So‘nggi paytlarda Xitoyning yirik texnologik kompaniyalari birin-ketin desktop agentlarini ishlab chiqarmoqda
Natijada turli xil desktop agentlar ko‘payib, odamning ko‘zini qamashtirmoqda
Oddiy ofis xodimlari uchun qaysi mahsulotdan foydalanish qulayroq?
Bugun o‘z sohalarida vakillik qiladigan uchta agent mahsulotini tanlab, sinovdan o‘tkazamiz va kundalik ofis ishlariga eng mos mahsulotni aniqlaymiz
Ishtirokchilar maydonga chiqadi
Birinchi ishtirokchi Tencent kompaniyasining WorkBuddy mahsuloti. Bu “G‘ozlar fabrikasi” tomonidan mustaqil ishlab chiqilgan mahsulot bo‘lib, ish joyidagi AI raqamli hamkasb sifatida定位langan. Aytishlaricha, uning ichida 70 000 dan ortiq tayyor ofis skill’lari va bir nechta yirik til modeli mavjud.
Rasmiy ma’lumotlarga ko‘ra, WorkBuddy’ning kunlik faol foydalanuvchilari 13 milliondan oshgan, oylik faol foydalanuvchilari esa 20 millionga yetgan va o‘sish sur’atida sekinlashish alomatlari ko‘rinmayapti. Balki hamkasblaringiz ham undan foydalanayotgandir.
Mahsulot tuzilmasiga yaxshiroq moslashish uchun bu sinovning barchasi Tencent’ning o‘z Hunyuan 3 modeli yordamida o‘tkazildi. hy3’dan foydalanishning yana bir afzalligi bor, bunga keyinroq qaytamiz.
Ikkinchi ishtirokchi — o‘tgan oy K3 modelini e’lon qilib, qisqa vaqt ichida katta shuhrat qozongan Moonshot AI’ning Kimi’si. Internetda K3 modeli hozir Xitoydagi eng yuqori darajadagi model ekani, frontend dizayn qobiliyati esa unga hech bir inson (yoki AI) teng kela olmasligi aytilmoqda
U AA reytingida uchinchi o‘rinda turadi, shuningdek, tarixdagi parametrlar soni eng katta ochiq kodli model hisoblanadi.
Bunday ta’sirchan ko‘rsatkichlarga ega Kimi kundalik ofis ishlarida o‘zini qanday namoyon qiladi? Keling, buni birgalikda ko‘rib chiqamiz.
Uchinchi ishtirokchi — barchaga tanish Doubao. Ba’zi do‘stlar Doubao ham musobaqada qatnashayotganidan hayron bo‘lishi mumkin: bu agent qobiliyatlari bellashuvi emasmi, unda nega ishtirokchi chat mahsuloti?
Sababi shundaki, Doubao desktop versiyasiga o‘tgan oy agent funksiyasi sezdirmay qo‘shilgan.
Bugun keling, “Koinot fabrikasi”dan chiqqan, sakson yoshli buvilaru bog‘cha bolalarigacha taniydigan Doubao qanday imkoniyatlarga ega ekanini ko‘ramiz.
Bu galgi baholash uchta yo‘nalishda olib boriladi
Ya’ni: kompyuterni boshqarish qobiliyati, axborot izlash qobiliyati va murakkab vazifalarni bajarish qobiliyati
Kompyuterni boshqara olish AI’ning ishlash uchun qo‘l-oyoqlarga ega bo‘lganini anglatadi.
Axborot izlash kerakli ma’lumotlarni o‘zimiz qiynalib, birma-bir qidirmasdan tezda olishimizga yordam beradi. Agent ularni bevosita hisobot shaklida ham yozib bera oladi, bu esa ishni ancha yengillashtiradi.
Ofisda esa doimo nisbatan murakkab vazifalar uchraydi, masalan, biror kompaniya yoki sohani tadqiq qilish.
Uchta vaziyatda qobiliyatlar bosqichma-bosqich tekshiriladi. Bu kundalik ofis ishlaridagi keng tarqalgan holatlarni qamrab olish va agent mahsulotlarining yordamchi ofis imkoniyatlarini to‘liq baholashni ta’minlaydi.
