Bătălie trecută · 2026-05-10 UTC
Research AI Agents Confruntare — 10 mai 2026
Din categoria Research AI Agents. 35 puncte plasate pe 10 luptători. Google AI Co-Scientist a luat coroana.
Clasament final
Lotul
Luptătorii
Profilurile fiecărui instrument care a concurat în această bătălie, clasate după scorul lor final.

Google AI Co-Scientist
Colaborați-vă în numele tuturor studiilor și accelerând a înnoțarea și șterpelirea medicină a biomedical industry.

Google AI Co-Scientist este un sistem de inteligență artificială multi-agent, destinat să colaboreze cu oamenii de știință și să accelereze cercetarea biomedicală. A fost creat cu Gemini 2.0 și funcționează ca un colaborator științific virtual, pentru a ajuta la generarea de ipoteze și propuneri de cercetare noi. Sistemul este conceput pentru a reflecta procesul de raționament care stă la baza metodei științifice și pentru a descoperi cunoștințe noi și originale. Dat fiind un obiectiv de cercetare specificat de un om de știință în limbaj natural, AI Co-Scientist generează ipoteze de cercetare noi, o prezentare generală detaliată a cercetării și protocoale experimentale. Utilizează o coaliție de agenți specializați, printre care Generare, Reflexie, Clasificare, Evoluție, Aproximare și Meta-revizuire, care folosesc feedback automatizat pentru a genera, evalua și reface ipoteze în mod iterativ. Sistemul permite oamenilor de știință să interacționeze cu el în diverse moduri, inclusiv prin furnizarea de idei inițiale pentru explorare sau feedback asupra rezultatelor generate în limbaj natural. De asemenea, AI Co-Scientist utilizează instrumente precum căutarea pe web și modele de inteligență artificială specializate, pentru a îmbunătăți fundamentarea și calitatea ipotezelor generate. Sistemul este proiectat pentru a scală flexibil computația și pentru a-și îmbunătăți în mod iterativ raționamentul științific spre obiectivul de cercetare specificat. AI Co-Scientist este deosebit de util pentru oamenii de știință care se confruntă cu provocări în navigarea creșterii rapide a publicațiilor științifice și integrarea insight-urilor din domenii neclare. Prin valorificarea progreselor recente în domeniul inteligenței artificiale, inclusiv capacitatea de a sintetiza subiecte complexe și de a efectua planificare și raționament pe termen lung, AI Co-Scientist urmărește să accelereze viteza de descoperire științifică și biomedicală. Sistemul a fost testat în diverse aplicații, inclusiv descoperirea transferului de gene și redescoperirea transferului. În timp ce AI Co-Scientist oferă mai multe avantaje, eficacitatea sa depinde de calitatea obiectivului de cercetare introdus și de capacitatea cercetătorului de a furniza feedback semnificativ. AI Co-Scientist este un instrument nou care are potențialul de a avea un impact semnificativ asupra comunității științifice, dar limitările și potențialele prejudecăți ale acestuia trebuie evaluate cu atenție. Dezvoltarea AI Co-Scientist este un efort continuu, iar aplicațiile și îmbunătățirile sale viitoare vor depinde de cercetarea și testarea continuă.
Diviziunea criteriilor
- Generarea ipotezelor
- Crearea unei revizuiri a cercetării
- Dezvoltarea protocolului experimental
- Agenți specializați pentru raționament științific
- Buclă de feedback automată
- Integrare de căutare web

GLM-4.6V
Model multimodal GLM open-source de la Z.ai care unește viziunea, textul și apelurile de instrumente pentru raționament pe contexte lungi, căutare, codare și interfață de utilizator către cod.

GLM-4.6V este un model de limbă mare cu moduri multiple care escaladează fereastra de context la 128k de tokens și atinge performanțele maxime în înțelegerea vizuală. Este integrat cu capacitatea de apelare nativă și permite o bază tehnică unitară pentru agenții multimodali în scenarii reale de afaceri. GLM-4.6V poate accepta intrări multimodale și generează automat conținut intercalați de imagine-textă de calitate înaltă structurată, efectuează înțelegerea documentelor complexe și efectuează căutarea și recuperarea vizuală. Modelul acesta oferă mai multe capacitați și scenarii, inclusiv crearea de conținut inteligent de tip text-imagine, precum și de design al layout-ului, căutarea web vizuală și crearea de rapoarte media bogate, și înțelegerea conținutului cu lungă durată. El poate accepta intrări mixte text-imagine, poate genera conținut de calitate înaltă și poate efectua o audit vizual pe imaginile candidat. Fluxul de căutare și analiză multimodală al GLM-4.6V permite o deplasare neîntreruptă de la percepție vizuală la recuperarea online și generarea raportului structurat. El menține conștientizarea contextului multimodală și efectuează raționament așezat pe informația ambalată atât textulă, cât și vizuală. Modelul oferă diverse capabilități și scenarii, inclusiv recunoașterea intențiilor și planificarea de căutare, alinierea rezultatelor multimodale și raționament cu generarea raportului de media bogată.
Diviziunea criteriilor
- Suport pentru intrări multi-modale (imagini, text, fișiere)
- Apeluri de instrumente multi-modale native
- Lungimea contextului de 128k
- Capacități de apelare a funcțiilor
- Înțelegerea contextului lung
- Comprehensiune vizuală și recuperare de instrumente

