Duplex i Letta,
obok siebie.

Letta buduje agentów ze stanem wokół trwałej pamięci i wyuczonych umiejętności. Duplex to druga inteligencja obok twojej AI: uczy się z każdego wyniku i na bieżąco działa na tej podstawie, w ramach twoich zasad, niezależnie od tego, jakiego modelu używasz.

Porównanie aktualne na dzień 16 października 2026.

Zobacz wszystkie możliwości →Pełne porównanie

Wszystkie możliwości: Duplex i Letta.

Co robi każde z nich, grupa po grupie, od tego, czym jest, po to, ile kosztuje.

Wbudowane: Wbudowane w sam rdzeń działania produktu.
Zewnętrzne: Dostarczasz to albo składasz osobno.
Niewbudowane: Dokumentacja produktu nie wymienia tego jako wbudowanej funkcji. Własne rozwiązanie wciąż może być wykonalne.

Możliwość	Duplex	Letta
Czym jest każde z nich
Czym jest	Inteligencja w działaniu obok twojej AI: uczy się i działa dla twoich agentów i asystentów, w ramach twoich zasad	Platforma agentów ze stanem, zbudowana wokół trwałej pamięci i uczenia się w przestrzeni tokenów
Co przenosi dalej	Kontekst, decyzje, wyniki, zasady, zadania, umiejętności i to, czego się nauczył	Pamięć agenta, rozmowy, pliki i umiejętności
Co poprawia się z doświadczeniem	Jego kolejne decyzje: pewność, kierowanie, rekomendacje, użycie narzędzi i wiedza wielokrotnego użytku	Przyszłe zachowanie agenta, dzięki zaktualizowanej pamięci i wyuczonym umiejętnościom
Wiedza o tym, co się stało, i uczenie się z tego	WbudowaneWie, co się stało, i uczy się, co zmienić dalej	Jest jedno i drugie, głównie dzięki pamięci i umiejętnościom w przestrzeni tokenów
Uczenie się
Uczenie ciągłe bez ponownego trenowania	WbudowaneUczy się dalej, poza wagami twojego modelu	WbudowaneUczenie się w przestrzeni tokenów i uczenie się umiejętności
Dostosowanie tura po turze	WbudowaneKażdy nowy wynik może od razu zmienić następną decyzję	Pamięć zarządzana przez agenta może zmieniać się na bieżąco; uczenie się umiejętności następuje po zakończonym doświadczeniu
Uczenie się z korekt	WbudowaneKorekta zmienia to, co Duplex zrobi dalej	Korekty mogą aktualizować pamięć albo zasilać wyuczone umiejętności
Uczenie się z wyników	WbudowaneSukces i porażka od razu wracają do tego, czego się uczy	Możliwe dzięki refleksji nad trajektoriami i aktualizacjom zarządzanym przez agenta
Uczenie się z nagród	WbudowaneNagroda wzmacnia to, co zadziałało, i poprawia to, co nie zadziałało	Nagrody nie są jego głównym sposobem uczenia się
Zasługa za kroki prowadzące do wyniku	WbudowaneUstala, które wcześniejsze działania doprowadziły do późniejszego wyniku	Letta nie oferuje tego jako wbudowanej możliwości w działaniu
Jak działania posuwają pracę	WbudowaneUczy się, jak każde działanie przenosi pracę z jednego stanu do następnego	Agent może to wywnioskować z kontekstu
Przewidywanie, co da działanie	WbudowaneNa podstawie tego, co obserwuje, przewiduje, co da działanie, sprawdza alternatywy i planuje	Model rozumuje na podstawie pamięci
Lepszy wybór działań	WbudowaneWyniki poprawiają to, które działanie wybierze następnym razem	Zachowanie poprawia się dzięki pamięci i umiejętnościom
Umiejętności wielokrotnego użytku	WbudowaneDoświadczenie staje się umiejętnościami, które są testowane przed użyciem i można je wstrzymać, przywrócić albo wycofać	WbudowaneTrajektorie mogą stać się trwałymi umiejętnościami, które działają z każdym modelem
Testowanie umiejętności i zarządzanie nimi	Umiejętność jest testowana, zanim się na niej polega, i można ją wstrzymać, przywrócić, wycofać albo usunąć na dobre	Umiejętności to pliki, które możesz przeglądać, wersjonować i nimi zarządzać
Uogólnianie na pokrewne przypadki	Przenosi to, czego się nauczył, na pokrewne przypadki i nowe sformułowania oraz do umiejętności, których może używać ponownie	Umiejętności w przestrzeni tokenów uogólniają procedury między zadaniami
Decydowanie i działanie
Wiedza, jak bardzo jest pewny	WbudowanePrzed każdą decyzją wie, jak dobrze zna przypadek i jak bardzo jest pewny	Głównie osąd modelu i to, na ile trafna jest pamięć