Avval natijalarni jadvalda qisqacha ko‘rsatamiz
1-vaziyat: Kompyuterni boshqarish qobiliyati
Avvalo turli agentlarning kompyuterni boshqarish qobiliyatini tekshiramiz. Bu agent mahsulotining asosiy qobiliyati hisoblanadi: kompyuterni boshqara olsagina, u bizga haqiqatan ham ishda yordam bera oladi.
Shu sababli bu sinov uchun uchala ishtirokchi ishlashi uchun ataylab bir nechta tartibsiz fayl joylashtirilgan papka yaratdim
Uchala ishtirokchiga quyidagi prompt yuborildi:
“任务1_文件综合处理” papkasini tartibga keltiring va bevosita topshirish mumkin bo‘lgan loyiha materiallari to‘plamini yarating.
Tugatgach, quyidagilar haqida hisobot bering: bajarildimi; qanday fayllar yaratildi; byudjet hisob-kitobi natijasi;
byudjet xavfi aniqlandimi; oxirida qanday tekshiruvlar o‘tkazildi.Ko‘p o‘tmay barcha ishtirokchilar natijalarini qaytardi
Birinchi bo‘lib Doubao yakunladi — 5 daqiqada. Ikkinchi Kimi — 6 daqiqa 16 soniyada, oxirgi esa yulduzli ishtirokchimiz WorkBuddy bo‘ldi — unga qariyb 9 daqiqa ketdi
Yakunlash vaqtiga ko‘ra, ishtirokchilarning ishini birma-bir tekshiramiz
Suhbat oynasi va papkaning umumiy holatiga nazar tashlasam, barchasi juda yaxshi ishlagandek ko‘rindi
Uchala ishtirokchi ham birinchi bosqichda yaxshi natija ko‘rsatib, durang qayd etdi deb e’lon qilmoqchi bo‘lganimda
Har bir faylni ochib, sinchiklab tekshirganimda ayrim muammolarni aniqladim
Doubao’ning Word formatidagi hisobotida matn buzilishi va shrift o‘lchamlarining bir xil emasligi yaqqol ko‘rinib turardi
Shoshilinch ravishda qolgan ikki ishtirokchining natijalarini ham yana bir bor diqqat bilan tekshirdim
WorkBuddy va Kimi’da bunday muammolar kuzatilmadi, ular ishni juda puxta bajargan
Birinchi bosqichda Doubao muammoni hal qilish tezligi bo‘yicha aniq yetakchi bo‘ldi, kompyuterni boshqarish qobiliyati ham yomon emas, ammo sifatini hali takomillashtirish kerak
WorkBuddy va Kimi esa sinovdan muvaffaqiyatli o‘tdi, kompyuterni boshqarish qobiliyatida hech qanday muammo aniqlanmadi
2-vaziyat: Axborotni izlash va tartibga solish qobiliyati
Endi uchala ishtirokchining axborot izlash qobiliyatini sinab ko‘ramiz
Aslida avvalgi chat mahsulotlari ham axborotni izlab, tartibga sola olardi, biroq agent bundan bir qadam oldinga o‘tadi
U tartibga solingan ma’lumotlarni bizning talablarimizga muvofiq taqdim eta oladi
Bir necha kun oldin Janubiy Koreyaning SK hynix aksiyalari keskin tushib ketgani haqidagi xabarga ko‘zim tushdi. Shunday ekan, uchala ishtirokchidan SK hynix haqidagi eng so‘nggi xabarlarni izlab topishni so‘raymiz.
Prompt quyidagicha:
SK hynix haqidagi eng so‘nggi yangiliklarni izlang, umumlashtiring, xulosani Word fayliga yozing va manbalarni ilova qiling
Doubao yana eng tez yakunladi, unga atigi 3 daqiqa ketdi
U Word faylini bevosita yaratmadi. Suhbat oynasida uchta formatga eksport qilish mumkinligi ko‘rindi: Word, PDF va Markdown. Word formatiga eksport qilishni tanladim
Uchta variant taqdim etilgani aslida kamchilik, chunki men undan Word fayli yaratib, ma’lumotlarni yozishni aniq so‘ragan edim. U esa o‘zicha ortiqcha ish qildi. Bunday keraksiz kengayishlar AI gallyutsinatsiyalariga olib kelishi oson.
