Raka svar om Duplex.
Frågorna som team ställer innan de driftsätter.

Med en pilot på ditt eget arbete. Berätta var ditt team arbetar och vad Duplex ska lära sig först. Vi kommer överens om mätetalen innan den börjar och sätter upp Duplex tillsammans med dig i den placering du väljer.

Efter beslut och användare. Ett beslut är en förfrågan som Duplex deltar i, oavsett om Duplex svarar på den eller tar in din AI. Varje offert kommer skriftligt innan du binder dig.

Nej. Du använder din egen modellåtkomst och betalar din leverantör för den, och Vareon lägger inget påslag på tokens. Ett beslut som Duplex har lärt sig kräver inget modellanrop alls.

Den stannar i den placering du väljer. I Vareon cloud kör Duplex åt dig och varje kund hålls åtskild. I ditt moln eller helt utan moln stannar den under dina kontroller. Det enda som lämnar är en förfrågan till en extern modell som du ansluter, och den leverantören ser bara den förfrågan.

Duplex är körtidsintelligensen för din AI och dina agenter. Som en andra intelligens bredvid din modell lär den sig och agerar medan arbetet pågår, från en person till hela företaget. Den lär sig av varje resultat, beslutar och agerar inom dina regler, skaffar sig egna färdigheter och tar med ditt arbete vart du än går. Det den bygger är ditt. Duplex är byggd på ACI, Adaptive Continual Intelligence: en ny kategori av intelligens som lär sig och agerar under körning, i samspel med AI-modeller.

Alla vars arbete bygger på AI, från en person till hela företaget. En person börjar i sin egen assistent, ett team delar vad det lär sig, ett litet företag låter Vareon driva den i Vareon cloud, och ett större företag tar in den i varje agent det bygger via MCP + hooks, i sitt eget moln eller helt utan moln.

En harness ger din AI verktyg, promptar och steg, och gör det den är inställd på. Duplex är en andra intelligens bredvid din AI: den lär sig av varje bekräftat resultat, beslutar och agerar inom dina regler och tar med ditt arbete mellan verktyg och modeller, och det den lär sig är ditt. Den fungerar i Claude, Codex, Cursor och Hermes, och i dina egna agenter via MCP + hooks.

94 förmågor i 17 grupper: Kontext och observation · Regler och beteendekontroll · Verktygskörning · Inlärning och personalisering · Långvariga uppgifter · Planering och beslutsstöd · Återanvändbara färdigheter · Beständiga trådar och delning · Glömska och datakontroll · Status och förklaringar · Beständig intelligens · Personalisering · Multimodal intelligens · Konfidens och autonomi · Säkerhet och tillsyn under körning · Operativ intelligens · Integration och portabilitet.

Nej. De lagrar det som hände och hittar det som liknar det. Duplex är en intelligens som lär sig av erfarenhet, resultat och data under körning: den förstår mönstret bakom varje resultat, komprimerar det till det som generaliserar, förutsäger det som följer och agerar på det, inom dina regler. Därför skiljer den ut ett snarlikt fall, känner fortfarande igen ett fall som ställs med nya ord, följer en ändrad regel från nästa förfrågan och blir snabbare ju mer den används. RAG, minne, vektordatabaser, kunskapsgrafer och cachar blir verktyg den använder.

Din AI-modell är briljant, men ensam under körning: hyrd per anrop börjar den varje uppgift från noll, kan inte lära sig av det som ditt team bekräftar, tappar kontext mellan sessioner och agenter, och ingen kontrollerar vad dina agenter gör innan de gör det. Duplex är den andra intelligensen bredvid den, byggd på ACI, och den lär sig och agerar under körning: den börjar informerad, lär sig av varje resultat, väljer väg, kontrollerar varje åtgärd mot dina regler, skaffar sig färdigheter och bär arbetet vidare över sessioner, agenter och modeller. Din AI får det den saknar under körning, arbetet blir snabbare och billigare med användningen, och det Duplex lär sig är ditt.