Odpowiedź, przekazanie albo odmowa	WbudowaneDuplex odpowiada sam, wywołuje twój model, używa narzędzia albo odmawia, w ramach twoich zasad	Agent zwykle działa dalej dzięki rozumowaniu modelu
Samodzielna obsługa znanej pracy	WbudowaneSam podejmuje znane decyzje, bez kolejnego wywołania czołowego modelu	Model nadal interpretuje pamięć albo umiejętności
Przekazywanie tego, co nowe albo niepewne	Nowa, niepewna albo wrażliwa praca trafia do właściwego modelu, narzędzia albo osoby	Agent i model decydują, kiedy potrzebna jest dodatkowa pomoc
Planowanie, symulacja i rekomendacje	WbudowanePrzewiduje, co stanie się dalej, sprawdza alternatywy, buduje plany i rekomenduje działania	Głównie dzięki rozumowaniu modelu i narzędziom agenta
Wielu agentów, pracujących razem	Wysyła pracę do właściwego agenta, dzieli ją w ramach twoich zasad, trzyma każdego agenta w jego zakresie i łączy wyniki	Dostępni są agenci, subagenci i wspólna pamięć
Uczenie się, które narzędzia działają	Uczy się, które narzędzia działają, kiedy ich używać i do czego prowadzi każde z nich	Umiejętności i pamięć mogą poprawić korzystanie z narzędzi
Działania narzędzi w ramach twoich zasad	Narzędzia uruchamiają się tylko zgodnie z twoimi zasadami i uprawnieniami	Uprawnienia agenta i konfiguracja narzędzi
Strumieniowanie	Strumieniuje wyjście modeli i narzędzi, a każdy krok nadal pozostaje w ramach twoich zasad	Dostępne przez interfejsy agentów i modeli
Praca, która toczy się dalej
Uczenie się z każdego kroku, automatycznie	Każdy krok, przez MCP + hooks albo wtyczki, zasila jedną wspólną pętlę uczenia się	Środowisko uruchomieniowe Letta przechowuje rozmowy i działania agentów
Kontekst między sesjami	WbudowanePraca, decyzje, zadania i kontekst, który ma znaczenie, przechodzą z sesji na sesję	WbudowaneTrwali agenci zachowują pamięć między rozmowami
Długotrwała praca	WbudowaneDługotrwała praca pozostaje otwarta między sesjami i agentami, z bezpiecznymi punktami, do których można wrócić, dopóki nie zostanie ukończona albo zapomniana	Trwali agenci mogą kontynuować pracę, a jej cykl życia określają agent i aplikacja
Między modelami	WbudowaneTo, czego się uczy, i twój kontekst pozostają poza modelem i podążają za pracą między dostawcami	Mocne: pamięć i umiejętności w przestrzeni tokenów mogą przetrwać zmianę modelu
Między aplikacjami i agentami	Ta sama praca trwa dalej w Claude, Codex, Cursor, Hermes i twoich własnych agentach	Agenci ze stanem są dostępni przez SDK i hostowane MCP
Przekazanie pracy innemu agentowi	Zadanie i jego kontekst przechodzą do innego agenta, na którego pozwalasz, gotowe do dalszej pracy	Wspólni agenci i repozytoria mogą wspierać przekazanie
Utrzymywanie zwięzłego kontekstu	Kontekst pozostaje kompaktowy, skupiony na zasadach, zadaniach i decyzjach, które mają znaczenie	Organizacja pamięci, podsumowania i zarządzanie kontekstem w stylu plików
Uczenie się z obrazów, dźwięku, wideo i plików PDF	Uczy się z obrazów, dźwięku, wideo i plików PDF, tak jak z tekstu	Zależy od podłączonego modelu i narzędzi agenta
Między mediami	Pytanie zadane słowami może korzystać z tego, czego nauczył się z obrazów, dźwięku i wideo, a media mogą wpływać na późniejsze decyzje	Zależy od modelu i od tego, jak zbudowana jest pamięć
Ludzie, zespoły i udostępnianie
Dla każdej osoby	WbudowaneKażda osoba dostaje własny prywatny kontekst, preferencje i uczenie się	Wbudowana pamięć dla każdego agenta i użytkownika
Dla każdego zespołu	WbudowaneZespoły dzielą się zatwierdzoną wiedzą, a prywatna praca pozostaje prywatna	Wspólne repozytoria pamięci i umiejętności
W całej organizacji	WbudowaneTo, co działa, może przejść od jednej osoby do zespołu i organizacji, zgodnie z twoimi zasadami	Umiejętności i pamięć można udostępniać w całej organizacji
Udostępnianie między ludźmi, pod kontrolą	Ty wybierasz, co jest udostępniane i komu, i możesz to wycofać; wszystko, co udostępnione, pokazuje, od kogo pochodzi	Wspólne repozytoria i uprawnienia do współpracy
Ochrona udostępnianych treści	To, co ktoś udostępnia, trafia jako informacja, nigdy jako instrukcja, więc nie może sterować agentem innej osoby	Opiera się na kontekście i uprawnieniach agenta
