Berita
Database Amazon DocumentDB ingin mempercepat AIC

Ingin lebih banyak visi yang cerdas dari kotak masuk Anda? Berlangganan buletin mingguan kami untuk mendapatkan apa yang hanya terkait dengan lembaga AI, data dan pemimpin keamanan. Berlangganan sekarang
Industri basis data telah mengalami revolusi yang tenang selama dekade terakhir.
Basis data tradisional mengharuskan pejabat untuk memberikan kapasitas tetap, termasuk sumber daya dan penyimpanan akun. Bahkan di cloud, dengan opsi basis data sebagai layanan, institusi terutama mendorong kapasitas server yang sangat lesu sebagian besar waktu tetapi dapat menangani beban puncak. Database tanpa server jantung formulir ini. Mereka secara otomatis memperluas rentang akun sumber daya naik dan turun berdasarkan permintaan aktual dan pengisian hanya untuk apa yang digunakan.
Amazon Web Services (AWS) Dia adalah pelopor dalam pendekatan ini selama lebih dari satu dekade dengan DynamoDB dan memperluasnya ke database Aurora Serverless. Sekarang, AWS mengambil langkah berikutnya dalam transformasi tanpa server ke basis datanya dengan satu tahun Amazon DocumentDB Serverless. Ini membawa ekspansi otomatis ke database dokumen yang kompatibel dengan MongoDB.
Waktu mencerminkan perubahan mendasar dalam cara mengkonsumsi aplikasi ke dalam sumber daya basis data, terutama dengan penampilan agen kecerdasan buatan. Serverless sangat cocok untuk skenario permintaan yang tidak terduga, yang merupakan beban kerja AI ACTARIC.
AI Impact Series kembali ke San Francisco – 5 Agustus
Tahap selanjutnya dari kecerdasan buatan di sini – apakah Anda siap? Bergabunglah dengan para pemimpin dari Block, GSK dan SAP untuk mengambil tampilan eksklusif tentang cara memulai kembali agen independen dari tugas alur kerja yayasan-dari keputusan dalam waktu yang sebenarnya untuk otomatisasi komprehensif.
Mengamankan tempat Anda sekarang – ruang terbatas: https://bit.ly/3guPlf
“Kami melihat lebih banyak karya Aisinc AI di akhir yang fleksibel dan paling terorganisir,” Ganapathy (G2) Krishnamorate, wakil kepala basis data AWS, Tell VentureBeat. “Karena itu, para agen dan pelayan berjalan berdampingan.”
Membandingkan server dengan database sebagai layanan perbandingan
Status ekonomi basis data tanpa server menjadi meyakinkan ketika memeriksa cara kerja pasokan tradisional. Organisasi biasanya menyediakan database puncak, kemudian membayar kapasitas ini di sekitar jam 24/7 terlepas dari penggunaan aktual. Ini berarti membayar sumber daya kelesuan selama jam sibuk, akhir pekan dan ketenangan musiman.
“Jika beban kerja Anda sebenarnya lebih dinamis atau kurang dapat diprediksi, server tanpa server lebih cocok karena memberi Anda kapasitas dan ruang utama, tanpa benar -benar kebutuhan untuk memuncak setiap saat,” jelas Krishnamori.
AWS mengklaim bahwa Amazon DocumentDB Serverless dapat mengurangi biaya hingga 90 % dibandingkan dengan database tradisional yang tersedia untuk mengubah beban kerja. Penghematan berasal dari penskalaan otomatis yang sesuai dengan kemampuan dengan permintaan aktual.
Namun, mungkin ada risiko yang mungkin dengan database tanpa server. Melalui opsi database sebagai layanan, lembaga biasanya membayar biaya tetap untuk membentuk basis data kecil, menengah atau besar. Dengan server, tidak ada struktur biaya yang sama.
Krishnamoorthy mencatat bahwa AWS telah menerapkan konsep pegangan tangan untuk biaya database tanpa server melalui minimum dan maksimum, yang mencegah biaya melarikan diri.
Apa itu DocumentDB dan mengapa itu penting
DocumentDB berfungsi sebagai layanan database dokumen AWS dengan kompatibilitas API MongoDB.