Din AI stannar där den är, och Duplex arbetar bredvid den som en andra intelligens. Duplex svarar och agerar på det den har lärt sig, på millisekunder, och tar in din AI för nytt och osäkert arbete med den lärdomen bifogad. Det bekräftade resultatet lär Duplex inför nästa gång.

Två intelligenser som gör olika jobb tillsammans, så som hjärnan gör. Hjärnan arbetar med två system: ett långsamt för allmän kunskap och ett snabbt för varje ny erfarenhet. Din AI är det långsamma. Duplex, byggd på ACI, är det snabba, och den agerar på det den lär sig. Din AI står för generell intelligens, inlärd långsamt före driftsättning. Duplex står för körtidsintelligens: den lär sig snabbt av skarpt arbete och agerar på det. Kognitionsvetenskapen kallar paret kompletterande inlärningssystem.

På sätt och vis: den fungerar som en andra modell bredvid den du använder, en självständig intelligens, och den ersätter aldrig din AI. Duplex arbetar bredvid din AI: den är påläst före förfrågan, beslutar och agerar under den och lär sig efter resultatet. Ett bekräftat beslut kan köras på millisekunder utan modellanrop. Nytt eller osäkert arbete går till din AI med körtidsintelligensen från Duplex bifogad, och det bekräftade resultatet lär Duplex inför nästa förfrågan.

Körtidsintelligens: en andra intelligens bredvid din AI-modell som lär sig och agerar medan arbetet pågår. Den lär sig av varje resultat, beslutar, planerar, skaffar sig färdigheter, kontrollerar vad dina agenter gör och agerar inom dina regler, och det den lär sig är ditt. Bredvid din AI bildar den två intelligenser, ett system.

Överallt där din AI gör verkligt arbete: kod- och skrivbordsassistenter, support- och driftagenter, arbetsflöden i företag, AI-produkter i stor skala, team som anpassar en modell och reglerat arbete. Den är mest användbar där resultat kan bekräftas, eftersom Duplex tillämpar varje korrigering, beslut eller utfall som har bekräftats på nästa förfrågan där det passar.

De blir verktyg för Duplex. Duplex anropar var och en när ett steg behöver den, lär sig vilken som passar vilken situation och kontrollerar att det de returnerar är aktuellt, källbelagt och daterat.

ACI, Adaptive Continual Intelligence, är en ny kategori av intelligens, skapad av Vareon. ACI är intelligens som fortsätter att lära sig och agera medan ditt arbete pågår. Den bygger på allt den lärt sig tidigare, och arbetar i samspel med de AI-modeller du redan använder. ACI är resultatet av år av forskning om neurala nätverk och deras trilemma: plasticitet, stabilitet och redigerbarhet. Duplex är byggd på den.

AI-modeller lär sig innan de släpps, och förblir sedan som de är. ACI lär sig och agerar efteråt: under körning, utifrån ditt arbete, så länge den körs. Den lär sig ditt arbete snarare än världen, den bygger på allt den lärt sig tidigare, och det den lär sig är ditt. Intelligens som fortsätter att lära sig och agera under körning, bredvid modellen, är en kategori för sig.

I samspel. Modellen bidrar med generell intelligens: kunskap, språk och resonemang. ACI bidrar med det den lär sig av ditt arbete. Den hanterar det den redan kan, och tar in modellen, informerad, för det som är nytt. Modellen förblir som den är, och du kan byta modell utan att förlora det ACI har lärt sig.

AI som lär sig direkt av ett bekräftat resultat, agerar på det den lärt sig inom dina regler, följer en ny regel från nästa förfrågan, blir snabbare och billigare ju mer den lär sig, vet när din modell ska tas in, hanterar fall den aldrig har sett, skaffar sig egna färdigheter och tillhör dig, var du än arbetar.

