Qwens rammeverk bygger på tre deler: en modell som utfører oppgaver, et minne som henter relevant personlig kontekst, og et økosystem av verktøy og tjenester. Selskapet sier at det har kartlagt behov i over 30 bransjer og definert mer enn 8 000 konkrete krav til modellegenskaper, med bransjeeksperter involvert i vur...
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What personal-agent framework did Jiang Guanjun, Alibaba Qwen’s AI algorithm lead, outline at CNCC 2026 in Chengdu on October 22, and how do. Article summary: Jiang Guanjun outlined a three-pillar Personal Agent framework—model, memory and ecosystem—intended to move Qwen beyond answering questions and completing requested tasks toward proactive, personalized assistance that cr. Topic tags: general, general web. 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, charts with fake numbers, clic
På China Computer Congress 22. oktober 2026 beskrev Jiang Guanjun, algoritmeansvarlig i Alibaba Qwen, et rammeverk for personlige KI-agenter. Det bygger på tre deler: modell, minne og økosystem. Målet er å bevege KI fra å svare på spørsmål og utføre tydelige bestillinger til å forstå personlig kontekst, planlegge ut fra brukerens mål og kunne oppdage behov på eget initiativ.2
3
Jiang deler utviklingen av KI-tjenester i tre trinn: samtale, agent og assistent. Samtalen handler først og fremst om dialog. En agent kan utføre en konkret oppgave. En assistent skal gå lenger: kombinere fagkunnskap med personlig kontekst, planlegge og handle mot et mål – og kanskje også fange opp behov brukeren ikke selv har lagt merke til.3
Det siste er visjonen, ikke en påstand om at dagens systemer pålitelig kan løse nesten alle problemer i hverdagen. Jiang beskrev det teoretiske potensialet for å håndtere utfordringer i arbeid, studier og privatliv som nær 100 prosent. Samtidig pekte han på en viktig flaskehals: Systemets evner må kobles til riktig framgangsmåte for den enkelte oppgaven.1
Qwen sier at selskapet har laget et kart over brukerbehov i mer enn 30 ledende bransjer og delt behovene inn i over 8 000 konkrete krav til modellegenskaper. Bransjeeksperter har vært med på å vurdere og forbedre modellen, med mål om mer stabil utførelse av komplekse oppgaver og bedre forankring i reelle brukerbehov.1
Poenget er altså ikke bare at modellen skal formulere seg godt. Den må også forstå hva brukeren trenger og gjennomføre oppgaven på en pålitelig måte.1
En personlig agent må kunne forstå brukeren over tid. Men å samle opp stadig mer samtalehistorikk kan også skape støy og øke kostnadene ved å behandle forespørsler, sa Jiang. Qwens tilnærming er å se etter sammenhenger mellom hendelser og hente fram kontekst som har betydning for det brukeren spør om nå.1
Et eksempel er at tidligere opplysninger om en eldre persons pensjon kan gi nyttig bakgrunn når KI-en gir råd om barnets jobbsøking. Tanken er å knytte relevant informasjon på tvers av temaer – ikke å behandle hver samtale som løsrevet fra resten, eller hente fram alt ukritisk.1
Økosystemet skal gjøre det mulig å gå fra å forstå og planlegge til å tilby praktisk hjelp. Ifølge omtalen vil Qwen bygge et åpent tjenestesystem rundt modellen, med fagkunnskap, verktøy, bransjespesifikke ferdigheter og tredjepartsagenter. Det skal knytte systemet til områder som netthandel, lokale tjenester, helse og utdanning.3
Dette er viktig fordi noen oppgaver krever mer enn et svar fra modellen. De kan forutsette spesialistkunnskap, et bestemt verktøy eller en ekstern tjeneste. Omtalen trekker også fram utvikling av modellene og den tekniske infrastrukturen rundt agentene som en del av arbeidet med å få økosystemet til å fungere bedre sammen.2
Rammeverket kan oppsummeres slik: Minnet henter fram relevant personlig kontekst. Modellen tolker behovet og legger en plan. Økosystemet stiller med kunnskapen, verktøyene eller tjenestene som trengs for å følge den opp. Jiang understreket at det ikke er nok å legge til stadig flere funksjoner; systemet må velge og samordne de riktige evnene for problemet det skal løse.1
3
Omtalen bruker oppfølging av rehabilitering og varsler om økonomisk risiko som eksempler på proaktive tjenester denne samordningen kan legge til rette for. Eksemplene viser hvilken retning rammeverket peker i, men dokumenterer ikke at tjenestene allerede er lansert eller at påliteligheten er målt.1
Påstanden om et teoretisk potensial nær 100 prosent er en ambisjon, ikke et rapportert resultat. Det samme gjelder det åpne økosystemet og den proaktive assistenten: Beskrivelsen betyr ikke at alle tjenestene eller integrasjonene er tilgjengelige i dag.1
3
En produktoppdatering som er omtalt, gir ett konkret eksempel: Qwen Go! hadde åpnet for invitasjonstesting av funksjonen «Mine apper». Der kan brukere beskrive en app for arbeid, studier eller hverdagsliv med vanlig språk.3 Det viser en mulig produktretning, men er ikke i seg selv bevis på at hele visjonen for personlige agenter er realisert.