Berbeda dengan database yang menyimpan data dalam tabel padat, dokumen database menyimpan informasi seperti dokumen JSON (JavaScript Object). Ini membuatnya ideal untuk aplikasi yang membutuhkan struktur data yang fleksibel.
Layanan ini berurusan dengan situasi penggunaan umum, termasuk aplikasi game yang menyimpan detail profil operator, platform e -commerce yang menjalankan produk produk dengan fitur yang berbeda dan sistem manajemen konten.
Konsensus MongoDB menciptakan jalur imigrasi untuk lembaga yang saat ini menjalankan MongoDB. Dari perspektif kompetitif, MongoDB dapat bekerja di cloud apa pun, sementara Amazon DocumentDB hanya di AWS.
Risiko penutupan cenderung menjadi perhatian, tetapi merupakan masalah yang AWS coba atasi dengan berbagai cara. Salah satu caranya adalah dengan memungkinkan kemampuan pertanyaan seragam. Krishnamoorthy mencatat bahwa dimungkinkan untuk menggunakan database AWS untuk menanyakan tentang data yang mungkin ada di penyedia cloud lain.
“Adalah fakta bahwa sebagian besar pelanggan memiliki infrastruktur mereka menyebar melalui banyak awan,” kata Krishnamori. “Kami menganggap, terutama, apa masalah yang sebenarnya dicoba oleh pelanggan.”
Cara menyesuaikan adegan AIC serverless documentdb
Agen kecerdasan buatan mewakili tantangan unik bagi pejabat basis data karena pola konsumsi sumber daya mereka sulit diprediksi. Tidak seperti aplikasi web tradisional, yang biasanya memiliki pola lalu lintas yang relatif tetap, agen dapat mengarah pada reaksi basis data yang berturut -turut yang tidak dapat diprediksi oleh para pejabat.
Database dokumen tradisional mengharuskan pejabat untuk memberikan kapasitas puncak. Ini membuat sumber daya untuk tidak aktif selama periode yang tenang. Dengan agen kecerdasan buatan, puncak -puncak ini bisa mengejutkan dan besar. Pendekatan server menghapus tebakan ini dengan membatasi sumber daya akun secara otomatis berdasarkan permintaan aktual alih -alih kebutuhan kapasitas yang diharapkan.
Selain hanya basis data yang dekat, Krishnamorate mencatat bahwa Amazon DocumentDB Serverless juga akan mendukung dan bekerja dengan MCP (model protokol konteks), yang banyak digunakan untuk memungkinkan alat kecerdasan buatan untuk bekerja dengan data.
Ternyata, MCP di institusi dasarnya adalah seperangkat aplikasi JSON. Sebagai database berbasis JSON, Amazon DocumentDB dapat membuat pengalaman yang lebih berpengetahuan bagi pengembang untuk bekerja dengan mereka, menurut Crichnamori.
Mengapa Institusi Perhatian: Penyederhanaan Operasional Melampaui Penghematan Biaya
Meskipun pengurangan biaya menjadi berita utama, manfaat operasional dari serverless mungkin lebih penting untuk akreditasi lembaga. Serveress menghilangkan kebutuhan akan kapasitas untuk merencanakan kapasitas, salah satu aspek yang paling banyak waktu dan rentan dari manajemen basis data.
“Sebenarnya, serverless benar -benar meningkatkan kebutuhan Anda dalam kenyataan. Yang kedua adalah bahwa itu sudah mengurangi jumlah beban operasional yang Anda miliki, karena Anda bukan hanya kapasitas kapasitas,” kata Krishnamori.
Penyederhanaan operasi ini menjadi lebih berharga karena organisasi memperluas inisiatif kecerdasan buatan. Alih -alih pejabat basis data, mereka terus -menerus menyesuaikan kapasitas berdasarkan pola agen, sistem berurusan dengan penskalaan secara otomatis. Ini mengedit perbedaan untuk fokus pada pengembangan aplikasi.
Untuk institusi yang ingin mendorong jalan dalam kecerdasan buatan, berita ini berarti bahwa dokumen dokumen di AWS sekarang dapat memperluas ruang lingkup mereka dengan lancar dengan beban pekerjaan agen yang tidak terduga sambil mengurangi biaya kompleksitas dan infrastruktur operasi. Model server memberikan dasar untuk pengalaman kecerdasan buatan yang dapat diperluas secara otomatis tanpa kapasitas yang dikirimkan.