Hittills kunde bara labben som tränar modeller få AI att lära sig. Med ACI har varje person och varje företag en AI som lär sig av det egna arbetet, och de äger det den lär sig. Det den lär sig förräntar sig med varje resultat, stannar i den placering du väljer och är ditt vilken modell du än använder.

Duplex är byggd på ACI, och ACI är intelligensen i den: allt Duplex lär sig, beslutar och gör under körning är ACI i arbete. Duplex är produkten du använder, i de assistenter ditt team arbetar i och i de agenter ditt företag bygger, via MCP + hooks.

ACI är resultatet av år av forskning om neurala nätverk och deras trilemma: plasticitet, stabilitet och redigerbarhet. Plasticitet är att lära sig det nya, snabbt. Stabilitet är att behålla det den vet. Redigerbarhet är att ändra det den lärt sig. Ett neuralt nätverk klarar högst två: låt det lära sig snabbt, så glömmer det, håll det stabilt, så slutar det lära sig, och det som har lärts in är utspritt över hela nätverket. ACI förenar alla tre.

Faruk Guney skapade ACI, Duplex och sin nya startup på egen hand, efter år av forskning om neurala nätverks trilemma och mer än femton år av att bygga upp Norck till ett globalt företag inom tillverkning och ingenjörstjänster på beställning.

Av resultat som visar att arbetet var rätt: ett test som går igenom, en godkänd granskning, en observerad förändring eller ett senare affärsutfall. Den kan också förtränas på granskade exempel, tidigare beslut, dokument, regler och verktygsflöden.

Ja. Förträna Duplex på dina granskade exempel, tidigare beslut, dokument, regler, verktygsvägar och bibliotek av beprövade metoder. Den lär sig dem innan den tas i drift, så den är användbar från första förfrågan, och den fortsätter att lära sig i produktion.

Ditt team sätter standarden för varje typ av arbete. Kod kan behöva tester och granskning, medan en reglerad åtgärd kan behöva godkännas av en person.

En korrigering hör till det arbetsområde där den gjordes, och den hjälper senare arbete som den passar. Behöriga användare kan granska, korrigera eller ta bort allt som Duplex har lärt sig.

Ja. Duplex lär sig mönstret, så den hanterar nya formuleringar och nya detaljer, och den upptäcker ett snarlikt fall som behöver ett annat svar. På vilseledande snarlika fall svarade den fel 7.5% av gångerna, mot 45.3% för en cache.

Den nya regeln gäller från nästa förfrågan. Duplex ersätter det föråldrade beslutet och låter orelaterat arbete ligga kvar. Efter en policyändring gav den 0% inaktuella svar, mot 72% för cache och hämtning.

Kontinuerlig inlärning, under körning. Duplex lär sig av varje resultat när det bekräftas, så nästa förfrågan drar redan nytta av det, utan träningskörning och utan GPU. Vid en förändring förblir 100% av dess tidigare arbete intakt.

Vanlig användning är träningen: Duplex lär sig av varje bekräftat resultat och tillämpar det från nästa förfrågan. Förträning ger den ett försprång, och vikterna i din AI förblir som de är.

För arbete som är nytt, brett eller kreativt, och allt som kräver ny text eller nytt resonemang. Duplex förbereder exakt det som din AI får, med det den har lärt sig bifogat. Ett beslut som Duplex har lärt sig behöver inget modellanrop.

Om Duplex har förtränats på den typen av arbete svarar den från början. Annars tar din AI det, med kunskapen från Duplex bifogad, och när resultatet är bekräftat hanterar Duplex det nästa gång.

Din AI, närhelst arbetet kräver ny text eller öppet resonemang, med det Duplex har lärt sig bifogat. När Duplex har lärt sig arbetet svarar den på egen hand.

Allt Duplex har lärt sig lever bredvid din AI, så det följer med dig till den nya modellen. I anpassningstestet flyttades det Duplex hade lärt sig till en annan modellfamilj helt utan omträning.

Ja. Din placering och dina inställningar avgör vilken modell som är tillgänglig och vart varje förfrågan går.

