Klare svar om Duplex.
De spørgsmål, teams stiller før udrulning.

Med et pilotprojekt på dit eget arbejde. Fortæl os, hvor dit team arbejder, og hvad Duplex skal lære først. Vi aftaler målingerne, før det begynder, og sætter Duplex op sammen med dig i den placering, du vælger.

Efter beslutninger og brugere. En beslutning er én forespørgsel, Duplex deltager i, uanset om Duplex besvarer den eller henter din AI ind. Hvert tilbud kommer skriftligt, før du forpligter dig.

Nej. Du medbringer din egen modeladgang og betaler din udbyder for den, og Vareon lægger intet tillæg på tokens. En beslutning, Duplex har lært, kræver slet intet modelkald.

Det forbliver i den placering, du vælger. I Vareon cloud driver Duplex for dig, og hver kunde holdes adskilt. I din cloud eller uden cloud forbliver det under din kontrol. Det eneste, der sendes ud, er en forespørgsel til en ekstern model, du tilslutter, og den udbyder ser kun den forespørgsel.

Duplex er runtime-intelligensen til din AI og dine agenter. Som en anden intelligens ved siden af din model lærer og handler den, mens arbejdet sker, fra én person til hele virksomheden. Den lærer af hvert resultat, beslutter og handler inden for dine regler, tilegner sig egne færdigheder og tager dit arbejde med, hvor du end går hen. Det, den bygger, er dit. Duplex er bygget på ACI, Adaptive Continual Intelligence: en ny kategori af intelligens, der lærer og handler under kørsel, i samspil med AI-modeller.

Alle, hvis arbejde kører på AI, fra én person til hele virksomheden. Én person starter i sin egen assistent, et team deler det, det lærer, en lille virksomhed lader Vareon køre den i Vareon cloud, og en større virksomhed bringer den ind i hver agent, den bygger, gennem MCP + hooks, i sin egen cloud eller helt uden cloud.

En harness giver din AI værktøjer, prompts og trin og gør det, den er sat op til. Duplex er en anden intelligens ved siden af din AI: den lærer af hvert bekræftet resultat, beslutter og handler inden for dine regler og tager dit arbejde med på tværs af værktøjer og modeller, og det, den lærer, er dit. Den virker i Claude, Codex, Cursor og Hermes og i dine egne agenter gennem MCP + hooks.

94 evner i 17 grupper: Kontekst og observation · Regler og adfærdskontrol · Værktøjskørsel · Læring og personalisering · Langvarige opgaver · Planlægning og beslutningsstøtte · Genbrugelige færdigheder · Vedvarende tråde og deling · Glemsel og datakontrol · Status og forklaringer · Vedvarende intelligens · Personalisering · Multimodal intelligens · Konfidens og autonomi · Sikkerhed og tilsyn under kørsel · Operationel intelligens · Integration og portabilitet.

Nej. De gemmer, hvad der skete, og finder det, der ligner. Duplex er en intelligens, der lærer af erfaring, resultater og data under kørsel: den forstår mønsteret bag hvert resultat, komprimerer det til det, der generaliserer, forudser, hvad der følger, og handler på det inden for dine regler. Derfor skelner den en dobbeltgænger, kender stadig en sag, der stilles med nye ord, følger en ændret regel fra næste forespørgsel og bliver hurtigere med brug. RAG, hukommelse, vektordatabaser, vidensgrafer og caches bliver værktøjer, den bruger.

Din AI-model er genial, men alene under kørsel: lejet pr. Kald starter den hver opgave fra ingenting, kan ikke lære af det, dit team bekræfter, mister konteksten mellem sessioner og agenter, og ingen kontrollerer, hvad dine agenter gør, før de gør det. Duplex er den anden intelligens ved siden af den, bygget på ACI, og den lærer og handler under kørsel: den starter velinformeret, lærer af hvert resultat, beslutter vejen, kontrollerer hver handling mod dine regler, tilegner sig færdigheder og tager arbejdet med på tværs af sessioner, agenter og modeller. Din AI får det, den mangler under kørsel, arbejdet bliver hurtigere og billigere med brug, og det, Duplex lærer, er dit.