Untuk lembaga yang ingin mengadopsi kecerdasan buatan nanti dalam kursus, ini berarti bahwa struktur tanpa hamba telah menjadi prediksi dasar infrastruktur database yang siap untuk kecerdasan. Menunggu adopsi database dokumen tanpa server dapat menempatkan institusi pada posisi kompetitif ketika akhirnya menerbitkan agen kecerdasan buatan dan beban kerja dinamis lainnya yang mendapat manfaat dari penskalaan otomatis.
Tautan sumber
Berita
Runloop menjatuhkan $ 7 juta untuk menjalankan agen pengkodean kecerdasan buatan dengan devbox berdasarkan kelompok rekan sejawat

Runloop “menghasilkan kesenjangan produksi” untuk agen pengkodean kecerdasan buatan, yang membantu
Tautan sumber
Berita
Kamboja untuk nominasi Trump untuk Hadiah Selemen Nobel Perdamaian dengan Thailand

baruAnda sekarang dapat mendengarkan Fox News!
Kamboja akan mencalonkan Presiden Donald Trump untuk Hadiah Nobel Perdamaian setelah ia membantu negara itu mencapai perjanjian gencatan senjata untuk mengakhiri oposisi perbatasannya dengan Thailand.
Sun Chantol, Wakil Perdana Menteri Kamboja, berterima kasih kepada Trump karena membawa perdamaian ke wilayah tersebut sambil berbicara dengan koresponden sebelumnya pada hari Jumat di ibukota Bennah di negara itu.
Chanteol mengatakan bahwa presiden AS layak mendapatkan pencalonannya untuk Hadiah Nobel Perdamaian, hadiah internasional untuk reputasi tertinggi yang diberikan kepada seseorang atau organisasi untuk “persekutuan antar negara” yang lebih banyak.
“Kami mengakui upaya besarnya untuk perdamaian,” kata Changul.
Thailand, Kamboja mencapai gencatan senjata untuk mengakhiri konflik yang menggusur 260.000, kata Trump
Kamboja akan mencalonkan Presiden Donald Trump untuk Hadiah Nobel Perdamaian. (Foto AP/Mark Schiesfelbein)
Perdana Menteri Israel Benjamin Netanyahu mengatakan bulan lalu bahwa ia telah mencalonkan Trump untuk Hadiah Nobel Perdamaian, dan para pejabat Pakistan mengatakan pada bulan Juni mereka merekomendasikan agar ia diberi perannya dalam membantu mengakhiri konfliknya dengan India.
Trump mendesak gencatan senjata minggu lalu ketika dia berbicara dengan para pemimpin Kamboja dan Thailand dan mengancam untuk tidak kembali ke “meja perdagangan” dengan negara -negara Asia Tenggara sampai pertempuran berhenti.
Gencatan senjata di Malaysia dinegosiasikan pada hari Senin, yang mengakhiri konflik terberat antara kedua negara selama lebih dari satu dekade.
Trump mengatakan kepada wartawan selama perjalanan terakhirnya ke Skotlandia: “Banyak orang tewas dan saya berurusan dengan dua negara sejalan dengan mereka dengan sangat baik, dan sangat mirip dari negara -negara tertentu. Mereka berjuang selama 500 tahun.
Trump menyerukan gencatan senjata segera antara Kamboja dan Thailand di tengah meningkatnya kekerasan

Wakil Perdana Menteri Kamboja Sun Changul mengatakan Trump layak mendapatkan pencalonannya untuk Hadiah Nobel Perdamaian. (Gambar Getty)
Setelah berita gencatan senjata, sekretaris pers Gedung Putih Caroline Levitte di X menulis bahwa keterlibatan langsung Trump mengarah ke gencatan senjata.
Dia berkata, “Presiden Trump telah mencapai ini. Beri dia Hadiah Nobel Perdamaian!”
Pertempuran dimulai minggu lalu setelah ledakan tambang bumi di sepanjang perbatasan, lima tentara Thailand terluka. Setiap pihak menyalahkan yang lain untuk memulai bentrokan lima hari.