AlphaSense
O platformă de market intelligence bazată pe AI care colectează autonom perspective ale experților și livrează cercetare la nivel de analist, la scară largă.

AlphaSense este o platformă de market intelligence susținută de AI care oferă perspective de încredere pentru a ghida deciziile de afaceri. Aceasta oferă o colecție cuprinzătoare de surse selectate, incluzând transcrieri ale experților Tegus, cercetări de brokeraj și rapoarte corporative. Platforma utilizează modele AI avansate pentru a genera perspective de înaltă calitate, cu citări la nivel de frază. AlphaSense integrează fluxurile de lucru, eliminând sursele fragmentate și oferind perspective conectate și simplificate. Capacitățile sale de GenAI oferă informații în timp real care fundamentează deciziile pe expertiză fiabilă. Platforma este concepută pentru investment banking, fonduri speculative (hedge funds), private equity, asset management, consultanță, științe ale vieții și alte industrii. AlphaSense se diferențiază prin perspectivele sale extrem de sintetizate, provenite dintr-un set de conținut inegalabil. Platforma dispune, de asemenea, de agenți personalizabili pentru a automatiza sarcinile de cercetare repetitive, transformând rezultatele în rapoarte și prezentări gata pentru nivel executiv. Funcția sa de Generative Search oferă o vedere de 360 de grade asupra piețelor și companiilor, conectând perspectivele calitative cu datele financiare structurate. Unul dintre punctele forte cheie ale AlphaSense este capacitatea de a împuternici utilizatorii să facă mișcări curajoase cu încredere și viteză. Platforma oferă echipelor răspunsurile precise, perspectivele unice și actualizările critice de care au nevoie pentru a rămâne în fața competiției.
Diviziunea criteriilor
- Surse selectate
- Transcrieri ale experților Tegus
- Cercetări de brokeraj
- Rapoarte corporative
- Date financiare private și publice
- GenAI pentru perspective în timp real

Autoresearch
Un proiect open-source care permite agenților AI să ruleze autonom experimente de antrenare LLM și să păstreze cele mai bune modificări ale modelului.

Autoresearch este un proiect open-source care permite agenților AI să ruleze autonom experimente de antrenare LLM și să păstreze cele mai bune modificări ale modelului. Proiectul permite utilizatorilor să configureze un mediu de antrenare LLM mic, dar real, și să lase un agent AI să experimenteze cu el peste noapte, modificând codul, antrenând pentru o perioadă scurtă și verificând dacă rezultatele se îmbunătățesc. Scopul este de a automatiza procesul de cercetare, permițând agentului AI să exploreze diferite arhitecturi de model, hiperparametri și strategii de optimizare fără intervenție umană. Proiectul include o implementare simplificată a nanochat pentru un singur GPU și oferă o structură de bază pentru programarea procesului de cercetare a agentului AI folosind fișiere Markdown. Proiectul este conceput pentru a fi extensibil, permițând utilizatorilor să adauge mai mulți agenți și să îmbunătățească procesul de cercetare în timp.
Diviziunea criteriilor
- Experimente de antrenare LLM autonome
- Proces de cercetare condus de agent AI
- Implementare pentru un singur GPU a nanochat
- Programarea procesului de cercetare pe bază de Markdown
- Buget de timp de antrenare de 5 minute cu metrică de evaluare (val_bpb)

Cell2Sentence
Framework de încercare și analize a celulară și transcriptome, câmpie ai celulară și genexpressie transcriptome