Din AI bliver, hvor den er, og Duplex arbejder ved siden af den som en anden intelligens. Duplex svarer og handler på det, den har lært, på millisekunder og henter din AI ind til nyt og usikkert arbejde med den læring vedhæftet. Det bekræftede resultat lærer Duplex til næste gang.

To intelligenser, der udfører forskellige opgaver sammen, sådan som hjernen gør. Hjernen arbejder med to systemer: et langsomt til generel viden og et hurtigt til hver ny oplevelse. Din AI er det langsomme. Duplex, bygget på ACI, er det hurtige, og den handler på det, den lærer. Din AI leverer generel intelligens, lært langsomt før idriftsættelsen. Duplex leverer runtime-intelligens: den lærer hurtigt af det løbende arbejde og handler på det. Kognitionsvidenskaben kalder parret komplementære læringssystemer.

På en måde: den virker som en anden model ved siden af den, du bruger, en selvstændig intelligens, og den erstatter aldrig din AI. Duplex arbejder ved siden af din AI: den er velinformeret før forespørgslen, beslutter og handler undervejs og lærer efter resultatet. En bekræftet beslutning kan køre på millisekunder uden modelkald. Nyt eller usikkert arbejde går til din AI med Duplex’ runtime-intelligens vedhæftet, og det bekræftede resultat lærer Duplex til næste forespørgsel.

Runtime-intelligens: en anden intelligens ved siden af din AI-model, der lærer og handler, mens arbejdet sker. Den lærer af hvert resultat, beslutter, planlægger, tilegner sig færdigheder, kontrollerer, hvad dine agenter gør, og handler inden for dine regler, og det, den lærer, er dit. Ved siden af din AI udgør den to intelligenser, ét system.

Overalt, hvor din AI udfører rigtigt arbejde: kode- og desktopassistenter, support- og driftsagenter, virksomhedsworkflows, AI-produkter med stor volumen, teams, der tilpasser en model, og reguleret arbejde. Den er mest nyttig, hvor resultater kan bekræftes, fordi Duplex anvender bekræftede rettelser, beslutninger og udfald på den næste forespørgsel, de passer til.

De bliver Duplex' værktøjer. Duplex kalder hvert af dem, når et trin har brug for det, lærer, hvilket der passer til hvilken situation, og kontrollerer, at det, de returnerer, er aktuelt, har en kilde og er dateret.

ACI, Adaptive Continual Intelligence, er en ny kategori af intelligens, skabt af Vareon. ACI er intelligens, der bliver ved med at lære og handle, mens dit arbejde sker. Den bygger på alt, hvad den har lært før, og arbejder i samspil med de AI-modeller, du allerede bruger. ACI er resultatet af års forskning i neurale netværk og deres trilemma: plasticitet, stabilitet og redigerbarhed. Duplex er bygget på den.

AI-modeller lærer, før de udgives, og forbliver derefter, som de er. ACI lærer og handler bagefter: under kørsel, ud fra dit arbejde, så længe den kører. Den lærer dit arbejde frem for verden, den bygger på alt, hvad den har lært før, og det, den lærer, er dit. Intelligens, der bliver ved med at lære og handle under kørsel, ved siden af modellen, er en kategori for sig.

I samspil. Modellen bringer generel intelligens: viden, sprog og ræsonnement. ACI bringer det, den lærer af dit arbejde. Den håndterer det, den allerede ved, og henter modellen ind, orienteret, til det nye. Modellen forbliver, som den er, og du kan skifte model uden at miste det, ACI har lært.

AI, der lærer med det samme af ét bekræftet resultat, handler på det, den har lært, inden for dine regler, følger en ny regel fra næste forespørgsel, bliver hurtigere og billigere, jo mere den lærer, ved, hvornår din model skal hentes ind, håndterer sager, den aldrig har set, tilegner sig egne færdigheder og tilhører dig, uanset hvor du arbejder.

