JawabanDipublikasikan18 sumber
智子 Agent 1.0 Hadir, Mengandalkan Memori Percakapan dan Arsitektur PDD
智子 Agent 1.0 diluncurkan di Beijing pada 25 Oktober 2026 dengan karakter administrator semesta mini nomor 637 dari 《三体》. Informasi yang tersedia menyebut pengelolaan basis pengetahuan melalui AgentWorks, prompt terstruktur, dan memori lintas sesi Infini Memory.
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- 智子 Agent 1.0 diluncurkan di Beijing pada 25 Oktober 2026 dengan karakter administrator semesta mini nomor 637 dari 《三体》.
- Informasi yang tersedia menyebut pengelolaan basis pengetahuan melalui AgentWorks, prompt terstruktur, dan memori lintas sesi Infini Memory.
AI Perintah
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 dan 三体宇宙 meluncurkan 智子 Agent 1.0 dalam acara 三体日 di Beijing pada 25 Oktober 2026. Agen ini tidak dimaksudkan sebagai tiruan menyeluruh dari semua sosok 智子 dalam 《三体》. Karakternya berpusat pada administrator semesta mini nomor 637, dengan perpaduan pengetahuan tentang dunia cerita, gaya bicara karakter, dan memori percakapan. Laporan peluncuran juga menyoroti arsitektur inferensi PDD untuk mendukung interaksi dengan konteks panjang. Namun, sejumlah detail implementasi dan kondisi pengujian kinerja belum dijelaskan secara lengkap.21
18
33
Siapa yang meluncurkan 智子 Agent 1.0?
智子 Agent 1.0 merupakan hasil kerja sama pertama 无问芯穹 dan 三体宇宙 setelah keduanya mengumumkan kemitraan strategis. Produk ini diperkenalkan bersama oleh Xia Lixue, salah satu pendiri sekaligus CEO 无问芯穹, dan Zhao Jilong, CEO 三体宇宙.21
18
Produk tersebut diposisikan sebagai “pakar dunia 《三体》”. Karakternya mengambil dasar dari 智子, administrator semesta mini nomor 637. Pengguna dapat bercakap-cakap dengannya dalam beberapa putaran, sementara kemampuan memori lintas sesi diklaim membantu menjaga kesinambungan interaksi.18
21
Kabar peluncuran diberitakan pada 25 Oktober oleh Luo Yidan, jurnalis Beike Finance dari The Beijing News, dalam artikel yang dimuat di Sina Finance. Science and Technology Daily menyusul pada hari berikutnya, sementara CSDN menerbitkan ulasan teknis pada 27 Oktober.21
33
19 Pemberitaan yang tersedia terutama membahas rancangan karakter, platform AgentWorks, dan arsitektur inferensi—bukan laporan uji produk yang lengkap.
Cara AgentWorks mengelola pengetahuan, karakter, dan memori
Menurut laporan, 智子 Agent 1.0 dibangun menggunakan platform pengembangan agen AgentWorks milik 无问芯穹. Ulasan CSDN menjelaskan bahwa materi dikelola melalui struktur “Collection—kelompok basis pengetahuan”. Berbagai format dokumen dunia 《三体》 dapat diproses, dipecah menjadi bagian-bagian, lalu disiapkan untuk pencarian melalui embedding. Pengaturan pencarian juga dapat dikelola secara terpusat melalui kelompok basis pengetahuan.19
Laporan peluncuran lain menyebut penggunaan prompt terstruktur untuk mengatur cara karakter berbicara, serta sistem Infini Memory untuk mendukung kelanjutan memori antarsesi dan pemanggilan materi tentang dunia cerita.23 Fitur-fitur ini menjadi fondasi teknis bagi gaya karakter dan percakapan berkelanjutan. Namun, laporan tersebut tidak membuktikan bahwa ingatan selalu akurat, lengkap, atau konsisten dengan cerita dalam setiap percakapan.
Untuk alur kerja multiagen, sebuah rangkuman industri berbahasa Inggris menyebut mekanisme “generate–judge–revise”: satu agen menyusun jawaban, lalu agen peninjau terpisah memeriksa konsistensi karakter.1 Akan tetapi, materi yang tersedia belum menjelaskan secara cukup apakah pembuatan jawaban karakter dan pencarian pengetahuan berjalan paralel, bagaimana revisi dipilih, atau apakah ada proses evaluasi otomatis yang mencocokkan jawaban dengan teks asli dan ditinjau manusia. Karena itu, detail-detail tersebut belum dapat dianggap sebagai fitur yang sudah terverifikasi.