Hovedideen er derfor ikke «mer chat», men koordinert hjelp: en modell som kan utføre oppgaver pålitelig, et minne som finner relevant personlig kontekst, og et økosystem som kobler planer til fagkunnskap og tjenester.1
3
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Qwens rammeverk bygger på tre deler: en modell som utfører oppgaver, et minne som henter relevant personlig kontekst, og et økosystem av verktøy og tjenester.
Qwens rammeverk bygger på tre deler: en modell som utfører oppgaver, et minne som henter relevant personlig kontekst, og et økosystem av verktøy og tjenester. Selskapet sier at det har kartlagt behov i over 30 bransjer og definert mer enn 8 000 konkrete krav til modellegenskaper, med bransjeeksperter involvert i vurderingen.[1]
Nær 100 prosent er en teoretisk ambisjon, ikke et dokumentert resultat. Omtalen av proaktiv hjelp betyr heller ikke at alle tjenestene allerede er tilgjengelige.[1][3]
Qwens rammeverk bygger på tre deler: en modell som utfører oppgaver, et minne som henter relevant personlig kontekst, og et økosystem av verktøy og tjenester. Selskapet sier at det har kartlagt behov i over 30 bransjer og definert mer enn 8 000 konkrete krav til modellegenskaper, med bransjeeksperter involvert i vur...
Publisert avRedigert med GPT-6 LunaBilder generert med GPT Image 2
Research answer

Create a landscape editorial hero image for this Studio Global article: What personal-agent framework did Jiang Guanjun, Alibaba Qwen’s AI algorithm lead, outline at CNCC 2026 in Chengdu on October 22, and how do. Article summary: Jiang Guanjun outlined a three-pillar Personal Agent framework—model, memory and ecosystem—intended to move Qwen beyond answering questions and completing requested tasks toward proactive, personalized assistance that cr. Topic tags: general, general web. 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, charts with fake numbers, clic
På China Computer Congress 22. oktober 2026 beskrev Jiang Guanjun, algoritmeansvarlig i Alibaba Qwen, et rammeverk for personlige KI-agenter. Det bygger på tre deler: modell, minne og økosystem. Målet er å bevege KI fra å svare på spørsmål og utføre tydelige bestillinger til å forstå personlig kontekst, planlegge ut fra brukerens mål og kunne oppdage behov på eget initiativ.2
3
Jiang deler utviklingen av KI-tjenester i tre trinn: samtale, agent og assistent. Samtalen handler først og fremst om dialog. En agent kan utføre en konkret oppgave. En assistent skal gå lenger: kombinere fagkunnskap med personlig kontekst, planlegge og handle mot et mål – og kanskje også fange opp behov brukeren ikke selv har lagt merke til.3
Det siste er visjonen, ikke en påstand om at dagens systemer pålitelig kan løse nesten alle problemer i hverdagen. Jiang beskrev det teoretiske potensialet for å håndtere utfordringer i arbeid, studier og privatliv som nær 100 prosent. Samtidig pekte han på en viktig flaskehals: Systemets evner må kobles til riktig framgangsmåte for den enkelte oppgaven.1
Qwen sier at selskapet har laget et kart over brukerbehov i mer enn 30 ledende bransjer og delt behovene inn i over 8 000 konkrete krav til modellegenskaper. Bransjeeksperter har vært med på å vurdere og forbedre modellen, med mål om mer stabil utførelse av komplekse oppgaver og bedre forankring i reelle brukerbehov.1
Poenget er altså ikke bare at modellen skal formulere seg godt. Den må også forstå hva brukeren trenger og gjennomføre oppgaven på en pålitelig måte.1