Matnni ko‘rsak, yuzaki qaraganda muammo yo‘q: hynix haqidagi ko‘plab ma’lumotlar to‘plangan. Ammo eng so‘nggi yangiliklar aniq ajratilmagan, Doubao xulosasida qaysi ma’lumot yangi ekanini bilib bo‘lmaydi
NVIDIA va hynix hamkorligi aslida 7.25 sanasidagi yangilik bo‘lib, ancha yangi hisoblanadi. Ammo Doubao uni shunchaki iyul oyiga tegishli deb ko‘rsatgan. Iyul boshidagi xabar bilan iyul oxiridagi xabarning dolzarbligi o‘rtasida katta farq bor.
Qizig‘i shundaki, u bu yangilikni haqiqatan ham topgan, biroq vaqtini aniq ko‘rsatmagan. O‘quvchi voqea qachon sodir bo‘lganini o‘zi yana tekshirishi kerak.
Endi WorkBuddy’ni ko‘ramiz. U ham, Kimi ham Word hujjatini tez va silliq eksport qildi, bu juda yaxshi.
Bu xulosaning mazmuni menga juda yoqdi. Shrift va format ko‘rinishi, jumlalarning o‘qilish qulayligi, axborot boyligi hamda vaqt belgilarining barchasi juda yaxshi bajarilgan.
Oxirida Kimi’ning axborot xulosasi. O‘qib chiqqach, menga biroz g‘alati tuyuldi: u axborot xulosasidan ko‘ra kichik ilmiy maqolaga o‘xshaydi, shuningdek, hynix va NVIDIA hamkorligidagi so‘nggi muhim yangilikni ham topmagan.
Agar bu ilmiy maqola bo‘lganida, Kimi a’lo baho olishi mumkin edi. Ammo bu axborot xulosasi edi va Kimi bu bosqichda ancha yomon natija ko‘rsatdi. Yagona yorqin jihati — matn tuzilishida uning mantiqiy fikrlash qobiliyati kuchli ekani ko‘rinadi.
Tasodifiylik ta’siri bo‘lishi mumkinligini hisobga olib, uchala ishtirokchiga ikkinchi imkoniyat berdim
Ulardan so‘nggi uch kun ichidagi AI yangiliklarini to‘plashni so‘radim:
So‘nggi uch kun ichida AI yirik modellari bilan bog‘liq barcha yangiliklarni to‘plang, avval qisqacha xabar bering, so‘ng ularni birma-bir sanab o‘ting,
HTML shaklida taqdim qilingDoubao haqiqatan ham juda tez: u doim vazifani birinchi bo‘lib yakunlaydi. Keling, bu safar Doubao qanday ishlaganini ko‘ramiz
Ko‘rinib turibdiki, Doubao uch kun ichida, ya’ni shu haftaning seshanbasi (8.4) dan hozirgacha bo‘lgan 18 ta yangilikni to‘plagan. Batafsil ma’lumotlarni sinchiklab ko‘rib, so‘nggi kunlarda AI sohasida nimalar sodir bo‘lganini tezda tushunish mumkin.
Endi ikkinchi bo‘lib yakunlagan, birinchi bosqichda eng yaxshi natija ko‘rsatgan WorkBuddy bu safar qanday ishlaganini ko‘ramiz
Katta kutish biroz ko‘ngil qolishiga olib keldi
Men aytgan “so‘nggi uch kun”ni WorkBuddy 8.3 sanasidan boshlab hisoblagan. Ehtimol, uch kunni oldingi 72 soat deb tushungan
Bundan tashqari, jami 16 ta yangilik keltirilgan, bu Doubao’dan 2 ta kam
Oxirgi bo‘lib yakunlagan Kimi bu bosqichda qanday ishlaganini ko‘ramiz. U yana xulosani kichik ilmiy maqolaga aylantirganmikan?
Vaqt bo‘yicha Kimi ham 72 soat oldinga qaraganga o‘xshaydi va WorkBuddy bilan bir xil xatoga yo‘l qo‘ygan.
Yangiliklarning mazmuni jihatidan Kimi dastlabki ikki ishtirokchidan biroz farq qiladi. Doubao va WorkBuddy yangiliklarning o‘zini birma-bir ko‘rsatgan
Kimi esa ularni turli toifalarga ajratib taqdim etishni tanlagan
U to‘plagan ma’lumotlar ham eng to‘liq bo‘ldi. Shuncha uzoq o‘ylagani bejiz emas
Ikki bosqichdan so‘ng, an’anaviy Word yoki PDF hisobotlariga qaraganda, barcha ishtirokchilar natijalarni HTML ko‘rinishida namoyish etishda yaxshiroq ishlaganga o‘xshaydi
Doubao va Kimi birinchi bosqichda WorkBuddy’dan yomonroq natija ko‘rsatgan bo‘lsa-da, ikkinchi bosqichda turli jihatlarda undan o‘zib ketdi.
