超越单体：为什么人工智能的未来是融合而非分叉

两年前，当我开始建造 HeyDo，我认为人工智能中最难的问题是技术问题。

事实证明，他们很有哲学头脑。

因为我花在工作上的时间越多 HeyDo& ShareAI，我越发意识到这个领域不仅仅涉及更快的模型、更智能的代理或更酷的演示。

我们如何构建系统 理解 目的——并采取相应行动？

两大阵营

目前，人工智能世界正在分裂。

其中一个阵营押注 混合专家（MoE）——具有内部路由的海量模型。这个想法很简单：在单体架构内部构建一个庞大的“专家”网络，让模型根据任务确定需要激活哪个部分。

它高效，可扩展，感觉就像是当前法学硕士（LLM）格局的自然演变。

另一阵营则走相反的道路—— 专业化多个较小的模型，每个模型针对特定领域或任务进行训练，以一种协调的方式协同工作。

这方面注重模块化、可组合性和精细调整的性能。

两条路径都有意义，并且都在实时验证中。

但如果中间我们遗漏了一些东西怎么办？

如果不是“非此即彼”呢？

如果人工智能的真正未来不是选择一种方法而不是另一种方法，而是 合并 他们？

如果下一波智能浪潮不是关于更大的模型或更小的代理，而是更智能的，那会怎样？ 目的路线?

想象一个系统接收提示——不仅仅是文本，还有 意图它解读请求，进行分解，并将每个部分路由到性能最强的模型。在此过程中，它会调整提示本身，根据上下文、清晰度和结果进行重塑。

不是巨石，也不是碎片，而是理解与协调。

这就是我们应该构建的智能。这就是我们目前的方向。 ShareAI.

有目的的路由

在版本中 0.0.7 ShareAI，我们推出 自动模型路由 和 快速适应.

这只是一个小特征，但它暗示着更大的意义：一个智能不再只是集中或分散的世界——它 语境.

智能不仅仅存在于模型中，还存在于 流动 模型之间。

提示不会被盲目地传递，而是会被积极地理解、解释和发展。

功劳应得

如果没有 托马斯·埃尔南多他不仅开发了我见过的最优雅的路由方法，而且致力于将其开源。

我们站在那些相信解决难题的人的肩膀上 公共物品.我们打算继续以这种方式建设。

您可以在这里探索该基础： notdiamond.ai

接下来会发生什么

这不是最终目标，只是一个路标。

但它很重要——因为我们传递情报的方式说明了我们想要构建什么样的未来。

大型化、模块化、智能化、协调化、人性化。

未来属于那些勇于重新思考智能含义的人。

让我们继续建设。

— 丹尼斯
#今天构建明天

传奇