Indtil nu kunne kun de laboratorier, der træner modeller, få AI til at lære. Med ACI har hver person og hver virksomhed AI, der lærer af deres eget arbejde, og ejer det, den lærer. Det, den lærer, vokser som renters rente med hvert resultat, forbliver i den placering, du vælger, og er dit, uanset hvilken model du bruger.

Duplex er bygget på ACI, og ACI er intelligensen i den: alt, hvad Duplex lærer, beslutter og gør under kørsel, er ACI i arbejde. Duplex er det produkt, du bruger, i de assistenter, dit team arbejder i, og i de agenter, din virksomhed bygger, gennem MCP + hooks.

ACI er resultatet af års forskning i neurale netværk og deres trilemma: plasticitet, stabilitet og redigerbarhed. Plasticitet er at lære det nye, hurtigt. Stabilitet er at beholde det, den ved. Redigerbarhed er at ændre det, den har lært. Et neuralt netværk opnår højst to: lad det lære hurtigt, og det glemmer, hold det stabilt, og det holder op med at lære, og hvad det har lært, er spredt ud over det hele. ACI forener alle tre.

Faruk Guney skabte ACI, Duplex og sin nye startup på egen hånd, efter års forskning i neurale netværks trilemma og mere end femten år, hvor han byggede Norck op til en global virksomhed inden for fremstilling og engineering on demand.

Af resultater, der viser, at arbejdet var rigtigt: en bestået test, en godkendt gennemgang, en observeret ændring eller et senere forretningsresultat. Den kan også fortrænes på gennemgåede eksempler, tidligere beslutninger, dokumenter, regler og værktøjsruter.

Ja. Fortræn Duplex på dine gennemgåede eksempler, tidligere beslutninger, dokumenter, regler, værktøjsruter og biblioteker af gennemprøvede metoder. Den lærer dem, før den går live, så den er nyttig fra første forespørgsel, og den bliver ved med at lære i produktion.

Dit team fastsætter standarden for hver slags arbejde. Kode kan kræve test og gennemgang, mens en reguleret handling kan kræve en persons godkendelse.

En rettelse hører til det arbejdsområde, hvor den blev lavet, og den hjælper senere arbejde, der passer. Autoriserede brugere kan gennemgå, rette eller fjerne alt, hvad Duplex har lært.

Ja. Duplex lærer mønsteret, så den håndterer nye formuleringer og nye detaljer, og den opdager en dobbeltgænger, der kræver et andet svar. På vildledende dobbeltgængere tog den fejl i 7.5% af tilfældene mod 45.3% for en cache.

Den nye regel gælder fra den næste forespørgsel. Duplex erstatter den forældede beslutning og lader urelateret arbejde være. Efter en politikændring gav den 0% forældede svar mod 72% for cache og genfinding.

Kontinuerlig læring, under kørsel. Duplex lærer af hvert resultat, når det bekræftes, så den næste forespørgsel allerede har gavn af det, uden træningskørsel og uden GPU. Gennem en ændring forbliver 100% af dens tidligere arbejde intakt.

Almindelig brug er træningen: Duplex lærer af hvert bekræftet resultat og anvender det fra næste forespørgsel. Fortræning giver den et forspring, og din AI’s vægte forbliver, som de er.

Til arbejde, der er nyt, bredt eller kreativt, og alt, der kræver ny tekst eller nyt ræsonnement. Duplex forbereder præcis det, din AI får, med det, den har lært, vedhæftet. En beslutning, Duplex har lært, kræver intet modelkald.

Hvis Duplex er fortrænet på den slags arbejde, svarer den fra starten. Ellers tager din AI sig af det med viden fra Duplex vedlagt, og når resultatet er bekræftet, håndterer Duplex det næste gang.

Din AI, når arbejdet kræver ny tekst eller åbent ræsonnement, med det, Duplex har lært, vedhæftet. Når Duplex har lært arbejdet, svarer den selv.

Alt, hvad Duplex har lært, lever ved siden af din AI, så det flytter med dig til den nye model. I tilpasningstesten flyttede det, Duplex havde lært, til en anden modelfamilie helt uden gentræning.

Ja. Din placering og dine indstillinger bestemmer, hvilken model der er tilgængelig, og hvor hver forespørgsel går hen.

