AnswersPublished18 sources
Three-Body’nin 637 numaralı mini-evreninden bir yapay zekâ karakteri
Zhizi Agent 1.0, 25 Ekim 2026’da Pekin’de tanıtıldı. Three Body’deki 637 numaralı mini evrenin yöneticisini temel alan ürün için PDD mimarisinin ilk token gecikmesini yüzde 51,5, token başına maliyeti yüzde 37,5 düşür...
YayımlayanGPT-6 Luna ile düzenlendiGörseller GPT Image 2 ile oluşturuldu
Research answer
Key takeaways
- Zhizi Agent 1.0, 25 Ekim 2026’da Pekin’de tanıtıldı. Three Body’deki 637 numaralı mini evrenin yöneticisini temel alan ürün için PDD mimarisinin ilk token gecikmesini yüzde 51,5, token başına maliyeti yüzde 37,5 düşür...
- Açıklanan özellikler arasında AgentWorks bilgi tabanı işleme, yapılandırılmış rol yönergeleri ve Infini Memory ile oturumlar arası hafıza bulunuyor.
AI Prompt
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,
Infinigence AI ile Three-Body Universe, 25 Ekim 2026’da Pekin’de düzenlenen Three-Body Day etkinliğinde Zhizi Agent 1.0’ı tanıttı. Ürün, Three-Body evrenindeki her Zhizi tasvirini kapsamaya çalışmak yerine 637 numaralı mini-evrenin yöneticisini karakter dayanağı olarak seçiyor; evren bilgisi, karakter üslubu ve sohbet hafızasını bir araya getirmeyi hedefliyor. Tanıtımda, uzun bağlamlı konuşmaları destekleyen PDD çıkarım mimarisi de öne çıkarıldı. Öte yandan, uygulamanın bazı ayrıntıları ve performans testlerinin koşulları kamuya açık bilgilerde net değil.21
18
33
Zhizi Agent 1.0’ı kim tanıttı?
Zhizi Agent 1.0, Infinigence AI ile Three-Body Universe’ün stratejik ortaklığının ilk ürünü olarak duyuruldu. Tanıtımı Infinigence AI kurucu ortağı ve CEO’su Xia Lixue ile Three-Body Universe CEO’su Zhao Jilong birlikte yaptı.21
18
“Three-Body evreni uzmanı” olarak konumlandırılan ürün, kullanıcıların kurgu dünyası ve karakterler üzerine çok turlu sohbet etmesini sağlıyor. Tasarımın odağında, farklı oturumlarda da etkileşimin devamlılığını korumak var.18
21
Tanıtım haberi, The Beijing News’in Beike Finance muhabiri Luo Yidan tarafından 25 Ekim’de yayımlandı ve Sina Finance’ta yer aldı. Science and Technology Daily ertesi gün konuyu takip etti; CSDN ise 27 Ekim’de teknik bir tanıtım yayımladı.21
33
19 Haberler ağırlıklı olarak karakter tasarımına, AgentWorks platformuna ve çıkarım altyapısına odaklanıyor; kapsamlı bir ürün değerlendirme yöntemini ortaya koymuyor.
AgentWorks bilgi, karakter ve hafızayı nasıl bir araya getiriyor?
Haberlere göre Zhizi Agent 1.0, Infinigence AI’ın AgentWorks ajan geliştirme platformu üzerinde kuruldu. CSDN’nin bilgi yönetimi açıklamasında platformun, materyalleri “Collection—bilgi tabanı grubu” yapısıyla düzenlediği; farklı biçimlerdeki kurgu evreni içeriklerini ayrıştırıp parçalara böldüğü ve gömme (embedding) işlemi için ön işleme tabi tuttuğu belirtiliyor. Arama ayarları da bilgi tabanı grupları üzerinden merkezi olarak yapılandırılabiliyor.19
Bir başka tanıtım haberinde ürünün karakter üslubunu yönetmek için yapılandırılmış istemlerden yararlandığı, oturumlar arası hafıza devamlılığı ve kurgu evreni materyallerine erişim için de Infinigence AI’ın Infini Memory sistemini kullandığı aktarılıyor.23 Bunlar karakter tutarlılığı ve uzun süreli etkileşim için bir teknik temel sunuyor. Ancak haberler, hafızanın her konuşmada eksiksiz ve hatasız olacağını ya da karakterin kurgu çizgisinden hiç sapmayacağını kanıtlamıyor.
Çoklu ajan işleyişi konusunda İngilizce bir sektör derlemesi, yanıtın karaktere uygunluğunu ayrı bir değerlendirici ajanın kontrol ettiği “üret–değerlendir–revize et” akışından söz ediyor.1 Ancak mevcut kaynaklar karakter yanıtının ve bilgi aramasının paralel yürütülüp yürütülmediğini, içeriğin nasıl seçilerek değiştirildiğini ya da özgün metne dayalı otomatik izleme ve insan değerlendirmesi yapılıp yapılmadığını yeterince açıklamıyor. Bu nedenle, söz konusu ayrıntıları doğrulanmış ürün özellikleri gibi sunmak doğru olmaz.