Arsitektur PDD dan angka kinerja yang diumumkan
Pemberitaan peluncuran mengaitkan layanan inferensi 智子 Agent 1.0 dengan arsitektur PDD lintas klaster heterogen milik 无问芯穹. Arsitektur ini disebut mengembangkan pemisahan konvensional P–D menjadi tiga tahap, yaitu P–RLD–MD. Namun, laporan produk yang tersedia belum menjelaskan secara terperinci tugas masing-masing tahap.33
35
Menurut laporan yang sama, sistem menggunakan RadixCache di sisi decode untuk menyimpan awalan (prefix) yang berulang dalam permintaan agen. Tujuannya adalah mengurangi pemindahan data KV Cache antarklaster. 无问芯穹 menyatakan jumlah data yang perlu dikirim turun satu tingkat besaran dan menyebut pendekatan ini membantu mengatasi kendala bandwidth serta latensi dalam lingkungan Ethernet.35 Klaim tersebut menggambarkan dampak arsitektur yang dilaporkan, bukan jaminan bahwa semua konfigurasi Ethernet biasa akan memenuhi kebutuhan setiap penerapan.
Laporan itu juga menyebut hasil pengukuran berupa penurunan latensi hingga token pertama sebesar 51,5% dan biaya per token sebesar 37,5%. Angka tersebut disampaikan sebagai dukungan bagi percakapan dengan konteks panjang dan banyak interaksi bersamaan.35 Namun, kutipan laporan yang tersedia tidak mencantumkan secara lengkap perangkat keras, kondisi jaringan, pembanding, ataupun pengaturan beban serentak. Jadi, angka-angka itu sebaiknya dipahami sebagai hasil yang diumumkan dalam pemberitaan, bukan jaminan kinerja umum yang dapat direplikasi secara independen.
Mengapa awalan karakter yang tetap bisa membantu?
Cache awalan dapat menggunakan kembali status cache ketika beberapa permintaan memiliki awalan token yang sama, alih-alih memproses ulang bagian konteks tersebut dari awal.41 Dalam percakapan dengan instruksi karakter tetap yang panjang, penggunaan ulang ini berpotensi mengurangi komputasi berulang atau pemindahan data cache—selama awalan benar-benar cocok, cache masih tersedia, dan permintaan diarahkan dengan tepat. Mekanisme ini sejalan dengan penekanan laporan pada cache awalan untuk beban kerja agen.
35
Namun, pengguna yang kembali belum tentu membuat cache terpakai. Jika awalan prompt berubah atau status cache sudah tidak tersedia, sistem mungkin tidak dapat menggunakan kembali konteks sebelumnya. Laporan peluncuran juga tidak mencantumkan tingkat keberhasilan cache 智子 Agent atau hasil pengukuran khusus untuk pengguna yang kembali.
Kesimpulannya, informasi yang tersedia menggambarkan 智子 Agent 1.0 sebagai agen percakapan yang berpusat pada administrator semesta mini nomor 637. Basis pengetahuan, prompt terstruktur, dan memori lintas sesi ditujukan untuk menjaga percakapan tetap sesuai karakter, sementara PDD dan cache awalan digunakan untuk melayani permintaan berkonteks panjang. Klaim peningkatan kinerja menarik untuk dicermati, tetapi rincian evaluasi multiagen dan kondisi pengujiannya masih perlu dijelaskan lebih lanjut.19
21
23
35
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "智子 Agent 1.0 Hadir, Mengandalkan Memori Percakapan dan Arsitektur PDD"?
智子 Agent 1.0 diluncurkan di Beijing pada 25 Oktober 2026 dengan karakter administrator semesta mini nomor 637 dari 《三体》.
Apa poin penting yang harus divalidasi terlebih dahulu?
智子 Agent 1.0 diluncurkan di Beijing pada 25 Oktober 2026 dengan karakter administrator semesta mini nomor 637 dari 《三体》. Informasi yang tersedia menyebut pengelolaan basis pengetahuan melalui AgentWorks, prompt terstruktur, dan memori lintas sesi Infini Memory.