Almindelige servere. Duplex kræver ingen egen GPU: en beslutning, den har lært, tager ≈97 ms, mod ≈2,231 ms for et modelkald. Kun din AI har brug for acceleratorer, og Duplex henter den ind til nyt arbejde.

Målet, afgjorte beslutninger, begrænsninger og ufærdigt arbejde fortsætter inden for samme kunde og arbejdsområde. Urelateret arbejde og legitimationsoplysninger bliver tilbage.

Det, du har brug for til at fortsætte: mål, beslutninger og uafsluttet arbejde. Hele udskriften bliver, hvor den var, og dit teams adgangsregler gælder stadig.

Ja, når forbindelserne hører til samme kunde og et tilladt arbejdsområde. Grænserne for identitet, arbejdsområde og kunde forbliver på plads.

Ja, når begge personer er autoriseret til det delte arbejdsområde. Personligt eller begrænset arbejde holdes adskilt, under dine adgangsindstillinger.

Kontekst hjælper dig med at fortsætte uafsluttet arbejde, og den kan være midlertidig. Det, Duplex lærer, kommer fra bekræftede resultater, og det hjælper, hver gang det passer.

Den anvender bekræftede rettelser, opdaterer beslutninger, når en regel ændres, tager igangværende arbejde med videre, planlægger processer med flere trin, bruger dine værktøjer og skærer ned på modelkald for arbejde, den har lært.

Ja. Duplex lærer, hvordan dine processer reagerer, planlægger den korteste vej og fører begrænsninger og bekræftede metoder med på tværs af trin og sessioner. Din AI bidrager med frisk ræsonnering ved hver uventet drejning.

Ja. Den lærer, hvad handlinger ændrer i dine systemer, forudsiger virkningen af et trin, før det køres, og foreslår den korteste vej til et mål. På en offentlig enterprise-benchmark slog den tre frontier-modeller i at forudsige systemændringer. Hvert rigtigt trin går stadig gennem dine kontroller.

Ja, når dit team slår det til: giv den et mål, de handlinger, den må udføre, og en måde at kontrollere, om det lykkes. Den udforsker sikkert, tester færdigheden, før den bruger den, og fjerner den på anmodning. Den gennemførte hver opgave med modellen slukket.

Ja. Duplex får din model til at svare, som om den var trænet på dit arbejde, og modellens vægte forbliver, som de er. Den slog finjusterede adaptere i 6 / 6 test uden nogen træningskørsel, og tilpasningen flyttede til en anden modelfamilie uden gentræning.

Ja. Til veldefinerede opgaver skriver Duplex et lille program eller genbruger et, der allerede har virket, tester det mod kendte sager og kører det, når det består. Dit team kan sætte det på pause eller udfase det når som helst.

Ja. Dokumenter, vidensgrafer og databaser bliver Duplex' videnskilder, hver med sin ejer, kilde og dato. Duplex ved, når en kendsgerning ændrer sig, og bringer de rigtige kendsgerninger ind i hver beslutning.

Ja. Duplex kan dele godkendt læring og kontekst med hver agent i det valgte arbejdsområde. For alt, hvad den har lært, kan du se, hvilken agent det kom fra, med hvilken model, og hvornår. Hver kundes læring forbliver hos den kunde.

Dit team bestemmer, hvad Duplex lærer af, gennemgår, hvad den har lært, og kan rette eller fjerne hvad som helst af det. Dine regler, godkendelser og kontroller gælder for hver handling.

De fire plugins er Claude, Codex, Cursor og Hermes. Teams, der bygger deres egne agenter, forbinder dem gennem MCP + hooks.

Fire plugins er tilgængelige i dag. Hvis dit team bygger og kører agenten, kan MCP + hooks passe; bruger du en anden assistent, så fortæl os, hvilken det er.

Til de agenter, din virksomhed bygger. De forbinder sig til Duplex gennem MCP, og hooks henter Duplex ind ved hvert trin: før hver forespørgsel, før hvert værktøjskald og efter hvert resultat. Hver handling kontrolleres mod dine regler, før den kører, med godkendelser, hvor du ønsker dem, og én historik, du kan eksportere.