Setidaknya 43 orang tewas dan lebih dari 300.000 orang mengungsi di kedua sisi perbatasan.
“Aku berkata,” Aku tidak ingin berdagang dengan siapa pun yang saling membunuh, “Trump melanjutkan ketika dia berada di Skotlandia.” Jadi kami baru saja mendapatkannya. Kepala menteri yang mencapai mereka akan dipanggil dengan baik, dan mereka berbicara kepada mereka segera setelah pertemuan ini dan memberi selamat kepada mereka. Tapi itu adalah kehormatan besar untuk berpartisipasi dalam hal itu. Ini adalah perang yang sangat buruk. Perang ini sangat buruk. “

Perdana Menteri Malaysia Anwar Ibrahim, Pusat Perdana Menteri di Kamboja Hun Manit, Kiri, dan Perdana Menteri Bertindak di Thailand, Fmtamem dan Yuhayahay, setelah berbicara tentang gencatan senjata antara Thailand dan Cambodia di Potragaya, Malaysia, pada hari Senin 28 Juli. (Mohd Rasfan/Pool Photo via AP)
Klik di sini untuk mendapatkan aplikasi Fox News
Chanteol, yang juga merupakan negosiator komersial terbaik di Kamboja, mengatakan negaranya juga berterima kasih kepada Trump dengan mengurangi tingkat tarif 19 %.
Chanteol mengatakan kepada Reuters bahwa administrasi Trump awalnya mengancam tarif 49 % sebelum menguranginya menjadi 36 %, tingkat yang akan merusak sektor dan sepatu Campodia yang vital.
Reuters berkontribusi pada laporan ini.
Berita
Saya mendengar tentang alat “riset mendalam” kecerdasan buatan … sekarang manus meluncurkan “penelitian luas” yang berputar lebih dari 100 agen untuk mencapai web untuk Anda

Ingin lebih banyak visi yang cerdas dari kotak masuk Anda? Berlangganan buletin mingguan kami untuk mendapatkan apa yang hanya terkait dengan lembaga AI, data dan pemimpin keamanan. Berlangganan sekarang
Startup AI Singapura ManusBerita utama surat kabar awal tahun ini karena pendekatannya terhadap platform kebetulan multi -agen untuk konsumen dan “profesional” (profesional yang ingin mengoperasikan operasi kerja), kembali ke penggunaan baru yang menarik dari teknologinya.
Sementara banyak penyedia kecerdasan buatan utama seperti OpenAi dan Google dan xi “Penelitian mendalam” atau “peneliti yang dalam” telah meluncurkan faktor -faktor kecerdasan buatan yang menghasilkan beberapa menit atau berjam -jam penelitian yang luas dan dalam waktu di internet dan menulis laporan komprehensif dengan baik -digunakan atas nama pengguna, dan Manus mengambil pendekatan yang berbeda.
itu Perusahaan baru saja mengumumkan “penelitian luas”, Fitur eksperimental baru yang memungkinkan pengguna untuk melakukan tugas dan ukuran besar dengan memanfaatkan kekuatan agen kecerdasan buatan paralel-bahkan lebih dari 100 pada satu waktu, semua fokus pada menyelesaikan satu tugas (atau serangkaian sub-tugas yang menyerahkan tujuan yang disebutkan di atas).
Sebelumnya dilaporkan bahwa ia menggunakan model Anthropor Claude untuk menjalankan platformnya.
AI Impact Series kembali ke San Francisco – 5 Agustus
Tahap selanjutnya dari kecerdasan buatan di sini – apakah Anda siap? Bergabunglah dengan para pemimpin dari Block, GSK dan SAP untuk mengambil tampilan eksklusif tentang cara memulai kembali agen independen dari tugas alur kerja yayasan-dari keputusan dalam waktu yang sebenarnya untuk otomatisasi komprehensif.
Mengamankan tempat Anda sekarang – ruang terbatas: https://bit.ly/3guPlf
Perawatan paralel untuk penelitian, ringkasan dan output kreatif
di dalam Video telah diposting di akun X resmiCo -founder Manus dan ilmuwan utama Yichao ‘Peak’ Ji menunjukkan penawaran eksperimental untuk penelitian ekstensif untuk membandingkan 100 sepatu olahraga.
