RespuestasPublicado18 fuentes
La IA de Zhizi combina el universo de «El problema de los tres cuerpos» con memoria entre conversaciones
Zhizi Agent 1.0 se presentó en Pekín el 25 de octubre de 2026 y toma como referencia a la administradora del miniuniverso 637 de «El problema de los tres cuerpos». La información disponible describe bases de conocimiento en AgentWorks, indicaciones estructuradas para definir el personaje y memoria entre sesiones med...
Publicado porEditado con GPT-6 LunaImágenes generadas con GPT Image 2
Respuesta de investigación
Conclusiones clave
- Zhizi Agent 1.0 se presentó en Pekín el 25 de octubre de 2026 y toma como referencia a la administradora del miniuniverso 637 de «El problema de los tres cuerpos».
- La información disponible describe bases de conocimiento en AgentWorks, indicaciones estructuradas para definir el personaje y memoria entre sesiones mediante Infini Memory.
Prompt de IA
openai.comCreate a landscape editorial hero image for this Studio Global article: How did Infinigence AI and Three-Body Universe launch their Sophon-named mini-universe administrator character agent at the October 25, 2026. Article summary: Infinigence AI and Three-Body Universe unveiled **Sophon/Zhizi Agent 1.0 (智子Agent 1.0)** as the first result of their strategic partnership at Beijing’s October 25, 2026 Three-Body Day carnival, jointly presented by Infi. Topic tags: general, general web, user generated, documentation. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks,
Wuwen Xinqiong —también conocida como Infinigence AI— y Three-Body Universe presentaron Zhizi Agent 1.0 en Pekín el 25 de octubre de 2026, durante el evento Three-Body Day. El agente no pretende reproducir todas las versiones de Zhizi de la saga: su personaje de referencia es la administradora del miniuniverso 637. La propuesta combina su forma de expresarse con el conocimiento del mundo de «El problema de los tres cuerpos» y la memoria de las conversaciones.18
21
El anuncio también puso el foco en la arquitectura de inferencia PDD, que, según los reportes, está pensada para atender interacciones con contextos largos. Sin embargo, la información pública no aclara todos los detalles de su implementación ni las condiciones de las pruebas de rendimiento.33
35
Quién presentó el agente y cómo se informó del lanzamiento
Zhizi Agent 1.0 es el primer resultado anunciado de la colaboración estratégica entre Wuwen Xinqiong y Three-Body Universe. Lo presentaron conjuntamente Xia Lixue, cofundadora y directora ejecutiva de Wuwen Xinqiong, y Zhao Jilong, director ejecutivo de Three-Body Universe.18
21
El producto se describe como un «experto en el universo de Three-Body». Su punto de partida es la Zhizi que administra el miniuniverso 637: el agente permite conversar sobre la saga y sus personajes en varios turnos, y busca mantener cierta continuidad entre sesiones.18
21
El anuncio fue recogido el 25 de octubre por Luo Yidan, periodista de Beike Finance de Beijing News, en un artículo publicado por Sina Finance. Science and Technology Daily informó al día siguiente y CSDN publicó una explicación técnica el 27 de octubre.21
33
19 La cobertura se centró en el diseño del personaje, la plataforma AgentWorks y la infraestructura de inferencia, no en una evaluación completa del producto.
Qué se sabe de AgentWorks, el conocimiento y la memoria
Según la información divulgada, el agente se construyó con AgentWorks, la plataforma de desarrollo de agentes de Wuwen Xinqiong. CSDN describe una organización del conocimiento en dos niveles —«Collection» y grupos de bases de conocimiento— que permite preparar materiales del universo de la saga para su consulta: el sistema puede procesar distintos formatos, dividir los documentos en fragmentos y generar representaciones para la búsqueda.19
Otro reporte señala que el producto utiliza indicaciones estructuradas para gestionar la expresión del personaje y el sistema de memoria Infini Memory para recuperar información del universo narrativo y dar continuidad a conversaciones entre sesiones.23 Son recursos que pueden ayudar a mantener el estilo y el contexto, pero los reportes no demuestran que la memoria sea siempre completa o que las respuestas nunca se aparten de la caracterización.
En cuanto a la coordinación entre agentes, un resumen secundario en inglés menciona un ciclo de «generar, evaluar y revisar», en el que un agente revisor comprueba la coherencia con el personaje antes de enviar la respuesta.1 La información disponible no explica con suficiente detalle si la generación del personaje y la consulta de conocimiento ocurren en paralelo, cómo se decide qué revisar ni si hay un proceso automatizado de contraste con el texto original seguido de revisión humana. Por eso, esos procedimientos no deben darse por confirmados.
Qué promete la arquitectura PDD
La cobertura técnica vincula el servicio de Zhizi Agent 1.0 con una arquitectura PDD de inferencia heterogénea entre clústeres. Según esos reportes, el esquema amplía la separación convencional P–D —prefill y decodificación, dos fases de la inferencia— a una estructura de tres etapas: P–RLD–MD. Los materiales sobre el lanzamiento no describen con claridad la función concreta de cada etapa.33
35
También se informa de que el sistema emplea RadixCache en la fase de decodificación. Esta caché de prefijos puede reutilizar el estado asociado a una parte inicial de la solicitud cuando varias peticiones comparten los mismos tokens, en lugar de procesar desde cero ese mismo prefijo cada vez.35
41 La empresa afirma que esta estrategia redujo en un orden de magnitud la cantidad de datos KV Cache transferidos entre clústeres y ayudó a aliviar los cuellos de botella de ancho de banda y latencia en entornos Ethernet.
35
Los resultados divulgados atribuyen a la arquitectura una reducción del 51,5 % en la latencia hasta el primer token y del 37,5 % en el coste por token. Se presentan como mejoras relevantes para conversaciones con contextos largos y muchas interacciones simultáneas.35 Sin embargo, los extractos publicados no incluyen todos los datos sobre hardware, red, configuración de las pruebas o condiciones de comparación. Conviene entender esas cifras como resultados comunicados en los reportes, no como una garantía de rendimiento aplicable a cualquier sistema.
Por qué puede importar la caché en una conversación de personaje
Si muchas solicitudes comparten exactamente el mismo prefijo largo —por ejemplo, una instrucción fija que define la personalidad—, la caché podría permitir reutilizar parte del estado ya calculado. Pero que una persona vuelva a conversar no basta para asegurar que haya reutilización: también importan que los prefijos coincidan, que la caché siga disponible y cómo se dirija la solicitud.35
41
En resumen: la información pública describe un agente basado en la administradora del miniuniverso 637, con bases de conocimiento, instrucciones para definir el personaje y memoria entre sesiones. También atribuye mejoras de velocidad y coste a una arquitectura PDD con caché de prefijos. Quedan por aclarar los detalles de la coordinación multiagente, la evaluación de fidelidad a la obra y las condiciones completas de las pruebas.19
21
23
35
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
La gente también pregunta
¿Cuál es la respuesta corta a "La IA de Zhizi combina el universo de «El problema de los tres cuerpos» con memoria entre conversaciones"?
Zhizi Agent 1.0 se presentó en Pekín el 25 de octubre de 2026 y toma como referencia a la administradora del miniuniverso 637 de «El problema de los tres cuerpos».
¿Cuáles son los puntos clave a validar primero?
Zhizi Agent 1.0 se presentó en Pekín el 25 de octubre de 2026 y toma como referencia a la administradora del miniuniverso 637 de «El problema de los tres cuerpos». La información disponible describe bases de conocimiento en AgentWorks, indicaciones estructuradas para definir el personaje y memoria entre sesiones mediante Infini Memory.