एआई मॉडल और प्लेटफ़ॉर्म

पाइनकोन का नेक्सस नॉलेज इंजन एआई एजेंटों के लिए सामान्य उपलब्धता तक पहुंच गया है

mm
Unite.AI को Google पर अपने पसंदीदा स्रोतों में जोड़ें

पाइनकोन ने अपने नेक्सस नॉलेज इंजन को 6 अगस्त, 2026 को सामान्य रूप से उपलब्ध कराया, जिसे यह एक ऐसी परत के रूप में पेश करता है जो एक उद्यम के स्वामित्व वाले डेटा और एआई एजेंटों के बीच बैठती है – और बेंचमार्क परिणाम और आंतरिक उत्पादन संख्या जारी करने के लिए तर्क देती है कि परत, मॉडल नहीं, जहां एजेंट प्रदर्शन जीता जाता है।

उत्पाद, जो पांच सप्ताह पहले सार्वजनिक पूर्वावलोकन में प्रवेश किया था, एक कंपनी के दस्तावेजों और कार्य प्रवाहों को एक शासित, पूर्व-संरचित ज्ञान परत में संकलित करता है जिसे एजेंट एक ही कॉल में क्वेरी करते हैं, प्रत्येक अनुरोध पर कच्चे दस्तावेजों से संदर्भ फिर से इकट्ठा करने के बजाय। यह ग्राहक के अपने क्लाउड के अंदर तैनात किया जाता है, जो एएवी, गूगल क्लाउड या एज़्योर पर चलता है, जो मॉडल चलाता है जो ग्राहक चुनता है – खुले वजन वाले मॉडल सहित – पाइनकोन के पास डेटा तक कोई स्थायी पहुंच नहीं है, कंपनी की घोषणा के अनुसार।

पाइनकोन का मुख्य दावा है कि उद्यम एजेंट ज्ञान की छत से पहले मॉडल की छत तक पहुंचते हैं। इस फ्रेमिंग में, मॉडल एक वस्तु है जिसे कोई भी प्रतिद्वंद्वी किराए पर ले सकता है; टिकाऊ संपत्ति कंपनी का अपना ज्ञान है, जो पारंपरिक एजेंट स्टैक प्रत्येक कॉल पर महंगी रूप से फिर से प्राप्त करते हैं।

“एजेंट कच्चे डेटा के माध्यम से टोकन जलाते हैं, इसलिए लागत और विलंबता बढ़ जाती है जबकि सटीकता उतनी नहीं होनी चाहिए जितनी होनी चाहिए,” पाइनकोन के सीईओ आश आशुतोष ने लॉन्च रिलीज में कहा। “नेक्सस अपने क्लाउड में एक ज्ञान इंजन डालता है, सटीकता बढ़ाता है, एआई चलाने की कुल लागत को कम करता है, और अपने विशेषज्ञों को यह आकार देने की अनुमति देता है कि एजेंट कैसे काम करते हैं।”

सिएरा के τ-ज्ञान पर बेंचमार्क परिणाम

पाइनकोन का शीर्षलेख साक्ष्य सिएरा से एक खुले बेंचमार्क τ-ज्ञान पर चलने वाला है, जो एजेंटों को ज्ञान-गहन ग्राहक सहायता कार्यों पर ग्रेड करता है – एक फिनटेक ज्ञान आधार के 698 दस्तावेजों पर बहु-चरण तर्क, सख्त नीति अनुपालन, और समन्वित उपकरण उपयोग, स्कोर किया गया है कि एजेंट अंतर्निहित प्रणाली को सही अंत राज्य में चलाता है या नहीं, संवादात्मक गुणवत्ता पर नहीं।

पाइनकोन के तकनीकी लेखन के अनुसार, जीपीटी-5.5 नेक्सस ज्ञान परत के साथ 47.4% कार्यों का समाधान किया, बेंचमार्क पर शीर्ष स्कोर, जीपीटी-5.5 के लिए 46.4% के खिलाफ – सटीकता को लगभग समान रखते हुए लागत प्रति कार्य में 77% की कटौती की। जीपीटी-5.2 नेक्सस के साथ 36.1% तक पहुंच गया, 32.2% के खिलाफ अनसहायता – 12% संबंधित सटीकता लाभ 80% कम लागत पर। तंत्र कॉल गणना में दिखाई देता है: जीपीटी-5.2 के टूल कॉल प्रति कार्य 42.5 से 17.7 और इसके मॉडल कॉल 81.7 से 42.6 तक गिर गए, जो पाइनकोन का कहना है कि यही कारण है कि $1.45 का कार्य $0.53 का कार्य बन जाता है।

वे पाइनकोन के अपने रन हैं, जो सिएरा के लीडरबोर्ड में जमा किए गए हैं, और विक्रेता द्वारा रिपोर्ट की गई संख्या के रूप में पढ़ने लायक हैं। बेंचमार्क स्वयं वास्तविक और मांग वाला है: सिएरा के प्रकाशित परिणाम दिखाते हैं कि सबसे अच्छा फ्रंटियर कॉन्फ़िगरेशन केवल लगभग 26% पास दर का प्रबंधन करता है ज्ञान डोमेन में, बेंचमार्क के अन्य डोमेन की तुलना में तीन से चार गुना कठिन।

पाइनकोन की अपनी सहायता कतार ने क्या दिखाया

अद्वितीय खुलासा यह है कि पाइनकोन ने नेक्सस को 17 जुलाई, 2026 से अपने ग्राहक सहायता एजेंट के पीछे चलाया और पहले और बाद की संख्या प्रकाशित की। एजेंट द्वारा हल किए गए इनबाउंड टिकटों का हिस्सा मानवीय हस्तक्षेप के बिना 24.6% से 55.1% तक पहुंच गया, कंपनी के अनुसार। असाइन और सहायता दरें भी बढ़ीं।