Et plugin virker i en understøttet assistent, gennem MCP: assistenten henter Duplex ind ved hvert trin, og den opbygger din personlige intelligens. MCP + hooks virker i de agenter, din virksomhed bygger: hooks henter Duplex ind ved hvert trin af deres arbejde, og den opbygger din virksomheds intelligens. Det er den samme Duplex i begge.

Før hver forespørgsel, før hvert modelkald, før hvert værktøjskald, efter hvert resultat, ved hver overdragelse og ved hver godkendelse. Duplex anvender dine regler først, derefter det, den har lært, og hver handling kontrolleres, før den kører.

Et plugin, når folk arbejder i en understøttet assistent. MCP + hooks, når din virksomhed bygger sine egne agenter, og Duplex skal indgå i hvert trin.

Ja. Når de er forbundet til det samme arbejdsområde, deler de den samme godkendte læring og kontekst. Adgangen forbliver begrænset til de personer og agenter, du autoriserer.

Et plugin eller MCP + hooks, hvem der deler det, Duplex lærer, og, hvis du vil, de eksempler, beslutninger og dokumenter, den skal fortrænes på. Derefter den placering og de adgangsregler, der passer til arbejdet.

Med et understøttet plugin arbejder folk videre i den assistent, de allerede bruger. Teamet bekræfter gode resultater og retter dårlige, og godkendelsestrinene afhænger af produktet og arbejdsområdet.

Fra første forespørgsel, når du fortræner den. En bekræftet rettelse hjælper fra den næste sag, der matcher, og hvert bekræftet resultat gør Duplex hurtigere, billigere og mere præcis.

Ja, det er fortræning. Gennemgåede eksempler, tidligere beslutninger, dokumenter og regler giver en stærk start. Dit team placerer hver af dem i det rigtige arbejdsområde og kan rette eller fjerne dem senere.

Ja. I konsollen kan autoriserede brugere gennemgå, rette eller fjerne alt, hvad Duplex har lært, og se historikken bag det. De præcise kontroller afhænger af produktet og udrulningen.

Ja. Du kan oprette snævrere arbejdsområder, og indstillinger for identitet og adgang bestemmer, hvem der deler hvert af dem. Al den læring forbliver inden for din organisation.

Duplex har tre placeringer: Vareon cloud, din cloud og ingen cloud på maskiner, du selv driver. Din cloud og ingen cloud er enterprise-løsninger. Alle integrationer findes i hver af dem, med forbehold for udrulningsvilkårene.

Som en enterprise-løsning. Kontakt os på hello@vareon.com med miljøet, hvor data skal blive, og dine sikkerhedskrav, så planlægger vi udrulningen sammen med dig.

Ja. Placeringen uden cloud understøtter afkoblede og air-gapped miljøer med lokale afhængigheder og en lokal model. Duplex kalder kun en ekstern model, hvis du sætter en op.

Ja. Der er en understøttet vej mellem placeringerne, og det, Duplex har lært, flytter med uden gentræning. Driftsansvar og migreringsarbejde aftales for hver udrulning.

Ja. En udrulning kan bruge din egen modeladgang. Gebyrer fra modeludbyderen, legitimationsoplysninger og den grænse, de skaber, håndteres separat og fremgår af tilbuddet og aftalen.

Ja. Dine input, dit referencemateriale, din historik og alt, hvad Duplex lærer af dem, tjener udelukkende din organisation. Arbejdsområder kan tilføje snævrere grænser for teams, produkter, regioner eller dataklasser.

Ja. På tværs af seks familier af omformulerede angreb blokerede den hvert eneste, med 0.7% falske afvisninger, det laveste blandt alle tilgange, der blokerede dem alle.

Du bestemmer, hvem der er autoriseret, i hver placering. Vareon driver den hostede tjeneste og har kun adgang til en udrulning i din cloud eller uden cloud, når du uddelegerer adgangen til et aftalt formål.

