Iepriekšējā cīņa · 2026-04-28 UTC
Agent Development Sadursme — 2026. gada 28. aprīlis
No Agent Development kategorijas. 13 atzīmes izvietotas starp 6 cīnītājiem. Sierra izcīnīja kroni.
Gala rezultāti
Sastāvs
Cīnītāji
Katra rīka profili, kas piedalījās šajā cīņā, sarindoti pēc to gala rezultāta.
Sierra
Sarunvalīgi AI aģenti, kas apstrādā klientu apkalpošanu ar zīmola atbilstošu empātiju un precizitāti.
Sierra ir lielām uzņēmumu pārvaldībai paredzēts platforma, kas ļauj izmantot konversācijas mehānisma būvniecību ar cilvēku pielāgotiem AI ģintīšanu attīstību tiešsaisti konversācijās, balsas saitiņos un citas saites, izmantotēšanās. Būves mehāniskās elementi tiek projektēti uz problēmu risināšanu sākot ar problēmu risināšanu beigās, izejot pie darbu izdarīšanas, pārskatiem vai tiešsaistē esošajiem pakaļsākumos. Mehāniskās lieliskas darbibas tās atrodas uz pilna drošības, kas atbilst uzņēmuma politikām un to pielāgobas tonus. Izieņošanas kompānijas konfigurēkas par katru agentu, kuriem tiek uzstādīta savas pazīšanas, robežu un integrāciju sistēma, bet Sierra piedāvā iespējas monitorēt izpratni, izaudēt dialogu pārbaudes un tikai tālāk labsinīt atbilde. Platforma ir paredzēta brīnumu markēm, kas vēlas izlaist atbalsta procesu bez atsauksmes cilvēki rīcības kaluma.
Kritēriju sadalījums
- Sarunvalīgi AI aģenti atbalstam
- Darbību veikšana caur sistēmas integrācijām
- Zīmola un politikas pielāgošana
- Balss un tērzēšanas izvietošana
- Analīzes un kvalitātes nodrošināšanas rīki
- Aizsargi drošām atbildēm
DeepOpinion
Uzņēmumu AI platforma, kas automatizē sarežģītu zināšanu darbu un nestrukturētu datu uzdevumus.
DeepOpinion ir uz uzņēmumiem orientēta automatizācijas platforma, kas paredzēta, lai apstrādātu sarežģītu, dokumentu spēcīgu zināšanu darbu, ko tradicionālajiem RPA rīkiem ir grūti pārvaldīt. Platforma apvieno lielu valodu modeli (LLM) ar darba plūsmas rīkiem, lai apstrādātu nestrukturētu ievadi, piemēram, e-pastus, līgumus, rēķinus un atbalsta biļetes lielos apjomos. Platforma ir paredzēta finanšu, apdrošināšanas, klientu atbalsta un operāciju komandām, kurām nepieciešams uzticams, audītāms AI pārvaldīt biznesa procesus. Tā ļauj organizācijām veidot un izvietot AI atvasarātus, kas var lasīt, klasificēt, ekstraktēt un rīkoties ar informāciju bez plašas pielāgotās izstrādes. Ar iespēju izvietot mākoņā vai vietējā infrastruktūrā DeepOpinion cenšas iekļūt regulētos uzņēmumu vidi, vienlaikus samazinot manuālu apstrādes laiku repetitīvām kognitīvām uzdevumiem.
Kritēriju sadalījums
- AI atvasarātie dokumentu un teksta apstrādei
- Darba plūsmas automatizācija zināšanu uzdevumiem
- Datu ekstrakcija no nestrukturētām avotiem
- Uzņēmuma līmeņa drošība un izvietojuma iespējas
- Integrācija ar esošajām uzņēmējdarbības sistēmām
- Cilvēka iesaistīšanās pārskatīšanas kontroles
Zep AI Memory ir izstrādātāju orientēts atmiņas pakalpojums, kas AI aģentiem nodrošina pastāvīgu, strukturētu atgādinājumu sarunās un sesijās. Tas ieraksta čata vēsturi, izvelk svarīgus faktus un organizē tos zināšanu grafā, lai aģenti varētu iegūt attiecīgo kontekstu pa pieprasījumu, nevis ielīmētu visas vēstures promptos. Platforma apstrādā rezumēšanu, entītiju izvelkšanu un semantisko meklēšanu aiz vienkārša API, atļaujot komandām pievienot stāvokļa atmiņu čatu botiem, kopilotiem un autonīmiem aģentiem bez pašu pielāgotās pieejienes infrastruktūras izveides. Tā ir izstrādāta, lai pakāpeniski mainītos ražošanas izkrājumos, saglabājot ierosinājumu izmērus un tokena izmaksas paredzamā veidā. Zep ir integrits ar visbiežāk lietotajiem LLM frameworkiem, kā piemēram LangChain un LlamaIndex, un piedāvā SDK populārām valodām, tādējādi padarot to par vienkārši ievietojamu esošajos aģentu stekos.