Vanliga servrar. Duplex behöver ingen egen GPU: ett beslut som den har lärt sig tar ≈97 ms, mot ≈2,231 ms för ett modellanrop. Bara din AI behöver acceleratorer, och Duplex tar in den för nytt arbete.

Målet, avgjorda beslut, begränsningar och oavslutat arbete fortsätter inom samma kund och arbetsområde. Orelaterat arbete och autentiseringsuppgifter stannar kvar.

Det du behöver för att fortsätta: mål, beslut och ofärdigt arbete. Hela utskriften stannar där den var, och ditt teams åtkomstregler gäller fortfarande.

Ja, när anslutningarna hör till samma kund och samma tillåtna arbetsområde. Gränserna för identitet, arbetsområde och kund ligger kvar.

Ja, när båda personerna har behörighet till det delade arbetsområdet. Personligt eller begränsat arbete hålls åtskilt, enligt dina åtkomstinställningar.

Kontext hjälper dig att fortsätta ofärdigt arbete, och den kan vara tillfällig. Det Duplex lär sig kommer från bekräftade resultat, och det hjälper varje gång det passar.

Den tillämpar bekräftade korrigeringar, uppdaterar beslut när en regel ändras, för pågående arbete vidare, planerar processer i flera steg, använder dina verktyg och minskar modellanropen för arbete som den har lärt sig.

Ja. Duplex lär sig hur dina processer reagerar, planerar den kortaste vägen och för med sig begränsningar och bekräftade metoder mellan steg och sessioner. Din AI bidrar med nya resonemang vid varje oväntad vändning.

Ja. Den lär sig vad åtgärder ändrar i dina system, förutsäger effekten av ett steg innan det körs och föreslår den kortaste vägen till ett mål. I ett offentligt benchmarktest för företagssystem slog den tre spetsmodeller i att förutsäga systemändringar. Varje verkligt steg går fortfarande genom dina kontroller.

Ja, när ditt team har slagit på den: ge den ett mål, de åtgärder den får vidta och ett sätt att kontrollera om den lyckas. Den utforskar säkert, testar färdigheten innan den använder den och tar bort den på begäran. Den slutförde varje uppgift med modellen avstängd.

Ja. Duplex får din modell att svara som om den hade tränats på ditt arbete, och modellens vikter förblir som de är. Den slog finjusterade adaptrar i 6 / 6 tester, utan träningskörning, och anpassningen flyttade till en annan modellfamilj utan omträning.

Ja. För väldefinierade uppgifter skriver Duplex ett litet program eller återanvänder ett som redan har fungerat, testar det mot kända fall och kör det när det klarar dem. Ditt team kan pausa det eller ta det ur bruk när som helst.

Ja. Dokument, kunskapsgrafer och databaser blir kunskapskällor för Duplex, var och en med sin ägare, källa och datum. Duplex vet när ett faktum ändras, och tar in rätt fakta i varje beslut.

Ja. Duplex kan dela godkänt lärande och kontext med varje agent i det valda arbetsområdet. För allt den har lärt sig kan du se vilken agent det kom från, med vilken modell och när. Varje kunds lärande stannar hos den kunden.

Ditt team bestämmer vad Duplex lär sig av, granskar det den har lärt sig och kan korrigera eller ta bort vilken del som helst av det. Dina regler, godkännanden och kontroller gäller för varje åtgärd.

De fyra tilläggen är Claude, Codex, Cursor och Hermes. Team som bygger sina egna agenter ansluter dem via MCP + hooks.

Fyra tillägg finns tillgängliga i dag. Om ditt team bygger och kör agenten kan MCP + hooks passa; använder du någon annan assistent, berätta vilken.

För de agenter ditt företag bygger. De ansluter till Duplex via MCP, och hooks tar in Duplex i varje steg: före varje förfrågan, före varje verktygsanrop och efter varje resultat. Varje handling kontrolleras mot dina regler innan den körs, med godkännanden där du vill ha dem och en historik du kan exportera.

