Agents AI reçoivent un boost de 45 milliards et des outils open-source

Financement d’agents similaires aux humains

NeoCognition a obtenu un tour de levée de 40 millions de dollars cette semaine. L’entreprise, fondée par un chercheur de l’Ohio State University, affirme que ses agents peuvent devenir des experts dans n’importe quel domaine sans reformation en tâches spécifiques. L’argent sera utilisé pour financer des embauches de talents et des clusters de calcul nécessaires pour échelonner le pipeline d’apprentissage.

TechCrunch a noté que l’approche de NeoCognition diffère de la rétunification fine des grands modèles de langage. Au lieu de prompter un modèle monolithique, la société construit des agents modulaires qui acquièrent des compétences à travers des curricula interactifs. L’affirmation est audacieuse, et le marché testera si les agents peuvent égaler les systèmes spécialistes dans les benchmarks du monde réel.

La levée place NeoCognition parmi une poignée d’entreprises de début de stade qui jouent sur l’apprentissage autonome. Les investisseurs semblent confortables avec le risque parce que la promesse d’expertise agnostique par rapport au domaine pourrait réduire les coûts de construction de solutions AI personnalisées.

Les puces Amazon alimentent la croissance de Claude

Anthropic a obtenu une investissement de 5 milliards de dollars d’Amazon, selon Ars Technica. Le deal comprend un engagement à acheter 5 gigawatts de puces de silicone de la société.

Anthropic prévoit de déplacer ses charges de travail d’inference sur les puces d’Amazon, ce qui devrait réduire la latence et les coûts d’exploitation alors que la demande pour Claude se développe. L’accord donne également à Amazon une ligne directe vers un modèle de conversation de premier plan, renforçant sa position par rapport aux concurrents qui dépendent de fournisseurs externes.

L’échelle du engagement en matière de hardware est remarquable. Cinq gigawatts de puces de silicone personnalisées correspondent à des milliers de serveurs d’inference, suffisants pour servir des millions d’utilisateurs concurrents. L’accord liera la feuille de route d’Anthropic à la feuille de route de l’hardware d’Amazon, créant une dépendance mutuelle qui pourrait façonner les décisions de tarification et de fonctionnalités futures.

Les outils open-source de multi-agent émergent

Un post HN Show a présenté Hermes, un cadre pour la construction d’assistants de recherche équité multi-agents. Hermes s’installe sur LlamaIndex et rassemble les pipelines d’ingestion de documents, l’accès à SEC EDGAR via la bibliothèque MIT-licenciée edgartools, et les générateurs de sortie qui produisent des modèles Excel et des rapports PDF. Le dépôt embarque des hooks d’environnements telles que HERMES_LLM_PROVIDER et HERMES_FRED_API_KEY pour simplifier la mise en œuvre.

Hermes permet aux ingénieurs d’utiliser des agents prêts à l’emploi directement ou de remplacer des outils personnalisés. Chaque module d’outil expose des fonctions asynchrones qui peuvent être appelées indépendamment, permettant des workflows hybrides qui mélangent l’orchestration d’agents avec la scripturation traditionnelle. Le projet a un licence open-source qui encourage les contributions de la communauté et une itération rapide.

Un autre contribution HN Show, Mira, traite l’automatisation de la recherche d’entreprise. Mira fouille des sites web, LinkedIn et Google Search, puis assemble un profil structuré avec des scores de confiance et des attributions de source. La logique d’arrêt précoce arrête le traitement une fois les points de données configurés atteignent un seuil de confiance, en sauvegardant l’économie d’API. La bibliothèque centrale est agnostique par rapport aux frameworks, et un frontend Next.js accompagnateur démontre l’utilisation de bout-en-bout avec Supabase pour l’authentification et le stockage de l’arrière-plan.

Les deux Hermes et Mira illustrent un déplacement vers des agents composites, spécifiques au domaine, qui peuvent être intégrés dans des pipelines existants. Les projets exposent la configuration via des variables d’environnement et fournissent des points d’extension clairs, abaissant le seuil pour que les ingénieurs expérimentent avec des architectures multi-agents.

Conséquences pour l’adoption AI des entreprises

La convergence de grands fonds, de puces personnalisées et de cadres d’agents prêts à l’emploi modifie l’économie de la construction de services AI spécialisés. Les entreprises qui ont précédemment externalisé la recherche à des analystes humains ont maintenant un chemin pour remplacer des parties de ce flux de travail avec des agents open-source s’exécutant sur des matériel personnalisé.

Cependant, les avantages restent. Hermes repose sur des données SEC qui peuvent être en retard par rapport aux mouvements du marché réel, et Mira’s crawl web peut heurter des limites de taux ou des pages d’entreprise obsolètes. Les mécanismes de scoring de confiance aident, mais ils n’éliminent pas la nécessité de vérification humaine. Les entreprises doivent peser les économies de coûts contre le risque d’outputs erronés.

Le deal de hardware d’Anthropic signale que l’inference à grande échelle sera de plus en plus lié à des puces de silicone propriétaires. Les sociétés qui ne peuvent pas sécuriser des accords similaires peuvent affronter une latence accrue ou une pression tarifaire. Le financement de semences de NeoCognition suggère que la prochaine vague d’agents visera à une applicabilité plus large, mais prouver cette affirmation nécessitera des tests de benchmark étendus à travers des domaines.

Ce à suivre

Suis les jalons de déploiement d’Anthropic sur la puces d’Amazon, surtout les benchmarks de latence et de coûts publics publiés dans les six prochains mois. Ces nombres indiqueront si les puces personnalisées délivrent les gains d’efficacité promises.

Surveille l’activité d’adoption de Hermes et Mira sur GitHub – les comptes d’étoiles, l’activité de rebranchement et le volume des questions. Une soudaine augmentation de contributions pourrait signaler que la communauté open-source co-créé des empilements de grade multi-agents de production.

Suis la feuille de route de NeoCognition pour un démonstration publique d’agent agnostique par rapport au domaine. Une démonstration réussie validera la thèse des investisseurs initiaux et pourrait déclencher des tours de financement ultérieurs.

Suis les commentaires réglementaires sur les agents de recherche financière multi-agents automatisés. À mesure que les outils multi-agents entrent dans les secteurs de la conformité lourde, les conseils des organismes tels que la SEC pourraient façonner comment les sociétés intègrent ces systèmes.