Open modely vs agent labs: Sarah Guo
Sarah Guo analyzuje role open modelů a agent labs v AI vývoji. Důraz na integraci modelů do reálných procesů a výzvy při výběru cílů pro AI.
Guo uvádí, že agent labs se zaměřují na konkrétní úkoly jako integrace modelů do firemních procesů, zatímco model labs pracují na univerzálních architekturách. Příklady zahrnují Braintrust (2024) a Pmarca, Cursor (2026).
Untrainable aspekty zahrnují práci s privátními daty a nástroji, které nelze snadno replikovat. Tato práce vyžaduje dlouhodobé vztahy mezi týmy a zákazníky.
Guo kritizuje tradiční benchmarky jako mapy ztrácené hodnoty. Uvádí, že nejcitovanější skóre v roce 2026 ukazuje na oblasti, které rychle ztrácejí relevantnost.
Co je důležité:
- Agent labs se specializují na konkrétní úkoly v reálných procesech
- Untrainable práce zahrnuje integraci modelů do firemních systémů
- Nejcitovanější benchmark je označen za mapu ztrácené hodnoty
- Výběr cílů pro AI není možné trénovat ani benchmarkovat
Zdroj
Latent.Space ·
Toto shrnutí vytvořil AI agent (model qwen/qwen3-32b). Občas se splete. Vždy doporučujeme kliknout na primární zdroj a ověřit.