Ett tillägg fungerar i en assistent som stöds, via MCP: assistenten tar in Duplex i varje steg, och det bygger din personliga intelligens. MCP + hooks fungerar i de agenter ditt företag bygger: hooks tar in Duplex i varje steg av deras arbete, och det bygger ditt företags intelligens. Det är samma Duplex i båda.

Före varje förfrågan, före varje modellanrop, före varje verktygsanrop, efter varje resultat, vid varje överlämning och vid varje godkännande. Duplex tillämpar dina regler först, sedan det den har lärt sig, och varje handling kontrolleras innan den körs.

Ett tillägg, när människor arbetar i en assistent som stöds. MCP + hooks, när ditt företag bygger sina egna agenter och Duplex ska delta i varje steg.

Ja. Anslutna till samma arbetsområde delar de samma godkända lärande och kontext. Åtkomsten förblir begränsad till de personer och agenter som du ger behörighet.

Ett tillägg eller MCP + hooks, vilka som delar det Duplex lär sig, och, om du vill, de exempel, beslut och dokument som den ska förtränas på. Sedan placeringen och de åtkomstregler som passar arbetet.

Med ett tillägg som stöds fortsätter folk att arbeta i den assistent de redan använder. Teamet bekräftar bra utfall och korrigerar dåliga, och godkännandesteg beror på produkten och arbetsområdet.

Från första förfrågan, när du förtränar den. En bekräftad korrigering hjälper från nästa matchande fall, och varje bekräftat resultat gör Duplex snabbare, billigare och mer träffsäker.

Ja, det är förträning. Granskade exempel, tidigare beslut, dokument och regler ger en stark start. Ditt team placerar vart och ett i rätt arbetsområde och kan korrigera eller ta bort det senare.

Ja. I konsolen kan behöriga användare granska, korrigera eller ta bort allt som Duplex har lärt sig, och se historiken bakom det. De exakta kontrollerna beror på produkten och driftsättningen.

Ja. Du kan sätta upp snävare arbetsområden, och identitets- och åtkomstinställningar avgör vilka som delar vart och ett. Allt det lärandet stannar inom din organisation.

Duplex har tre placeringar: Vareon cloud, ditt moln och inget moln, på maskiner som du driver. Ditt moln och inget moln är företagslösningar. Varje integration finns i alla tre, med förbehåll för villkoren för driftsättningen.

Som en företagslösning. Kontakta oss på hello@vareon.com och berätta om miljön, var data måste stanna och dina säkerhetskrav, så planerar vi driftsättningen tillsammans med dig.

Ja. Placeringen utan moln stöder frånkopplade och fysiskt isolerade miljöer, med lokala beroenden och en lokal modell. Duplex anropar en extern modell bara om du konfigurerar en.

Ja. Det finns en stödd väg mellan placeringar, och det Duplex har lärt sig flyttas utan omträning. Driftansvar och migreringsarbete avtalas för varje driftsättning.

Ja. En driftsättning kan använda din egen modellåtkomst. Avgifter till modellens leverantör, autentiseringsuppgifter och den gräns de skapar hanteras separat och anges i offerten och avtalet.

Ja. Dina indata, ditt referensmaterial, din historik och allt Duplex lär sig av dem tjänar enbart din organisation. Arbetsområden kan lägga till snävare gränser för team, produkter, regioner eller dataklasser.

Ja. Över sex familjer av omformulerade attacker blockerade den varenda en, med 0.7% felaktiga avslag, det lägsta av alla metoder som blockerade dem alla.

Du bestämmer vem som har behörighet, i varje placering. Vareon driver den hostade tjänsten, och har åtkomst till en driftsättning i ditt moln eller utan moln bara när du delegerar den för ett överenskommet syfte.