Kontrola i zaufanie
Zasady	Twoje zasady są częścią tego, jak działa Duplex: zezwalają na rzeczywiste działania, odrzucają je albo ograniczają	Instrukcje i uprawnienia kształtują zachowanie agenta
Zasady stosowane przed każdym działaniem	WbudowaneHooki sprawdzają każde działanie pod kątem twoich zasad, zanim zostanie wykonane	Zależy od środowiska uruchomieniowego Letta, uprawnień i hosta narzędzi
Ludzie w pętli	Człowiek potwierdza wybrane przez ciebie działania, a to, czego uczy się Duplex, można przejrzeć i cofnąć	Użytkownicy mogą przeglądać pamięć i umiejętności oraz nimi zarządzać
Historia, którą możesz sprawdzić	Historia każdej decyzji, skąd się wzięła i co z niej wynikło, której nie da się po cichu zmienić	Trwałe rozmowy, pamięć i stan agenta
Protokoły, które możesz zweryfikować	Decyzje, umiejętności i usunięcia mogą mieć protokoły, które możesz zweryfikować	Wersjonowane wspomnienia i umiejętności
Dokładne cofanie tego, co wyuczone	WbudowaneJedną wyuczoną zmianę można dokładnie cofnąć, bez ponownego trenowania czegokolwiek	Umiejętności i wspomnienia można edytować albo przywracać do wcześniejszych wersji
Zapominanie, które sięga wszystkiego, co na tym zbudowano	Usunięcie czegoś usuwa też to, co z tego wynikło: kontekst, wszystko, co z tego udostępniono, i powiązaną naukę	Pamięć i umiejętności porządkuje się przez pliki i wersje
Oddzielenie klientów	Każdy użytkownik, zespół, organizacja i klient są od siebie oddzieleni, w każdej integracji i we wszystkim, co udostępnia	Uprawnienia w chmurze i na własnej infrastrukturze
Skąd pochodzi wszystko, co wyuczone	Przy wszystkim, czego się nauczył, widzisz źródło, zakres i to, na ile można temu ufać	Pamięć i umiejętności można przeglądać
Gdzie działa i z czym się łączy
Dowolny dostawca modeli	Jedna inteligencja dla OpenAI, Anthropic, Google, AWS i zgodnych modeli	Harness dla agentów, który działa z każdym modelem
MCP	WbudowanePrzez MCP + hooks Duplex dołącza do każdego kroku twoich agentów	Hostowane MCP pozwala innym agentom tworzyć agentów Letta ze stanem i wysyłać im wiadomości
Hooki i wtyczki	WbudowaneWtyczki dla Claude, Codex, Cursor i Hermes oraz hooki, które włączają Duplex na każdym kroku i sprawdzają wrażliwe działania narzędzi	Integracja przez SDK, CLI i środowisko uruchomieniowe agentów
Twoja chmura albo własna infrastruktura	Vareon cloud, twoja chmura albo bez chmury: chmura prywatna, twoje własne konto, własna infrastruktura albo izolacja od sieci	Chmura oraz serwer aplikacji na własnej infrastrukturze
Bez chmury: izolacja od sieci	Zbudowany dla wdrożeń, z których nic nie może wyjść, z lokalnymi modelami, lokalnymi zależnościami i twoim własnym dostawcą tożsamości	Możliwe ze stackiem na własnej infrastrukturze i lokalnymi zależnościami
Koszt, szybkość i dopasowanie
Jak obniża koszt modelu	Duplex sam odpowiada na znaną pracę, bez powtarzania wywołań czołowego modelu	Lepszy kontekst i umiejętności poprawiają wyniki, ale model nadal działa
Jak obniża opóźnienie	Decyzje, których jest pewien, wracają szybko; niepewna praca nadal trafia do twojego czołowego modelu	Lepiej uporządkowany kontekst może ograniczyć zbędne rozumowanie
Przetrwa aktualizację modelu	TakUczenie się, kontekst, zadania i zasady pozostają poza jakimkolwiek pojedynczym modelem	TakPamięć i umiejętności są celowo niezależne od modelu
Potrzeba dostrajania	NieDostrajanie staje się opcjonalnym krokiem dalej	Nie
Najlepsze dla	Organizacje, które potrzebują, by ich agenci AI uczyli się, działali w ramach zasad, przenosili pracę dalej i doskonalili się między modelami, jako jeden system	Zespoły budujące trwałych, samodoskonalących się agentów wokół pamięci i umiejętności w przestrzeni tokenów

Pozostałe porównania.

Zobacz Duplex na własnej pracy.

Porównaj go tam, gdzie to się liczy: pilotaż uruchamia Duplex na twojej własnej pracy, ze wskaźnikami uzgodnionymi przed startem.

Rozpocznij pilotaż →Poznaj Duplex

Duplex i Letta,obok siebie.

Wszystkie możliwości: Duplex i Letta.

Pozostałe porównania.

Zobacz Duplex na własnej pracy.

Duplex i Letta,
obok siebie.