عصر هارنسهای مستقل داره تموم میشه
هوش مصنوعیخلاصهٔ کاملتر
آکاش باجوا تو این یادداشت میگه دو دنیایی که تا دیروز مکمل هم بودن دارن به هم میرسن: آنتروپیک داره اپلیکیشنهایی میسازه که با مشتریهای خودش رقابت میکنه، و از اون طرف هاروی که یه استارتاپ حقوقی روی مدلهای آماده بود، رفته سراغ آموزش مدل. سؤال اصلی اینه که هر نوع کار رو باید فقط با مهندسی ایجنت حل کرد یا باید تا آموزش کامل مدل جلو رفت.
هارنس دقیقاً چیه؟ نویسنده به تعریف LangChain ارجاع میده: مدلها متن و تصویر و صدا میگیرن و متن بیرون میدن، همین. از خودشون نه حافظهٔ ماندگار بین گفتگوها دارن، نه کد اجرا میکنن، نه به دانش لحظهای وصلن و نه میتونن محیط و پکیج آماده کنن. همهٔ اینا لایهٔ هارنسه؛ همون چیزی که یه زمانی با تحقیر بهش میگفتن wrapper.
حرف اصلی مقاله اینه که سقف کارایی وقتی بالا میره که مدل و هارنس با هم طراحی بشن. به گفتهٔ آنتروپیک، موقع سنجش مدل ناچاری اون رو کنار یه هارنس تست کنی و طبیعتاً هارنس خودت رو انتخاب میکنی، پس این دوتا به هم چسبیده میمونن. یانگ ژیلین، همبنیانگذار Moonshot AI، هم میگه ساختن اپ دستاول یعنی اول ابزارها رو طراحی میکنی و بعد مدل رو داخل همون محیط آموزش میدی — برعکسِ مهندسی معکوس، و با سقف بالاتر.
آیسو کانت از Poolside مسیر متفاوتی رو تعریف میکنه: هارنس حداقلی. به نظر اون مدلهایی که با یادگیری تقویتی آموزش میبینن دوست ندارن بین ۵۰ تا ابزارِ چیدهشده تو system prompt بچرخن؛ بهتره یه کانتینر با کدبیس، کلیدهای API و مستندات خودشون بهشون بدی و آزاد بذاری. پیشبینیش اینه که تا یه سال دیگه پرامپت سیستمیِ پر از ۳۰ تا ۴۰ ابزار رو دیگه نمیبینیم.
بخش پایانی دربارهٔ اقتصاد ماجراست. نویسنده میگه بازار سازمانی روی معیار هوش بهازای دلار ثابت شده و خریدارها دنبال کسیان که مرز پارتو رو جلوتر ببره. حاشیهٔ سود اینفرنس کسبوکار API آنتروپیک الان بیش از ۷۰ درصد گزارش شده، در حالی که تو ۲۰۲۵ حدود ۳۸ تا ۴۰ درصد بود. به نظر اون شانس آزمایشگاههای ایجنت اینه که تو یه حوزهٔ خاص همون کیفیت رو با حاشیهٔ سودی بدن که مدلسازهای بزرگ حاضر نیستن پاش برن.
نکات کلیدی:
- آزمایشگاههای مدل و ایجنت دارن وارد زمین همدیگه میشن
- هارنس همون لایهایه که به مدل حافظه، ابزار و محیط اجرا میده
- طراحی همزمان مدل و هارنس، سقف کارایی رو بالاتر میبره
- Poolside طرفدار هارنس حداقلی و آزاد گذاشتن مدل تو یه کانتینره
- معیار خرید سازمانی شده هوش بهازای دلار، و رقابت سر حاشیهٔ سوده