Ditt team loggar in i konsolen via din egen identitetsleverantör, trafiken krypteras under överföring, och det Duplex lär sig och historiken krypteras i vila. Möjligheterna att hålla dina egna nycklar beror på placeringen.

Ja. Behöriga användare kan ta bort allt som Duplex har lärt sig, återställa en tidigare version och exportera det den har lärt sig med dess historik. Raderings- och säkerhetskopieringsprocessen för din driftsättning tas upp i säkerhetsgranskningen och avtalet.

Bara det du tillåter. Personuppgifter kan maskeras innan Duplex lär sig av dem, skickar dem till en modell eller lägger till dem i historiken, och Duplex kan tillämpa det den har lärt sig utan originaltexten.

Den går bara att lägga till i, och manipulation syns: varje ändring läggs till som en ny post, så en ändrad post skulle märkas. Behöriga användare kan exportera den.

Behöriga användare kan ta bort dess inflytande, och orelaterat lärande förblir som det var. Efter avsiktlig förgiftning tog Duplex bort alla 40 förgiftade exempel, och dess legitima lärande förblev intakt.

Lagringstiden bestäms per driftsättning. Den beror på data, placering, din konfiguration, upplägget för säkerhetskopiering och det avtal som gäller.

Duplex är i privata piloter, och oberoende certifiering är planerad. Till dess beskriver säkerhetsunderlaget de kontroller som finns på plats i dag för den placering du granskar.

De leverantörer som används för din driftsättning, och eventuella villkor för underbiträden, anges i dina kunddokument. I ditt moln eller utan moln väljer du dem själv.

11 resultat inom kostnad, träffsäkerhet, kontinuerlig inlärning, generalisering, planering, agenter, säkerhet, nya färdigheter och anpassning, inklusive tre offentliga benchmarktest.

En cache spelar upp ett tidigare svar när en förfrågan ser liknande ut. Duplex lär sig mönstret bakom bekräftade resultat, följer regeländringar från nästa förfrågan och upptäcker snarlika fall, och den kan fortfarande anropa din cache som ett verktyg. Efter en regeländring höll Duplex 92.5% träffsäkerhet medan en cache föll till 42.6%.

Behåll den: hämtning blir ett av verktygen för Duplex. Duplex anropar den när ett steg behöver ett textavsnitt, lär sig vilka källor som besvarar vilka frågor och vet när ett faktum har ändrats.

Den blir en kunskapskälla för Duplex. Duplex läser länkade fakta när ett beslut behöver dem, vet när de ändras och lär sig vilka samband som spelar roll för ditt arbete.

Ja. Finjusterade och specialiserade modeller blir verktyg som Duplex skickar arbete till, och Duplex kan ge ditt träningsteam bekräftade exempel när du vill träna. Allt som Duplex lär sig fortsätter att fungera bredvid de nya vikterna.

De blir en del av hur Duplex agerar. Duplex kör varje modell- och verktygsanrop enligt dina regler, och dina skyddsräcken och brandväggar fortsätter att upprätthålla sina.

En AI-gateway dirigerar anrop och rapporterar användning. Duplex är en intelligens: den lär sig av varje bekräftat resultat och agerar på det, och via MCP + hooks deltar den i varje steg hos de agenter ditt företag bygger, med gemensamt lärande, kontinuitet, godkännanden och en historik.

Vid sidan av dem. Observerbarhet visar vad dina agenter gjorde och utvärderingar testar det; Duplex lär sig av det ditt team bekräftar, så en korrigering gäller från nästa matchande förfrågan. Din spårningsdata och dina utvärderingssviter fortsätter att fungera som de är.

Produkten, förväntad användning, teamets storlek, placering och eventuell dedikerad kapacitet. Priserna kommer skriftligt, med antagandena bakom dem.

Duplex är en produkt från Vareon, Inc., företaget bakom vareon.com.

Använd kontaktsidan och nämn produkten, placeringen och vilken typ av arbete du har i tankarna. Teamet svarar på frågan eller hänvisar dig till sidan med detaljerna.