Kritēriju sadalījums
- Ilgtermiņa konversāciju atmiņa
- Automātiska faktu un entitāšu izveide
- Zināšanu grafika glabāšana
- Semantiskā un hibrīda meklēšana
- LangChain un LlamaIndex integrācijas
- Daudzvalodu SDK
Coval
Simulācijas un novērtēšanas platforma, lai testētu AI balss un tērzēšanas asistentus mērogā
Coval ir testēšanas un novērtēšanas platforma, kas vērsta uz komandām, kas izstrādā sarunbāzētas AI asistentus, īpaši tiem, kas darbojas gan balss, gan tērzēšanas modalitātēs. Tā risina atkārtotu problēmu asistentu izstrādē: tradicionālie vienību testi un manuālās pārbaudes nepiebilst neierobežotu, vairākas kārtas raksturu asistentu sistēmu, padarot grūti saprast, vai izmaiņa uzlabo vai pasliktinās reāla pasaules uzvedību. Platformas pamatideja ir simulācija. Tā vietā, lai balstos tikai uz statiskajiem testiem, Coval ģenerē simulētus lietotāja mijiedarbības, kas pārbauda asistentu vairākās situācijās un sarunu ceļos. Šīs simulācijas var novērtēt pēc noteiktiem metriķiem un gaidītajām rezultātiem, ļaujot komandām mērīt uzticamību pirms izmaiņu izvietošanas un atklāt regresijas, kad asistenti un prompti attīstās. Coval uzskata sevi par gan balss, gan teksta asistentu platformu, kas ir ievērojams, jo balss pievieno papildu slāņus — runas uz teksta, aizkavēšanās un kārtas pārņemšana — kas ietekmē asienta kvalitāti ārpus pamata valodas modeļa. Uzņēmums veic salīdzinājumus ar autonomās transportlīdzekļu komandu veidu, kas izmanto plaša mēroga simulāciju, lai apstiprinātu uzvedību pirms izvietošanas, piemērojot līdzīgu testēšanas filozofiju AI asistentiem. Tipiskā darba plūsmas ietvaros komanda pieslēdzas savam asistentam, definē scenārijus un novērtēšanas kritērijus, palaist simulācijas un pārskatīt rezultātus, lai sekotu veiktspējai laika gaitā. Tas atbalsta izmantošanu attīstībā, kā arī pastāvīgu uzraudzību un regresiju testēšanu kā daļu no CI‑stila procesa. Kā salīdzinoši jauns produkts, kas attīstās, vislabāk ir tieši apstiprināt cenu, integrāciju un precīzu metriķu aptveri, un komandām vajadzētu novērtēt, cik labi simulētie scenāriji atspoguļo viņu pašu produkcijas trafiku. Galvenā atšķirība no vispārīgajiem LLM‑novērtēšanas rīkiem ir uzsvars uz vairākas kārtas, vairāku modalitāšu asienta simulāciju, nevis vienas prompta vērtēšanu.
Kritēriju sadalījums
- Simulētas lietotāja mijiedarbības testēšanai asistentiem
- Novērtēšanas metrikas un vērtēšana pārskaitījumu laikā
- Atbalsts balss un teksta asistentiem
- Regresiju noteikšana asienta versijās
- Scenāriju balstīta testēšana sarunpieejas ceļos
Gretel AI
Sintētisko datu platforma, kas ģenerē privātuma drošus, AI gatvus datu kopas, kas atspoguļo reālos datus.
Gretel AI ir izstrādātāju centrs, kur izveido sintetiska dati, kuri statistiski līdzinās tiešos datubāzēm, aizliegot satura atklāšanu. Komandas izmanto to, lai atbrīvotu AI un analītikas projektu strāvas tad, kad atsuguņošanas, prasības par līdziskumu vai pieejamības grūtības ierobežo piekļuvi produkcijas datiem. Platforma piedāvā API, SDK un saskarņmodelis, lai ģenerētu tabularņu, tekstūru un laika sērijas datus, kā arī līdzekļus kvalitātes un privātuma risks noteikšanai. Tā atbalsta izplatītu lietojumprogrammu, kā, piemēram, mašīnsapratņu modelu apmācīšanu, mazāk pārstāvētu klases papildināšanu, komandas starpusies datus dalīšanos, un programmatūras testēšanu ar realistiskiem, bet tiešu datus izmantojušajiem rekordiem.
Kritēriju sadalījums
- Generatīvie modeļi sintētiskajam tabulāru un teksta datiem
- Diferenciālais privātums un PII rediģēšanas kontrole
- Kvalitātes, precizitātes un privātuma vērtējuma pārskati
- Python SDK un REST API integrācija
- Pirms trenēti modeļi un pielāgojamas veidnes
- Mākoņi un pašizvietojamās izvietojuma iespējas
Theoriq AI
Decentralizēts protokols daudzagentu AI sistēmu izveidei un pārvaldībai uz bloku ķēdes
Theoriq AI ir bloku ķēdes balstīts protokols, kas paredzēts tīkla AI agentu koordinēšanai caur caurspīdīgu un pārbaudāmu veidu. Apvienojot decentralizētu infrastruktūru ar daudzagentu orkestrēšanu, tas ļauj izstrādātājiem sastādīt specializētus agentus lielākiem kolektīviem, kas var sadarboties ar sarežģītiem uzdevumiem. Protokols nodrošina uz bloku ķēdes pārvaldību, reputācijas izsekošanu un cenzošanas mehānismus, lai agentu uzvedība, veiktspēja un ieguldījumi varētu tikt mērīti un atlīdzināti. Tas ļauj izveidot atvērtas ekosistēmas, kurās trešo pušu agenti var tikt atklāti, novērtēti un integrēti plašākās darba plūsmās. Theoriq mērķē izstrādātājus, kas strādā kripto un AI krustpunktā, tostarp komandās, kas veido autonomās DeFi stratēģijas, pētniecības asistentu un citus agentu vadītus lietojumprogrammas, kas gūtu labumu no uzticības samazinātās koordinācijas.
Kritēriju sadalījums
- Daudzagentu orkestrācijas ietvars
- Decentralizēts agentu reģistrs un atklāšana
- Uz bloku ķēdes reputācijas un novērtēšanas sistēma
- Tokenized cenšas agentu ieguldījumiem
- Pārvaldības mehānismi kolektīvām lēmumu pieņemšanas
- Izstrādātāju rīki agentu darba plūsmu sastādīšanai