Cell2Sentence este un framework open-source care transformă datele de expresie genetică a unui singur celulă în 'sentințele celulare' pentru analiză și generarea de înțelegere prin Modeluri de Limbaje Mari (LLM). Propune o transformare de tip ordonare pe baza rangului a vectorilor de expresie în sentințe celulare, care sunt numele de gene spațiate, ordonate în ordine descrescătoare a expresiei. Acest lucru permite Modelurilor de Limbaje Mari să modeleze natively datele de citire a ARN a secvenței de celule (scRNA-seq) utilizând limbajul natural. Framework-ul include modelele C2S-Scale, care unifică datele transcriptomice și textuale și permit sarcinile avansate ale celulei unice precum predicția de perturbație, rezumatul datelor, etichetarea grupurilor și răspunsul la întrebări biologice. Modelele C2S-Scale sunt disponibile pe Hugging Face și sunt bazate pe arhitecturi como Pythia și Gemma-2. Cell2Sentence este orientat către cercetători și științieni care lucrează cu datele de transcriptom ale celulei unice. Feram de bază a fost actualizată cu noile modele și caracteristici, inclusiv suport pentru fine-tuirea pe șablonuri de îndemn personalizate și formatare pe tipuri de celule. De asemenea, aceasta include un set de modele Pythia pentru predictia tipului de celulă, generare condiționată pe tipul de celulă și un model de multitășc multi-tip, antrenat pe peste 57 de milioane de celule om și muscă. Framwork-ul Cell2Sentence este documentat și are tutoriale pentru utilizare, inclusiv exemple de fine-tunare și formătare a prompturilor pentru mai multe celule. Dezvoltarea aplicației Cell2Sentence implică laboratorul Van Dijk și a fost publicată într-o prepublicare pe bioRxiv. Cell2Sentence permite descoperirea noului nivel al scintilării celulară având în vedere inteligența profundă.
Diviziunea criteriilor
- Analiza și interpris strâns celulare gene exprimare și transcriptome transcriptional gen exprimarea celulară și compunere transcriptomă
- Descărcarea încercare ai celulară și transcriptome transcriptional gen informația încelări AI încelerată celulare gen informații inteligență artificială celulară și transcriptome transcriptomă inteligență artificială celulară și transcriptome transcriptional gen informații inteligență artificială ce
- Translation:
- In-
- bioinformat
- description

THEUS (Aigora)
Sistem de cercetare AI pentru întreprinderi care transformă studiile proprietare în informații urmăribile cu ID-uri de fapte, citări și avatare de experți pentru sinteză.

THEUS este un sistem de cercetare AI pentru întreprinderi care transformă studiile proprietare în informații urmăribile cu ID-uri de fapte, citări și avatare de experți. Este construit pe Google's Agent Development Kit (ADK) și utilizează modelarea bidirecțională pentru agenți de cunoaștere bazați pe date. Utilizatorii pot extrage, sintetiza și explora datele de cercetare, iar fiecare afirmație este susținută de un ID de fapt specific cu citări la nivel de pagină. THEUS oferă două moduri de explorare: generarea de noi informații cu Dr. Reed sau analiza cunoștințelor existente cu Dr. Sinclair. Această platformă este concepută pentru VPs de Insights, Global Sensory Leads și lideri de inovare care evaluează construirea de capacități strategice. Utilizează o metodologie de cercetare special construită, nu AI întreprindere generică, și creează agenți de cunoaștere bazați pe date, antrenați pe date instituționale reale. Cu 85% dintre noile produse care eșuează în termen de doi ani (Nielsen), explorarea bazată pe dovezi îmbunătățește dramatic calitatea deciziilor. THEUS oferă un singur loc, care include caracteristici precum până la 30 de documente ingerate pe lună, până la 1.500 de pagini parseate pe lună și până la 500 de întrebări adresate Dr. Sinclair pe lună. Unul dintre principalele beneficii ale THEUS este capacitatea sa de a transforma zeci de date proprietare în informații inteligente, gata de decizie, cu agenți de cunoaștere AI.
Diviziunea criteriilor
- Extrageți, sintetizați și explorați datele de cercetare
- Generați noi informații cu Dr. Reed sau analizați cunoștințele existente cu Dr. Sinclair
- Modelare bidirecțională pentru agenți de cunoaștere bazați pe date
- Conectați cunoștințele despre produs și consumator pentru informații bidirecționale
- Suportă sinteza studiilor încrucișate și analiza golurilor de cercetare

StartupValidator
Validarea ideilor de startup AI folosind semnale live de pe Twitter și cercetare web pentru a genera un verdict evaluat cu riscuri, puncte forte și sugestii de pivotare.