Untuk menyelesaikan tugas, penelitian ekstensif berkisar di sekitar Manus segera 100 cabang simultan – yang masing -masing ditugaskan untuk menganalisis desain satu sepatu, harga dan ketersediaannya.
Hasilnya adalah matriks penyortiran yang dikirimkan di masing -masing spreadsheet dan halaman web dalam beberapa menit.
Perusahaan menyarankan bahwa penelitian ekstensif tidak terbatas pada analisis data. Ini juga dapat digunakan untuk tugas -tugas kreatif seperti menjelajahi desain.
Dalam salah satu skenario, agen manus dibuat secara bersamaan, desain stiker di 50 pola visual yang berbeda, dan aset olahan dalam file zip yang dapat diisi.
Menurut Manus, fleksibilitas ini berasal dari sistem di tingkat sistem untuk perawatan dan komunikasi paralel, agen.
Dalam video, Peak menjelaskan bahwa pencarian luas adalah aplikasi pertama untuk peningkatan simulasi virtual dan arsitektur yang mampu membatasi kapasitas akun 100 kali yang melebihi penawaran awal.
Fitur ini dirancang untuk diaktifkan secara otomatis selama tugas yang memerlukan analisis skala besar, tanpa sakelar manual atau konfigurasi yang diperlukan.
Ketersediaan dan harga
Penelitian luas tersedia dari pengguna di Manus Pro Plan dan akan tersedia secara bertahap bagi mereka yang dalam paket dasar dan dasar. Sampai sekarang, harga berlangganan manus telah diatur sebagai berikut sebulan.
- bebas – Ini termasuk $ 0 per bulan 300 pembaruan harian, akses ke mode obrolan, satu tugas simultan, dan satu tugas yang dijadwalkan.
- penting – Dolar bulanan akan menambah jam kredit 1900 (+1.900 bonus selama penawaran terbatas), 2 misi simultan dan terbarukan, akses ke model canggih dalam posisi agen, gambar/video/pembuatan video, dan sumber data eksklusif.
- plus – Ini melebihi 39 dolar per bulan hingga 3 tugas simultan dan 3 terjadwal, dan 3.900 jam kredit (+3.900 bonus), dan mencakup semua fitur dasar.
- Profesional -199 dolar/bulan menyediakan 10 tugas sinkron, 10 tugas terjadwal, 19.900 jam kredit (+19.900 bonus), akses awal ke fitur versi percobaan, kemeja manus, dan fitur lengkap fitur termasuk alat agen canggih dan pembuatan konten.
Ada juga diskon 17 % untuk harga ini untuk pengguna yang ingin membayar setiap tahun.
Peluncuran tergantung pada infrastruktur yang disajikan dengan Manus awal tahun ini, yang oleh perusahaan digambarkan bukan hanya agen Amnesty International, tetapi platform komputasi awan pribadi.
Setiap sesi manus bekerja pada perangkat virtual khusus, yang memungkinkan pengguna untuk mengakses akun cloud yang terorganisir melalui bahasa alami-persiapan yang dianggap perusahaan untuk memungkinkan alur kerja AI untuk tujuan umum.
Melalui penelitian yang luas, pengguna Manus dapat mendelegasikan penelitian atau eksplorasi kreatif di seluruh lusinan atau bahkan ratusan subkontraktor.
Tidak seperti sistem multi-agen tradisional dengan peran yang telah ditentukan sebelumnya (seperti manajer, programmer atau perancang), setiap sub-kelompok dalam penelitian luas adalah manus yang sepenuhnya mampu, bukan spesialis untuk pekerjaan peran tertentu secara mandiri dan mampu mengambil alih tugas umum apa pun.
Perusahaan mengatakan bahwa keputusan arsitektur ini membuka pintu bagi tugas -tugas yang fleksibel dan dikembangkan yang tidak terbatas pada template padat.
Apa manfaat dari penelitian mendalam?
Makna implisit tampaknya adalah bahwa operasi semua faktor ini secara paralel lebih cepat dan akan mengarah pada kelompok produk kerja yang lebih baik dan lebih bervariasi di luar laporan penelitian, tidak seperti faktor “penelitian mendalam” individu yang ditunjukkan oleh penyedia kecerdasan buatan lainnya atau ditawarkan.