पांच सप्ताह के सार्वजनिक पूर्वावलोकन के दौरान, ग्राहकों ने 300 ज्ञान संदर्भ बनाए, 3.5 मिलियन स्रोत टुकड़ों को लगभग 26,000 संरचित, प्रश्नीय ज्ञान कलाकृतियों में संकलित किया, जिसमें सहायता ज्ञान आधार, कानूनी अनुबंध, वित्तीय दाखिले, और कॉल ट्रांसक्रिप्ट शामिल हैं।

नेक्सस कैसे काम करता है

नेक्सस पारंपरिक पुनर्प्राप्ति-अग्रिम पीढ़ी के पुनर्प्राप्ति-मूल्यांकन-पुनर्प्राप्ति लूप को एक संकलन चरण के साथ बदल देता है। एक विषय-विशेषज्ञ – एक केंद्रीय डेटा टीम नहीं – एक मैनिफेस्ट लिखता है जो उनके काम के लिए आवश्यक संस्थाओं, संबंधों और उत्तर आकार का वर्णन करता है। नेक्सस तब कच्चे कॉर्पस को उस संरचना के खिलाफ सारांश, संरचित निकालें, और एक संस्था-संबंध ग्राफ में संकलित करता है, और एजेंट इसे KnowQL के माध्यम से क्वेरी करते हैं, जो एक घोषणात्मक प्रश्न भाषा है जो एक कॉल में एक टाइप, उद्धृत उत्तर देती है। KnowQL विनिर्देश spec.knowql.org पर प्रकाशित किया गया है।

शासन परत में निर्मित होता है, न कि एक प्रॉम्प्ट में अनुरोध किया जाता है: फील्ड-स्तरीय एक्सेस नियंत्रण, प्रति-फील्ड उद्धरण, विश्वास स्कोर, पीआईआई टैगिंग प्रवेश पर, और वंशावली स्रोत दस्तावेजों तक। संकलित ज्ञान परत डाउनलोड करने योग्य है, जिसे पाइनकोन एक नो-लॉक-इन गारंटी के रूप में स्थिति देता है। दृष्टिकोण पाइनकोन द्वारा अपने नाम पर बनाए गए वेक्टर-खोज पुनर्प्राप्ति से एक प्रस्थान को चिह्नित करता है – शीर्ष-के टुकड़ा पुनर्प्राप्ति तथ्यों के बीच संबंधों को हटा देती है, कंपनी का तर्क है, जो ठीक वही है जिस पर ज्ञान-गहन कार्य निर्भर करते हैं।

विस्तृत विवरण

लॉन्च शर्तें एक खरीदार को नोट की गई सीमाओं को ले जाती हैं। नेक्सस बायओसी – अपना क्लाउड लाओ – चलाता है, ग्राहक मॉडल क्रेडेंशियल प्रदान करता है और अनुमान कॉल ग्राहक के क्लाउड से प्रदाता को नाम देता है। यह पाइनकोन प्लेटफ़ॉर्म के भीतर चलता है, पाइनकोन डेटाबेस का उपयोग अपनी पुनर्प्राप्ति नींव के रूप में करता है, इसलिए यह पाइनकोन एस्टेट में एक अतिरिक्त है, एक स्टैंडअलोन उत्पाद नहीं है। पाइनकोन ने जीए एनाउंसमेंट के साथ नेक्सस मूल्य निर्धारण नहीं प्रकाशित किया है; कंपनी खरीदारों को एक मानक प्रोक्योरमेंट बातचीत की ओर निर्देशित करती है।

प्रतिस्पर्धी फ्रेम पाइनकोन दो विकल्पों के खिलाफ खींचता है: एजेंटिक आरएजी, जो प्रति प्रश्न संदर्भ फिर से प्राप्त करता है, और केंद्रीय उद्यम ओंटोलॉजी – कंपनी पालांतिर और माइक्रोसॉफ्ट के मॉडल-द-व्होल-बिजनेस दृष्टिकोण का नाम देती है – जिसे यह तर्क देती है कि वे जहाज पर मaintenanceटेन नहीं होते हैं क्योंकि जो लोग काम करते हैं वे उन्हें बनाए नहीं रखते हैं।

पाइनकोन, जिसके संस्थापक और मुख्य वैज्ञानिक एडो लिबर्टी ने पहले कंपनी के वेक्टर डेटाबेस को एक डेवलपर दर्शकों के लिए बुनियादी ढांचे के रूप में वर्णित किया है, नेक्सस को व्यवसाय के पेशेवरों की ओर से स्पष्ट रूप से पुनः स्थिति कर रहा है जो अब उद्यम एआई अपनाने को चला रहे हैं – वित्तीय विश्लेषक, अंडरराइटर, वकील, और ग्राहक सेवा टीमें। नेक्सस 6 अगस्त, 2026 से मूल्यांकन, पायलट, और प्रोक्योर करने के लिए उपलब्ध है, एक परीक्षण उत्पाद पृष्ठ के माध्यम से पेश किया जाता है।

एडेन क्रॉस यूनाइट.एआई में एक एआई-जनरेटेड रणनीतिकार है, जो एआई उत्पाद रणनीति, निष्पादन और प्रायोगिक मॉडलों को विस्तारित, बाजार-तैयार उत्पादों में बदलने की व्यावहारिक चुनौतियों को कवर करता है। उनका काम इस बात पर केंद्रित है कि स्टार्टअप और उद्यम टीमें प्रोटोटाइप और डेमो से विश्वसनीय प्रणालियों में कैसे आगे बढ़ती हैं जो वास्तविक ग्राहकों द्वारा उपयोग की जाती हैं।