StartupValidator este un instrument AI conceput pentru a valida ideile de startup folosind semnale live de pe Twitter și cercetare web. Acesta își propune să ofere un verdict evaluat privind viabilitatea unei idei de startup, evidențiind riscurile, punctele forte și sugerând posibile pivotări. Acest instrument pare să fie destinat antreprenorilor și fondatorilor de startup care doresc să evalueze fezabilitatea ideilor lor înainte de a investi resurse semnificative. Prin utilizarea datelor în timp real de pe Twitter și de pe web, StartupValidator oferă o abordare bazată pe date pentru validarea startup-urilor. Cu toate acestea, fără informații mai specifice despre metodologia și sursele de date, fiabilitatea și acuratețea instrumentului sunt incerte. Instrumentul probabil se integrează cu API-ul de Twitter și, posibil, cu alte surse de date web pentru a colecta informații relevante.
Diviziunea criteriilor
- Analiza semnalelor live de pe Twitter
- Integrarea cercetării web
- Verdict evaluat privind viabilitatea startup-ului
- Identificarea riscurilor și punctelor forte
- Sugestii de pivotare pentru îmbunătățire


Kosmos este un întâlnic explorator de AI și medici biologi și cercetatori. El analizează datele și literatura pentru a descrie proiectelor de cercetare extindeți și autentice, analizând în mod recursiv datelor și scopurile de literatură pentru a sprijini o întrebare de cercetare timpurie.
Diviziunea criteriilor
- Autonomous hypothesis generation
- Literature analysis
- Data analysis
- Scientific reporting
- Hypothesis Exploration
- Collaboration through Slack, Teams, and email

Table Agent
Asistent de date alimentat de inteligență artificială pentru cercetări tabulare
Table Agent este un asistent de date alimentat de inteligență artificială înființat pentru a ajuta la cercetarea tabulară. Este proiectat pentru a automatiza procesul de strângere de date cu privire la orice subiect specificat, făcând cercetarea mai eficientă. Acest instrument permite scheme de date personalizabile, ceea ce permite utilizatorilor să se adapteze colectarea de date pentru nevoile specifice. Această flexibilitate este avantajoasă într-un spectru larg de aplicații și industrii în care structura datelor poate varia semnificativ. La nucleul funcționalității Table Agent se află capacitatea sa de căutare a datelor bazată pe agent ai-potrivite. Acest lucru înseamnă că instrumentul utilizează inteligența artificială pentru a căuta activ și a compila date relevante, ceea ce ar putea reduce timpul și efortul necesare căutărilor manuale. În timp ce detalii despre fluxul său de lucru și integrații nu sunt furnizate, conceptul unui asistent de date ghidat de AI sugerează că ar putea fi integrat în mod lăuntric cu diversele instrumente de analiză a datelor, îmbunătățind astfel procesul de cercetare în ansamblu. "Puterile cheie ale agentului Tabel îl vor putea include pe abilitatea sa de a automata sarcinile de colectare a datelor laborioase și adaptabilitatea sa față de diferite structuri de date. Însă, fără mai multe informații specifice, este dificil să determinăm limitele sale sau modul în care se compara cu alte instrumente de asistent de date alternative."
Diviziunea criteriilor
- Colectare automată de date
- Scheme de date personalizabile
- Căutare a datelor condusă de agentul de inteligență artificială
- Recuperare rapidă și precisă a datelor

AMIE
Un agent diagnostic AI multimodal care conduce conversații clinice și interpretează imagini medicale pentru diagnostice precise.

AMIE (Articulate Medical Intelligence Explorer) este un agent AI de diagnosticare în cercetare dezvoltat de Google DeepMind și Google Research. Este conceput pentru a purta conversații clinice și a interpreta imagini medicale pentru diagnostice precise. Inițial, AMIE era un agent AI de diagnosticare medicală bazat pe text, publicat în Nature. Ultima evoluție, AMIE multimodal, integrează capacitatea de a solicita inteligent, interpreta și raționa asupra informațiilor vizuale medicale în timpul conversațiilor clinice. Acest progres are ca scop îmbunătățirea acurateței diagnosticului prin încorporarea datelor multimodale, cum ar fi imagini și documente, în procesul de diagnosticare. AMIE folosește un cadru de raționament conștient de stare și este construit pe modele Gemini multimodale. A fost evaluat prin evaluări experte, inclusiv Examene Clinice Structurate Obiective (OSCE), comparând performanța sa cu cea a medicilor de îngrijire primară (PCP) în diverse scenarii de pacienți.
Diviziunea criteriilor
- Dialog diagnostic multimodal
- Interpretarea informațiilor medicale vizuale
- Cadru de raționament conștient de stare
- Integrare cu modelele Gemini
- Mediu de simulare pentru evaluarea dialogului









