उत्तरप्रकाशित18 स्रोत
智子 Agent 1.0: ‘थ्री-बॉडी’ की 637वीं मिनी-ब्रह्मांड प्रशासक अब AI एजेंट
智子 Agent 1.0 को 25 अक्टूबर 2026 को बीजिंग में पेश किया गया। यह ‘थ्री बॉडी’ के 637वें मिनी ब्रह्मांड की प्रशासक 智子 को अपना चरित्र आधार बनाता है। जारी रिपोर्ट में PDD आर्किटेक्चर से पहला टोकन आने का समय 51.5% और प्रति ट... सार्वजनिक जानकारी में AgentWorks का नॉलेज बेस प्रबंधन, संरचित प्रॉम्प्ट और Infini Memory के जरिए...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- 智子 Agent 1.0 को 25 अक्टूबर 2026 को बीजिंग में पेश किया गया। यह ‘थ्री बॉडी’ के 637वें मिनी ब्रह्मांड की प्रशासक 智子 को अपना चरित्र आधार बनाता है। जारी रिपोर्ट में PDD आर्किटेक्चर से पहला टोकन आने का समय 51.5% और प्रति ट...
- सार्वजनिक जानकारी में AgentWorks का नॉलेज बेस प्रबंधन, संरचित प्रॉम्प्ट और Infini Memory के जरिए अलग अलग सत्रों में बातचीत जारी रखने की क्षमता शामिल है। अधिक विस्तृत मल्टी एजेंट परीक्षण और स्रोत पाठ पर आधारित मूल्यांक...
AI संकेत
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,
无问芯穹 और 三体宇宙 ने 25 अक्टूबर 2026 को बीजिंग में आयोजित Three-Body Day कार्यक्रम के दौरान 智子 Agent 1.0 पेश किया। यह ‘थ्री-बॉडी’ की हर तरह की 智子 छवि को दोहराने के बजाय 637वें मिनी-ब्रह्मांड की प्रशासक को अपना चरित्र-आधार बनाता है। इसका लक्ष्य कहानी की दुनिया से जुड़ा ज्ञान, पात्र की अभिव्यक्ति और बातचीत की मेमरी को एक साथ लाना है। रिपोर्टों में लंबे संदर्भ वाली बातचीत के लिए PDD इन्फरेंस आर्किटेक्चर पर भी जोर दिया गया है, हालांकि इसके कुछ तकनीकी विवरण और प्रदर्शन-परीक्षण की परिस्थितियाँ सार्वजनिक नहीं हैं। 21
18
33
智子 Agent 1.0 किसने पेश किया?
यह एजेंट 无问芯穹 और 三体宇宙 के बीच रणनीतिक सहयोग का पहला संयुक्त नतीजा है। इसे 无问芯穹 के सह-संस्थापक और CEO 夏立雪 तथा 三体宇宙 के CEO 赵骥龙 ने पेश किया। 21
18
उत्पाद को ‘थ्री-बॉडी की दुनिया का विशेषज्ञ’ बताया गया है। इसका चरित्र-आधार 637वें मिनी-ब्रह्मांड की प्रशासक 智子 है। इसका उद्देश्य उपयोगकर्ताओं को ‘थ्री-बॉडी’ की दुनिया और पात्रों पर कई दौर तक बातचीत करने देना और अलग-अलग सत्रों के बीच बातचीत की याद बनाए रखना है। 18
21
इस लॉन्च की खबर 25 अक्टूबर को द बीजिंग न्यूज़ के बेइके फाइनेंस संवाददाता 罗亦丹 ने दी, जिसकी रिपोर्ट 新浪财经 पर प्रकाशित हुई। साइंस एंड टेक्नोलॉजी डेली ने अगले दिन इस पर रिपोर्ट की और CSDN ने 27 अक्टूबर को तकनीकी परिचय प्रकाशित किया। 21
33
19 उपलब्ध रिपोर्टें चरित्र की रूपरेखा, AgentWorks प्लेटफ़ॉर्म और इन्फरेंस आर्किटेक्चर पर केंद्रित हैं; इनमें उत्पाद के मूल्यांकन की पूरी योजना नहीं दी गई।
AgentWorks में ज्ञान, चरित्र और मेमरी का मेल
रिपोर्टों के मुताबिक, 智子 Agent 1.0 को 无问芯穹 के AgentWorks एजेंट-डेवलपमेंट प्लेटफ़ॉर्म पर बनाया गया है। CSDN के विवरण में ज्ञान प्रबंधन के लिए ‘Collection—नॉलेज-बेस समूह’ संरचना का उल्लेख है। इसके तहत कई तरह की सामग्री को पार्स करने, हिस्सों में बाँटने और एम्बेडिंग के लिए तैयार करने की सुविधा बताई गई है। नॉलेज-बेस समूह के जरिए खोज से जुड़े पैरामीटर एक जगह व्यवस्थित किए जा सकते हैं। 19
