RECUESTA ha lanzado ASI-1 Mini, un modelo de lenguaje grande Nativo de Web3 diseñado para admitir flujos de trabajo de IA agente complejos.
Descrito como un gamechanger para la accesibilidad y el rendimiento de la IA, ASI-1 Mini se anuncia por entregar resultados a la par con los principales LLM, pero a costos de hardware significativamente reducidos, un salto hacia adelante en la preparación de AI para la empresa.
ASI-1 Mini se integra en los ecosistemas Web3, permitiendo interacciones AI seguras y autónomas. Su lanzamiento establece las bases para una innovación más amplia dentro del sector de IA, incluido el inminente lanzamiento de Cortex Suite, que mejorará aún más el uso de modelos de idiomas grandes e inteligencia generalizada.
“Este lanzamiento marca el comienzo del despliegue de ASI-1 Mini y una nueva era de IA de propiedad comunitaria. Al descentralizar la cadena de valor de la IA, estamos capacitando a la comunidad Web3 para invertir, entrenar y poseer modelos de IA fundamentales «, dijo Humayun Sheikh, CEO de Fetch.ai y presidente de la Alianza de Superinteligencia Artificial.
«Pronto introduciremos la integración avanzada de herramientas de agente, las capacidades multimodales y la sinergia Web3 más profunda para mejorar las capacidades de automatización de ASI-1 Mini mientras mantienen la creación del valor de la IA en manos de sus contribuyentes».
Democratización de IA con Web3: propiedad descentralizada y valor compartido
La clave de Fetch.ai es la democratización de los modelos de IA fundamentales, lo que permite que la comunidad Web3 no solo use, sino también capacite y posee LLM patentadas como ASI-1 Mini.
Esta descentralización desbloquea oportunidades para que las personas se beneficien directamente del crecimiento económico de los modelos de IA de vanguardia, lo que podría lograr valoraciones multimillonarias.
A través de la plataforma de Fetch.ai, los usuarios pueden invertir en colecciones de modelos de IA curadas, contribuir a su desarrollo y compartir los ingresos generados. Por primera vez, la descentralización está impulsando la propiedad del modelo de inteligencia artificial: los beneficios financieros de la que los beneficios se distribuyen de manera más equitativa.
Razonamiento avanzado y rendimiento a medida
ASI-1 Mini introduce la adaptabilidad en la toma de decisiones con cuatro modos de razonamiento dinámico: razonamiento múltiple, completo, optimizado y corto. Esta flexibilidad le permite equilibrar la profundidad y la precisión en función de la tarea específica en cuestión.
Ya sea que realice una intrincada resolución de problemas de múltiples capas o entregando ideas concisas y procesables, ASI-1 Mini se adapta dinámicamente para obtener la máxima eficiencia. Su mezcla de modelos (MOM) y la mezcla de marcos de agentes (MOA) mejoran aún más esta versatilidad.
Mezcla de modelos (mamá):
ASI-1 Mini selecciona modelos relevantes dinámicamente de un conjunto de modelos de IA especializados, que están optimizados para tareas o conjuntos de datos específicos. Esto garantiza una alta eficiencia y escalabilidad, especialmente para la IA multimodal y el aprendizaje federado.
Mezcla de agentes (MOA):
Los agentes independientes con capacidades únicas de conocimiento y razonamiento funcionan en colaboración en colaboración para resolver tareas complejas. El mecanismo de coordinación del sistema garantiza una distribución eficiente de tareas, allanando el camino para los modelos de IA descentralizados que prosperan en sistemas dinámicos de agentes múltiples.
Esta arquitectura sofisticada se basa en tres capas interactivas:
Al activar selectivamente solo los modelos y agentes necesarios, el sistema garantiza el rendimiento, la precisión y la escalabilidad en las tareas en tiempo real.
Transformando la eficiencia y accesibilidad de la IA
A diferencia de las LLM tradicionales, que vienen con altos gastos generales computacionales, ASI-1 Mini está optimizado para el rendimiento de grado empresarial en solo dos GPU, lo que reduce los costos de hardware por una notable ocho veces. Para las empresas, esto significa costos de infraestructura reducidos y una mayor escalabilidad, desglosando barreras financieras para la integración de IA de alto rendimiento.
En pruebas de referencia, como la comprensión de lenguaje multitarea masiva (MMLU), ASI-1 Mini coincide o supera los LLM líderes en dominios especializados como medicina, historia, negocios y razonamiento lógico.
Al implementar en dos fases, ASI-1 Mini pronto procesará conjuntos de datos mucho más grandes con las próximas expansiones de las ventanas de contexto:
- Hasta 1 millón de fichas: Permite que el modelo analice documentos complejos o manuales técnicos.
- Hasta 10 millones de fichas: Habilita aplicaciones de alto riesgo como revisión de registros legales, análisis financiero y conjuntos de datos a escala empresarial.
Estas mejoras harán que ASI-1 Mini invaluable para tareas complejas y de múltiples capas.
Abordar el problema de «caja negra»
La industria de la IA ha enfrentado durante mucho tiempo el desafío de abordar el problema de la caja negra, donde los modelos de aprendizaje profundo llegan a conclusiones sin explicaciones claras.
ASI-1 mitiga este problema con un razonamiento continuo de varios pasos, facilitando las correcciones en tiempo real y la toma de decisiones optimizada. Si bien no elimina por completo la opacidad, ASI-1 proporciona resultados más explicables, crítico para industrias como la atención médica y las finanzas.
Su arquitectura de modelos de varios expertos no solo garantiza la transparencia, sino que también optimiza los flujos de trabajo complejos en diversos sectores. Desde la gestión de bases de datos hasta ejecutar la lógica comercial en tiempo real, ASI-1 supera a los modelos tradicionales tanto en velocidad como en confiabilidad.
Integración de Agentverse: construcción de la economía de IA agente
ASI-1 Mini está configurado para conectarse con Agentverse, el mercado de agentes de Fetch.ai, proporcionando a los usuarios las herramientas para construir e implementar agentes autónomos capaces de ejecución de tareas del mundo real a través de comandos de lenguaje simples. Por ejemplo, los usuarios pueden automatizar la planificación de viajes, las reservas de restaurantes o las transacciones financieras a través de «micro agentes» alojados en la plataforma.
Este ecosistema permite la personalización y monetización de la IA de código abierto, creando una «economía agente» donde los desarrolladores y empresas prosperan simbióticamente. Los desarrolladores pueden monetizar los micro agentes, mientras que los usuarios obtienen un acceso sin problemas a las soluciones de IA personalizadas.
A medida que su ecosistema agente madura, ASI-1 Mini tiene como objetivo evolucionar a una potencia multimodal capaz de procesar texto, imágenes y conjuntos de datos complejos con la toma de decisiones con el contexto.
Ver también: Endor Labs: transparencia de IA vs ‘lavado abierto’
¿Quiere obtener más información sobre AI y Big Data de los líderes de la industria? Verificar AI y Big Data Expo que tiene lugar en Amsterdam, California y Londres. El evento integral está ubicado en otros eventos líderes, incluidos Conferencia de automatización inteligente, Bloqueo, Semana de transformación digitaly Cyber Security & Cloud Expo.
Explore otros próximos eventos y seminarios web tecnológicos empresariales con TechForge aquí.
Fuente: Fetch.ai lanza el primer modelo Web3 AGENIC AI