető lekészítéshez szükséges eszközök
- Társadalmi munkavállalói munkaterület gyors megállapodási csapatok számára
- Integráció a pénzügyi adatforrásokkal
MinusX
Mesterséges intelligencia alapú adatelemző ügynök, beágyazva a meglévő elemző eszközökbe
A MinusX egy olyan AI-ügynök, amely direkt kapcsolódik a Jupyter, Metabase és Tableau stb. analitikai platformokhoz, és egy olyan tapasztalt adattudóst képvisel a felhasználók már ismert munkaállomásaikon. A jelentkezési adatok exportálásával vagy kontextusváltással nem kell foglalkozniuk, ehelyett természetes nyelvet használva kérdezhetnek, és az így kapott válaszok alapján a MinusX megkeresi az adatküldéseket, létrehozza a kijelzőkön és módosítja a vezérlőpultokat helyettük. Az ügynök képes szabályozási szémákat értelmezni, SQL-t vagy Python-kódot írni, indokolni gondolatmenetét, és iterálni az eredmények alapján következő utasításokon. Célbázisán az elemzők, a tudományos adattudósok és a vállalati felhasználók, akik gyorsabb felépülést szeretnének az explorációs elemzésben, a jelentkezésben és a rutin dashboard karbantartásban. Az integrációjának eredményeként, MinusX egy önálló felület helyett a gazdateológiai eszközökön belül működik, ezzel megtartva az ott már konfigurált hozzáféréseket és kapcsolatokat, és könnyen beolvadásra képes a meglévő munkafolyamatokba.
Kritériumok szétosztása
- Böngészőkiterjesztés az elemző eszközökhöz
- Természetes nyelv SQL-re és Pythonra
- Automatikus irányítópult-létrehozás és -szerkesztés
- Kontextusfüggő sémák megértése
- Iteratív, chat-alapú elemzés
- Támogatás a Jupyter, Metabase, Tableau és más eszközökhöz