एक अन्य रिपोर्ट के अनुसार, पात्र की शैली संभालने के लिए संरचित प्रॉम्प्ट का इस्तेमाल होता है। Infini Memory नाम की प्रणाली बातचीत की मेमरी को अलग-अलग सत्रों में आगे बढ़ाने और कहानी की दुनिया से जुड़ी सामग्री उपलब्ध कराने में मदद करती है। 23 ये क्षमताएँ पात्र की शैली और लंबे संवादों के लिए तकनीकी आधार देती हैं, लेकिन रिपोर्टों से यह साबित नहीं होता कि हर बातचीत में मेमरी हमेशा सही, पूरी या मूल कथा के अनुरूप ही रहेगी।
मल्टी-एजेंट प्रक्रिया पर एक अंग्रेज़ी उद्योग-सारांश में ‘जनरेट—जाँच—संशोधन’ चक्र का उल्लेख है। इसमें एक अलग समीक्षक एजेंट जवाब भेजे जाने से पहले पात्र की संगति जाँचता है। 1 हालांकि, उपलब्ध सामग्री यह स्पष्ट नहीं करती कि पात्र का जवाब तैयार करना और ज्ञान खोजना समानांतर होता है या नहीं, सामग्री में चुनिंदा संशोधन किस तरह होता है, अथवा मूल पाठ से जवाबों का स्वतः मिलान और उसके बाद मानवीय समीक्षा की जाती है या नहीं। इसलिए इन विस्तृत प्रक्रियाओं को इस उत्पाद की सत्यापित सुविधा के रूप में पेश करना उचित नहीं होगा।
PDD आर्किटेक्चर और प्रदर्शन के दावे
लॉन्च से जुड़ी रिपोर्टों में 智子 Agent 1.0 की इन्फरेंस सेवा को 无问芯穹 के क्रॉस-क्लस्टर, अलग-अलग तरह के कंप्यूटिंग संसाधनों का उपयोग करने वाले PDD आर्किटेक्चर से जोड़ा गया है। रिपोर्टों के मुताबिक, यह पारंपरिक P–D विभाजन को P–RLD–MD नाम के तीन चरणों वाली व्यवस्था में बदलता है। लेकिन उपलब्ध उत्पाद-लॉन्च रिपोर्टें इन चरणों की भूमिकाएँ विस्तार से नहीं बतातीं। 33
35
रिपोर्ट में यह भी कहा गया है कि सिस्टम डिकोडिंग चरण में RadixCache प्रीफ़िक्स कैश का उपयोग करता है। एजेंट के अनुरोधों में अक्सर दोहराए जाने वाले प्रीफ़िक्स का फायदा उठाकर, यह क्लस्टरों के बीच KV Cache डेटा के स्थानांतरण को कम करने के लिए बनाया गया है। 无问芯穹 से जुड़ी रिपोर्ट के अनुसार, इससे डेटा ट्रांसफ़र एक ऑर्डर ऑफ़ मैग्निट्यूड—यानी लगभग दस गुना—कम हुआ। रिपोर्ट इसे ईथरनेट नेटवर्क में बैंडविड्थ और देरी की बाधा घटाने से जोड़ती है। 35 यह रिपोर्ट में बताए गए आर्किटेक्चर का दावा है; इसका अर्थ यह नहीं कि हर सामान्य ईथरनेट व्यवस्था हर तरह की तैनाती के लिए पर्याप्त होगी।
उसी रिपोर्ट में माप के नतीजों के तौर पर पहला टोकन आने के समय में 51.5% और प्रति टोकन लागत में 37.5% कमी बताई गई है। इन्हें लंबे संदर्भ और एक साथ कई बातचीत संभालने में आर्किटेक्चर की उपयोगिता के समर्थन में पेश किया गया है। 35 हालांकि, उपलब्ध रिपोर्ट में हार्डवेयर, नेटवर्क की स्थितियाँ, तुलना के आधार और समानांतर अनुरोधों की संख्या जैसी पूरी जानकारी नहीं है। इसलिए इन आँकड़ों को रिपोर्ट में प्रकाशित नतीजे के रूप में देखना चाहिए, हर जगह दोहराए जा सकने वाले प्रदर्शन की गारंटी के रूप में नहीं।
तयशुदा चरित्र-प्रॉम्प्ट को कैशिंग से कैसे मदद मिल सकती है?