En personlig agent må kunne forstå brukeren over tid. Men å samle opp stadig mer samtalehistorikk kan også skape støy og øke kostnadene ved å behandle forespørsler, sa Jiang. Qwens tilnærming er å se etter sammenhenger mellom hendelser og hente fram kontekst som har betydning for det brukeren spør om nå.1
Et eksempel er at tidligere opplysninger om en eldre persons pensjon kan gi nyttig bakgrunn når KI-en gir råd om barnets jobbsøking. Tanken er å knytte relevant informasjon på tvers av temaer – ikke å behandle hver samtale som løsrevet fra resten, eller hente fram alt ukritisk.1
Økosystemet skal gjøre det mulig å gå fra å forstå og planlegge til å tilby praktisk hjelp. Ifølge omtalen vil Qwen bygge et åpent tjenestesystem rundt modellen, med fagkunnskap, verktøy, bransjespesifikke ferdigheter og tredjepartsagenter. Det skal knytte systemet til områder som netthandel, lokale tjenester, helse og utdanning.3
Dette er viktig fordi noen oppgaver krever mer enn et svar fra modellen. De kan forutsette spesialistkunnskap, et bestemt verktøy eller en ekstern tjeneste. Omtalen trekker også fram utvikling av modellene og den tekniske infrastrukturen rundt agentene som en del av arbeidet med å få økosystemet til å fungere bedre sammen.2
Rammeverket kan oppsummeres slik: Minnet henter fram relevant personlig kontekst. Modellen tolker behovet og legger en plan. Økosystemet stiller med kunnskapen, verktøyene eller tjenestene som trengs for å følge den opp. Jiang understreket at det ikke er nok å legge til stadig flere funksjoner; systemet må velge og samordne de riktige evnene for problemet det skal løse.1
3
Omtalen bruker oppfølging av rehabilitering og varsler om økonomisk risiko som eksempler på proaktive tjenester denne samordningen kan legge til rette for. Eksemplene viser hvilken retning rammeverket peker i, men dokumenterer ikke at tjenestene allerede er lansert eller at påliteligheten er målt.1
Påstanden om et teoretisk potensial nær 100 prosent er en ambisjon, ikke et rapportert resultat. Det samme gjelder det åpne økosystemet og den proaktive assistenten: Beskrivelsen betyr ikke at alle tjenestene eller integrasjonene er tilgjengelige i dag.1
3
En produktoppdatering som er omtalt, gir ett konkret eksempel: Qwen Go! hadde åpnet for invitasjonstesting av funksjonen «Mine apper». Der kan brukere beskrive en app for arbeid, studier eller hverdagsliv med vanlig språk.3 Det viser en mulig produktretning, men er ikke i seg selv bevis på at hele visjonen for personlige agenter er realisert.
Hovedideen er derfor ikke «mer chat», men koordinert hjelp: en modell som kan utføre oppgaver pålitelig, et minne som finner relevant personlig kontekst, og et økosystem som kobler planer til fagkunnskap og tjenester.1
3
Studio Global AI
This page includes a source-backed answer you can continue inside Studio Global.
Qwens rammeverk bygger på tre deler: en modell som utfører oppgaver, et minne som henter relevant personlig kontekst, og et økosystem av verktøy og tjenester.
Qwens rammeverk bygger på tre deler: en modell som utfører oppgaver, et minne som henter relevant personlig kontekst, og et økosystem av verktøy og tjenester. Selskapet sier at det har kartlagt behov i over 30 bransjer og definert mer enn 8 000 konkrete krav til modellegenskaper, med bransjeeksperter involvert i vurderingen.[1]
Nær 100 prosent er en teoretisk ambisjon, ikke et dokumentert resultat. Omtalen av proaktiv hjelp betyr heller ikke at alle tjenestene allerede er tilgjengelige.[1][3]