PDD mimarisi ve açıklanan performans verileri
Tanıtım haberleri Zhizi Agent 1.0’ın çıkarım hizmetini Infinigence AI’ın kümeler arası, heterojen PDD mimarisiyle ilişkilendiriyor. Kaynaklarda geleneksel P–D ayrımının P–RLD–MD adlı üç aşamalı bir yapıya dönüştürüldüğü belirtiliyor; ancak ürün duyurusundaki açık bilgiler bu aşamaların görevlerini ayrıntılı biçimde açıklamıyor.33
35
Haberlere göre sistem, ajan isteklerinde sık tekrarlanan öneklerden yararlanmak için çözümleme (decode) tarafında RadixCache önek önbelleği kullanıyor. Bu yaklaşımın kümeler arasındaki KV Cache veri aktarımını bir büyüklük mertebesi azalttığı ve Ethernet ortamındaki bant genişliği ile gecikme darboğazlarını hafifletmeye yardımcı olduğu bildiriliyor.35 Bu, kaynakların aktardığı mimari etki; her sıradan Ethernet kurulumunun her tür dağıtım ihtiyacını karşılayacağı anlamına gelmiyor.
Aynı haberde ölçülen sonuçlar, ilk token gecikmesinde yüzde 51,5, token başına maliyette ise yüzde 37,5 düşüş olarak veriliyor. Bu rakamlar, mimarinin uzun bağlamlı ve eşzamanlı etkileşimlere desteğini göstermek için paylaşıldı.35 Ancak haber alıntısında donanım, ağ koşulları, karşılaştırma temeli ya da eşzamanlı istek ayarları tam olarak belirtilmiyor. Dolayısıyla bu oranları, bağımsız biçimde yeniden üretilebilen genel performans garantileri değil, duyuruda aktarılan sonuçlar olarak değerlendirmek gerekir.
Sabit karakter yönergeleri önbellekten nasıl yararlanabilir?
Önek önbelleği, bir istek daha önce işlenmiş tokenlarla aynı başlangıca sahipse ilgili önbellek durumunu yeniden kullanabilir; böylece aynı bağlamı her defasında baştan işlemek gerekmeyebilir.41 Karakterin uzun ve sabit bir tanımıyla başlayan sohbetlerde, önek gerçekten eşleştiği, önbellek kullanılabilir durumda kaldığı ve istek uygun biçimde yönlendirildiği sürece bu tekrar kullanım hesaplama ya da önbellek verisi aktarımını azaltabilir. Bu da haberlerde ajan iş yükleri için vurgulanan önek önbelleği yaklaşımıyla örtüşüyor.
35
Ancak bir kullanıcının yeniden gelmesi tek başına önbellek isabetini garanti etmez. İstem öneki değişirse veya önbellek durumu artık kullanılamıyorsa önceki içerik yeniden kullanılamayabilir. Mevcut tanıtım haberlerinde Zhizi Agent’ın gerçek önbellek isabet oranı ya da kullanıcıların tekrar geldiği farklı senaryolara ait ölçümler de paylaşılmıyor.
Özetle, kamuya açık bilgiler Zhizi Agent 1.0’ı 637 numaralı mini-evrenin yöneticisini karakter dayanağı alan; bilgi tabanı, yapılandırılmış istemler ve oturumlar arası hafızayla sohbeti sürdürmeyi amaçlayan bir ajan olarak tanımlıyor. PDD ve önek önbelleği ise uzun bağlamlı isteklerin hizmetini desteklemek için kullanılıyor. Açıklanan performans artışları dikkat çekici olsa da çoklu ajan değerlendirmesinin ayrıntıları ve test koşulları henüz tam olarak ortaya konmuş değil.19
21
23
35
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Three-Body’nin 637 numaralı mini-evreninden bir yapay zekâ karakteri"?
Zhizi Agent 1.0, 25 Ekim 2026’da Pekin’de tanıtıldı. Three Body’deki 637 numaralı mini evrenin yöneticisini temel alan ürün için PDD mimarisinin ilk token gecikmesini yüzde 51,5, token başına maliyeti yüzde 37,5 düşür...
What are the key points to validate first?
Zhizi Agent 1.0, 25 Ekim 2026’da Pekin’de tanıtıldı. Three Body’deki 637 numaralı mini evrenin yöneticisini temel alan ürün için PDD mimarisinin ilk token gecikmesini yüzde 51,5, token başına maliyeti yüzde 37,5 düşür... Açıklanan özellikler arasında AgentWorks bilgi tabanı işleme, yapılandırılmış rol yönergeleri ve Infini Memory ile oturumlar arası hafıza bulunuyor.