जब कई अनुरोधों की शुरुआत एक ही टोकन प्रीफ़िक्स से होती है, तो प्रीफ़िक्स कैश उस हिस्से की पहले से बनी कैश स्थिति का दोबारा उपयोग कर सकता है। इससे हर बार वही संदर्भ नए सिरे से संसाधित करने की जरूरत कम हो सकती है। 41 लंबे और स्थिर चरित्र-विवरण वाली बातचीत में—यदि प्रीफ़िक्स मेल खाता हो, कैश उपलब्ध हो और अनुरोध सही जगह भेजा जाए—तो बार-बार की गणना या कैश डेटा का ट्रांसफ़र घट सकता है। यह एजेंट अनुरोधों में प्रीफ़िक्स कैशिंग पर रिपोर्ट के जोर से मेल खाता है।
35
लेकिन केवल उपयोगकर्ता का दोबारा लौटना कैश हिट की गारंटी नहीं देता। प्रॉम्प्ट का शुरुआती हिस्सा बदलने या कैश स्थिति उपलब्ध न होने पर पुरानी सामग्री का पुनः उपयोग संभव नहीं भी हो सकता है। प्रकाशित रिपोर्टों में 智子 Agent की वास्तविक कैश हिट दर या लौटकर आने वाले उपयोगकर्ताओं के अलग-अलग परिदृश्यों के माप उपलब्ध नहीं हैं।
कुल मिलाकर, सार्वजनिक जानकारी 智子 Agent 1.0 की यह तस्वीर पेश करती है: 637वें मिनी-ब्रह्मांड की प्रशासक को चरित्र-आधार बनाकर, नॉलेज-बेस, संरचित प्रॉम्प्ट और अलग-अलग सत्रों में जारी रहने वाली मेमरी के सहारे बातचीत करना; और लंबे संदर्भ वाले अनुरोधों के लिए PDD तथा प्रीफ़िक्स कैशिंग का उपयोग करना। प्रदर्शन में घोषित सुधार ध्यान खींचते हैं, लेकिन विस्तृत मल्टी-एजेंट मूल्यांकन और परीक्षण की परिस्थितियों पर अभी और जानकारी चाहिए। 19
21
23
35
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"智子 Agent 1.0: ‘थ्री-बॉडी’ की 637वीं मिनी-ब्रह्मांड प्रशासक अब AI एजेंट" का संक्षिप्त उत्तर क्या है?
智子 Agent 1.0 को 25 अक्टूबर 2026 को बीजिंग में पेश किया गया। यह ‘थ्री बॉडी’ के 637वें मिनी ब्रह्मांड की प्रशासक 智子 को अपना चरित्र आधार बनाता है। जारी रिपोर्ट में PDD आर्किटेक्चर से पहला टोकन आने का समय 51.5% और प्रति ट...
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
智子 Agent 1.0 को 25 अक्टूबर 2026 को बीजिंग में पेश किया गया। यह ‘थ्री बॉडी’ के 637वें मिनी ब्रह्मांड की प्रशासक 智子 को अपना चरित्र आधार बनाता है। जारी रिपोर्ट में PDD आर्किटेक्चर से पहला टोकन आने का समय 51.5% और प्रति ट... सार्वजनिक जानकारी में AgentWorks का नॉलेज बेस प्रबंधन, संरचित प्रॉम्प्ट और Infini Memory के जरिए अलग अलग सत्रों में बातचीत जारी रखने की क्षमता शामिल है। अधिक विस्तृत मल्टी एजेंट परीक्षण और स्रोत पाठ पर आधारित मूल्यांक...