Mesterséges intelligencia, magyarul.
Az eredeti közleményekből.

Nyílt modellekre váltott a Phylo, hogy több tudós használhassa AI-eszközét

2026. szeptember 17.Forrás: Fireworks AI
Nyílt modellekre váltott a Phylo, hogy több tudós használhassa AI-eszközét
Kép: Fireworks AI

A Phylo többségében nyílt súlyú modellekre állította át a Biomni Lab forgalmát a Fireworks infrastruktúráján. A vállalat szerint ezzel 60 százalékkal csökkentek a költségek, miközben a felhasználók száma havonta megduplázódott.

A lényeg röviden
  • A Phylo a Biomni Lab forgalmának többségét nyílt súlyú modellekre helyezte át.
  • A vállalat szerint a költségek 60 százalékkal csökkentek, a havi felhasználói növekedés pedig kétszeres volt.
  • Az új modellek akár 24 óra alatt éles környezetbe kerülhetnek.
  • A gyorsított végpont nagyjából felére csökkentette az első tokenig eltelt időt.
  • A felhasználók saját modellt is választhatnak a Biomni Labban.

Hosszú, összetett kutatási feladatokra készült

A Phylo alkalmazott kutatólabor, amely a Biomni Lab nevű integrált biológiai környezetet fejleszti. A rendszer a kutatási tervezést, végrehajtást és elemzést támogató ügynököket kínál a tudományos közösségnek. A Biomni Lab a szakirodalom áttekintésében, ötletelésben, hipotézisek létrehozásában, kísérlettervezésben és adatelemzésben használható.

Ezek a feladatok gyakran órákig vagy napokig futó, hosszú folyamatok. Egyetlen futtatás több gépet is használhat, nagy teljesítményű számítási klaszterekhez kapcsolódhat, és speciális biológiai alapmodelleket vehet igénybe például fehérjetervezéshez és szerkezet-előrejelzéshez. A Phylo szerint egy futtatás során akár több száz eszközhívás és forduló is történhet.

A Biomni a Stanfordon indult nyílt forráskódú projektként 2024-ben, és a Phylo közlése szerint világszerte több mint 50 ezer tudós használja laboratóriumokban. A Biomni Lab a vállalat szerint akár negyvenszer gyorsabbá teheti a hipotézistől az elemzésig tartó ciklusokat.

A költség és a modellválasztás is szerepet játszott

A Phylo kezdetben saját fejlesztésű, zárt modellekre támaszkodott. A vállalat szerint azonban az ügynökalapú biológiai munkafolyamatok különösen sok tokent használnak, ezért a következtetés költsége közvetlenül befolyásolta, hogy egy kutató mennyi munkát végezhetett el a használati korlát elérése előtt.

A felhasználók közben nagyobb kontrollt szerettek volna a kiválasztott modellek felett. A Biomni Lab ezért modellfüggetlen rendszerként működik. A Phylo minden zárt és nyílt súlyú modellt saját BiomniBench értékeléseivel vizsgál, majd feladattípusonként állít be alapértelmezett modellt a minőség, a késleltetés és a költség alapján. A felhasználók egyedi modellválasztót is kapnak.

A Fireworks a nyílt súlyú modellek futtatását biztosítja. A Phylo nem akarta saját maga üzemeltetni a kiszolgálási infrastruktúrát, mert mérnöki kapacitását a tudományos problémára és a termék fejlesztésére kívánta fordítani.

Akár 24 óra alatt élesíthetik az új modelleket

A Fireworks 2026. szeptember 17-én közzétett beszámolója szerint a Phylo automatizált értékelési folyamatban ellenőrzi az új modellek képességeit. Sikeres teszt után a modell a forgalom egy kis részét kapja meg éles környezetben, majd a további tesztek után alapértelmezetté válhat.

A vállalat szerint ez a folyamat az új, élvonalbeli nyílt modellek esetében akár 24 óra alatt lezárható. A Phylo a Fireworks szerver nélküli végpontjait használja, amelyeknél a forrás szerint nincs adatmegőrzés.

Tianwei She, a Phylo alapító mérnöke szerint a Fireworks mérnökei órákon belül válaszoltak a fiókbeállítással, modelloptimalizálással és telepítéssel kapcsolatos kérdésekre. Egy gyártási környezetben jelentkező hibás eszközhívás kivizsgálásában a két csapat párhuzamosan dolgozott.

Több munka jut ugyanabba a használati keretbe

A Fireworks közlése szerint a Phylo felhasználóinak száma havi összevetésben kétszeresére nőtt, miközben a költség 60 százalékkal csökkent. Az alacsonyabb feladatonkénti költség ugyanakkora használati keret mellett több tudományos munkát tesz lehetővé, és a vállalat szerint ez a megtartást is javítja.

A Phylo és a Fireworks összehasonlító tesztjeiben a gyorsított szerver nélküli végpont nagyjából felére csökkentette az első tokenig eltelt időt. A Phylo szerint ez a hosszú ügynöki folyamatokban minden egyes fordulónál újra jelentkezik. A forrás alapján a Biomni Lab forgalmának többsége már nyílt modelleken fut.

A váltás így a felhasználóknak nagyobb modellválasztást és több elvégezhető munkát jelenthet ugyanazon használati korlát mellett. A Phylo számára pedig a modellfüggetlen működés lehetővé teszi, hogy saját értékelései alapján válasszon zárt és nyílt modellek között.

Kapcsolódó hírek

A CNCF Sandboxba kerül az llm-d, az AI-inferencia nyílt infrastruktúrája
Fejlesztőknek2026. október 2.

A CNCF Sandboxba kerül az llm-d, az AI-inferencia nyílt infrastruktúrája

A Cloud Native Computing Foundation Sandbox projektjei közé kerül az llm-d, a több gyorsítós infrastruktúrán futó, elosztott következtetés összehangolására és…

Az új Fireworks-tömörítő közel felére csökkenti az RL-frissítések méretét
Kutatás2026. szeptember 23.

Az új Fireworks-tömörítő közel felére csökkenti az RL-frissítések méretét

A Fireworks bemutatta az ARCv3 tömörítőt, amely a vállalat mérései szerint közel 50 százalékkal csökkenti a megerősítéses tanulás során továbbított BF16-súlyfrissítések…

A Meta Muse Glimmer modellje hosszú, önálló ügynöki munkára készült
Modellek2026. augusztus 10.

A Meta Muse Glimmer modellje hosszú, önálló ügynöki munkára készült

A Fireworks AI elérhetővé tette a Meta Muse Glimmer modelljét, amelyet folyamatosan működő AI-ügynökökhöz, hosszú eszközhasználathoz és többfordulós feladatokhoz…