Tetapi sementara Manus meningkatkan penelitian ekstensif sebagai penetrasi secara paralel dengan agen, perusahaan tidak memberikan bukti langsung bahwa melahirkan lusinan atau ratusan subkontraktor lebih efektif daripada memiliki tugas perawatan kapasitas tunggal secara berturut -turut.
Versi ini tidak termasuk kriteria kinerja, perbandingan, atau interpretasi teknis untuk membenarkan badan pendekatan ini-seperti meningkatkan penggunaan sumber daya, kompleksitas koordinasi, atau kekurangan potensial. Ini juga tidak memiliki detail tentang bagaimana internalis bekerja sama, bagaimana menggabungkan hasil, atau apakah sistem memberikan keuntungan yang terukur dalam kecepatan, akurasi atau biaya.
Akibatnya, sementara keuntungan menunjukkan ambisi arsitektur, manfaat praktisnya tetap pada metode yang lebih sederhana yang tidak terbukti berdasarkan informasi yang diberikan.
Sub -factor memiliki catatan campuran secara umum secara umum, sejauh ini …
Sementara implementasi penelitian Manus yang luas ditempatkan sebagai canggih dalam sistem agen kecerdasan buatan umum, ekosistem yang lebih luas telah menyaksikan hasil beragam dengan metode yang sama.
Misalnya, aktif Reddit, pengguna simbol Claude yang dijelaskan sendiri Ketakutan tentang simbolnya yang lambat dan mengonsumsi sejumlah besar simbol, dan memberikan visi terbatas untuk implementasi.
Titik nyeri umum termasuk kurangnya protokol koordinasi antara faktor -faktor, kesulitan dalam memperbaiki kesalahan, dan kinerja tidak teratur selama periode beban tinggi.
Tantangan -tantangan ini tidak selalu tercermin dalam implementasi Manus, tetapi mereka menyoroti kompleksitas pengembangan kerangka kerja multi -agen yang kuat.
Manus mengakui bahwa penelitian ekstensif masih eksperimental dan mungkin datang dengan beberapa pembatasan dengan pengembangan berkelanjutan.
Kami melihat ke depan
Dengan penelitian yang luas, Manus memperdalam komitmennya untuk mendefinisikan kembali bagaimana pengguna berinteraksi dengan agen kecerdasan buatan dalam skala besar.
Sementara platform lain bergulat dengan tantangan teknis dari koordinasi dan keandalan subagent, pendekatan manus mungkin merupakan ujian apakah agen agen-mengambil stereotip yang sempit dapat memenuhi visi kerja sama dan multi-utusan AI.
Perusahaan menyinggung ambisi yang lebih luas, menunjukkan bahwa infrastruktur di balik penelitian ekstensif meletakkan dasar untuk pertunjukan di masa depan. Pengguna dan adegan industri akan memperhatikan apakah gelombang baru dari struktur agen ini dapat naik ke tingkat kemampuannya – atau apakah tantangan yang terlihat di tempat lain di bidang kecerdasan buatan pada akhirnya akan diambil.
Koreksi: Artikel ini awalnya disebutkan secara tidak benar bahwa Manus berbasis di Cina ketika tidak; Dia ada di Singapura. Dia juga mengutip laporan sebelumnya bahwa mereka menggunakan model Alibaba Qwen; TIDAK. Kami telah memperbarui dan menyesali kesalahan.
Tautan sumber
- Berita8 tahun ago
These ’90s fashion trends are making a comeback in 2017
- Berita8 tahun ago
The final 6 ‘Game of Thrones’ episodes might feel like a full season
- Berita8 tahun ago
According to Dior Couture, this taboo fashion accessory is back
- Berita8 tahun ago
The old and New Edition cast comes together to perform
- Berita8 tahun ago
Phillies’ Aaron Altherr makes mind-boggling barehanded play
- Berita8 tahun ago
Uber and Lyft are finally available in all of New York State
- Berita8 tahun ago
Disney’s live-action Aladdin finally finds its stars
- Berita8 tahun ago
Mod turns ‘Counter-Strike’ into a ‘Tekken’ clone with fighting chickens