Dit team logger ind i konsollen via din egen identitetsudbyder, trafikken er krypteret i transit, og det, Duplex lærer, og historikken er krypteret i hvile. Mulighederne for at have dine egne nøgler afhænger af placeringen.

Ja. Autoriserede brugere kan fjerne alt, hvad Duplex har lært, gendanne en tidligere version og eksportere det, den har lært, sammen med historikken. Sletnings- og backupprocessen for din udrulning er beskrevet i sikkerhedsgennemgangen og aftalen.

Kun det, du tillader. Personoplysninger kan sløres, før Duplex lærer af dem, sender dem til en model eller føjer dem til historikken, og Duplex kan anvende det, den har lært, uden den oprindelige tekst.

Der kan kun tilføjes til den, og manipulation kan ses: hver ændring tilføjes som en ny post, så en ændret post ville være synlig. Autoriserede brugere kan eksportere den.

Autoriserede brugere kan fjerne dens indflydelse, og urelateret læring forbliver, som den var. Efter bevidst forgiftning fjernede Duplex alle 40 forgiftede eksempler, og dens legitime læring forblev intakt.

Opbevaringsperioden fastsættes pr. Udrulning. Den afhænger af data, placering, din konfiguration, backupdesign og den aftale, der gælder.

Duplex er i private pilotprojekter, og uafhængig certificering er planlagt. Indtil da beskriver sikkerhedsoversigten de kontroller, der er på plads i dag for den placering, du vurderer.

De udbydere, der bruges til din udrulning, og eventuelle vilkår for underdatabehandlere fremgår af dine kundedokumenter. I din cloud eller uden cloud vælger du dem selv.

11 resultater inden for omkostning, nøjagtighed, kontinuerlig læring, generalisering, planlægning, agenter, sikkerhed, nye færdigheder og tilpasning, herunder tre offentlige benchmarks.

En cache genafspiller et tidligere svar, når en forespørgsel ligner. Duplex lærer mønsteret bag bekræftede resultater, følger regelændringer fra den næste forespørgsel og opdager dobbeltgængere, og den kan stadig kalde din cache som et værktøj. Efter en regelændring holdt Duplex en nøjagtighed på 92.5%, hvor en cache faldt til 42.6%.

Behold den: genfinding bliver et af Duplex' værktøjer. Duplex kalder den, når et trin har brug for en passage, lærer, hvilke kilder der besvarer hvilke spørgsmål, og ved, når en kendsgerning har ændret sig.

Den bliver en videnskilde for Duplex. Duplex læser forbundne kendsgerninger, når en beslutning har brug for dem, ved, når de ændrer sig, og lærer, hvilke relationer der betyder noget for dit arbejde.

Ja. Finjusterede og specialiserede modeller bliver værktøjer, som Duplex sender arbejde videre til, og Duplex kan give dit træningsteam bekræftede eksempler, når du vil træne. Alt, hvad Duplex lærer, bliver ved med at virke ved siden af de nye vægte.

De bliver en del af den måde, Duplex handler på. Duplex kører hvert model- og værktøjskald efter dine regler, og dine guardrails og firewalls håndhæver fortsat deres egne.

En AI-gateway router kald og rapporterer forbrug. Duplex er en intelligens: den lærer af hvert bekræftet resultat og handler på det, og gennem MCP + hooks indgår den i hvert trin i de agenter, din virksomhed bygger, med fælles læring, kontinuitet, godkendelser og én historik.

Side om side med dem. Observerbarhed viser, hvad dine agenter gjorde, og evalueringer tester det; Duplex lærer af det, dit team bekræfter, så en rettelse gælder fra den næste forespørgsel, der matcher. Dine traces og evalueringssuiter fungerer fortsat, som de gør.

Produktet, forventet brug, teamstørrelse, placering og eventuel dedikeret kapacitet. Priser gives skriftligt, med de antagelser, der ligger bag.

Duplex er et produkt fra Vareon, Inc., virksomheden bag vareon.com.

Brug kontaktsiden, og nævn produktet, placeringen og den slags arbejde, du har i tankerne. Teamet besvarer spørgsmålet eller henviser dig til siden med detaljerne.