Az AI-ipar az elmúlt két évben gyakorlatilag megszállottan hajszolja az egyre nagyobb modelleket. Több GPU, több paraméter, több adat — a fejlődés nagy része erről szólt. Közben viszont egy másik irány is elkezdett látványosan felgyorsulni: az AI-agent rendszerek világa, ahol már nem csak maga a modell számít, hanem az is, hogyan képes dolgozni, eszközöket használni, hibákból tanulni vagy akár saját működését optimalizálni.
Most a Hexo Labs pontosan erre dobott rá egy egészen meredek koncepciót.
A hírt elsőként a MarkTechPost emelte ki, miután a startup open source formában publikálta a SIA nevű rendszerét. A projekt érdekessége nem pusztán az, hogy egy új AI-agent frameworkről van szó, hanem az, hogy a rendszer saját magát próbálja iteratívan fejleszteni.
A legtöbb AI-agent még mindig meglepően statikus
Az utóbbi hónapokban gyakorlatilag elárasztották a piacot az agentic AI-rendszerek. Kódoló asszisztensek, multi-agent workflow-k, autonóm toolhasználó modellek és helyben futtatható AI-agentek jelentek meg egymás után, de a legtöbbjük valójában meglepően statikus.
Hiába képesek:
- toolokat használni,
- workflow-kat futtatni,
- vagy komplex feladatokat lebontani,
maga az alapmodell általában nem változik.
A fejlesztők jellemzően promptokat optimalizálnak, scaffoldokat írnak át vagy új toolokat kapcsolnak a rendszerhez. Maga az AI viszont ritkán módosítja saját működését mélyebb szinten.
A Hexo Labs szerint pontosan ez az egyik legnagyobb limitációja a mai AI-agenteknek.
A SIA nem csak promptokat ír át
A SIA legfontosabb újítása az, hogy egyszerre két szinten próbál optimalizálni.
A rendszer egy Feedback-Agent segítségével elemzi a korábbi futások eredményeit, majd eldönti, milyen módosítás javíthatná a teljesítményt. Bizonyos esetekben átírja a workflow-logikát vagy a harness struktúrát, máskor új toolhasználati mintákat alakít ki, de akár magát a modellt is finomhangolhatja LoRA-alapú update-ekkel.
Ez a különbség teszi igazán érdekessé a projektet.
A legtöbb mai AI-agent legfeljebb „okosabban használja” a meglévő modellt. A SIA viszont ténylegesen próbálja módosítani saját működését a visszacsatolások alapján.
Persze ez még nem valamiféle sci-fi önfejlesztő szuperintelligencia. A rendszer továbbra is:
- szűk környezetben működik,
- kontrollált iterációkat használ,
- és ember által meghatározott keretrendszeren belül dolgozik.
Viszont maga a kutatási irány ettől még nagyon fontos.
Már saját finomhangolást is indíthat
A Hexo Labs nem egyszerű chatbot benchmarkokon demonstrálta a rendszert.
A SIA-t több teljesen eltérő workloadon futtatták:
- kínai jogi osztályozási feladatokon,
- GPU kernel-optimalizáción,
- valamint single-cell RNA denoising problémákon.
A publikáció szerint a kombinált scaffold + model weight update megközelítés minden esetben jobb eredményt hozott, mint amikor kizárólag a workflow-logikát optimalizálták.
A legdurvább adat talán az volt, hogy bizonyos GPU-kernel feladatoknál közel 92%-os runtime-csökkenést értek el. Ez természetesen nem általános AI-gyorsulást jelent, hanem nagyon specifikus workload-optimalizációt, de ettől még jól mutatja, milyen irányba próbál haladni a projekt.
És itt kezd igazán látszani, hogy az AI-agent piac következő szakasza már nem egyszerűen a „jobb válaszokról” szólhat.
Az AI-agent piac teljesen új szakaszba léphet
A jelenlegi AI-boom egyik legérdekesebb része az, hogy az agent-rendszerek egyre inkább szoftverfejlesztőként kezdenek működni.
Már most is léteznek olyan workflow-k, ahol az AI:
- saját kódot ír,
- tesztel,
- hibát keres,
- újrapróbálkozik,
- majd módosítja saját outputját.
A SIA ezt az iterációs ciklust próbálja mélyebbre vinni.
A Hexo Labs szerint a jelenlegi AI-rendszerek egyik legnagyobb problémája az, hogy minden komoly fejlődési ugráshoz továbbra is rengeteg emberi optimalizáció kell:
- ML-engineerek,
- kutatók,
- manuális tesztelés,
- és hosszú iterációs ciklusok formájában.
A hosszú távú cél viszont az lenne, hogy az AI egyre több ilyen optimalizációs munkát maga végezzen el.
Az open source rész lehet a legfontosabb
Talán ez az egész történet legérdekesebb része.
A Hexo Labs nem zárt rendszerként tartotta meg a projektet, hanem MIT licenc alatt nyílt forráskódúvá tette.
Ez különösen érdekes most, amikor:
- az OpenAI,
- az Anthropic,
- és több nagy AI-lab
egyre zártabb ökoszisztémák felé mozdul.
Közben az open source világ agresszíven építi:
- a saját agent frameworkjeit,
- lokális AI-rendszereit,
- és önoptimalizáló workflow-jait.
A SIA pontosan ebbe az irányba illeszkedik.
És könnyen lehet, hogy néhány éven belül az AI-agentek legfontosabb képessége már nem az lesz, milyen jól válaszolnak egy kérdésre, hanem hogy mennyire tudják saját magukat fejleszteni emberi beavatkozás nélkül.