Bu menda qiziqish uyg‘otdi
Yakuniy bellashuvda ular yana qanday natija ko‘rsatarkin?
3-vaziyat: Kompleks qobiliyat
Kompyuterni boshqarish va axborot izlash qobiliyatlari tekshirildi. Endi agent mahsulotlarining ofis muhitidagi umumiy qobiliyatini sinab ko‘ramiz.
Keng qamrovli hisobot ko‘pincha hammani qiynaydi: yetarlicha to‘liq emasmi? Chuqurligi kammi? Yoki tadqiqot obyekti haqida yetarli ma’lumot yo‘qmi va nimadan boshlashni bilmaymizmi?
Barchamizga ma’lumki, AI rivoji xotira sanoatining navbatdagi gullab-yashnashiga katta turtki berdi.
Unda AI yordamida xotira sanoati bo‘yicha tadqiqot hisoboti tayyorlatamiz. Turli agentlar qanday natija ko‘rsatarkin?
Keyin uchala ishtirokchiga bir xil prompt yubordim:
Xotira sanoati paydo bo‘lganidan beri uning rivojlanishini tahlil qiluvchi hisobot yozing. Har bir muhim o‘zgarish sabablarini tushuntiring va sabablarni batafsil tahlil qiling. Hozirgi xotira sanoatidagi yirik kompaniyalar raqobat manzarasini aniq bayon qiling. Chiroyli HTML sahifa ko‘rinishida taqdim etingDoubao yana birinchi bo‘lib vazifani yakunladi — unga 6 daqiqa ketdi. WorkBuddy 8 daqiqada undan keyin keldi, Kimi esa bu hisobotni yozib tugatish uchun to‘liq 15 daqiqa sarfladi.
Endi uchala ishtirokchining ishlari qanday chiqqanini ko‘ramiz
Quyida uchala ishtirokchi hisobotining muqovalari berilgan. Qaysi biri kimga tegishli ekanini topishga urinib ko‘ring
Javobni e’lon qilish vaqti
Birinchi muqova Kimi hisobotiniki, ikkinchisi Doubao’niki, uchinchisi esa WorkBuddy’niki. To‘g‘ri topdingizmi?
Bu hisobotlarning dizayn uslubi ichida menga eng ko‘p wrokbuddy yoqdi: sodda, ammo yengil vazminlik va biroz yoshlik ruhi bor, zerikarli emas;
Keyingi o‘rinda Kimi: unda AI davriga xos sirli va sovuqqon kayfiyat, qora-oltin ranglar beradigan qimmatbaho ko‘rinish mavjud.
Mazmundagi qiziq jihatlardan biri shuki, Kimi ham, WorkBuddy ham sarlavhada xotira sanoatining yetmish yilligi haqida ochiq yozgan.
Doubao bu borada aniq o‘z qarashiga ega. Bundan tashqari, Doubao xotira sanoatida oltita, WorkBuddy yettita, Kimi esa o‘nta islohot bo‘lgan deb hisoblaydi.
Albatta, keltirilgan o‘zgarishlar soni ko‘p bo‘lishi ularni yaxshiroq qilmaydi. Ammo Kimi keltirgan o‘zgarishlarning barchasi asosli va mantiqan izchil.
Endi yaxshi hisobotda albatta bo‘lishi kerak bo‘lgan diagrammalarni ko‘ramiz
Quvonarlisi, uchala ishtirokchi ham hisobotiga o‘z diagrammalarini kiritgan. Diagrammalarning ma’lumot manbalari bir xil bo‘lmasa-da, bu ularning bunday ehtiyojni anglaganini ko‘rsatadi. Doubao’ning uslubini esa yana bir bor tanqid qilmasam bo‘lmaydi: ko‘rinishi haqiqatan ham juda yomon, biroz ko‘ngildagidek emas.
Umuman olganda, mazmunning boyligi va mantiqiyligi bo‘yicha Kimi WorkBuddy’dan ma’lum darajada ustun, WorkBuddy esa Doubao’dan oldinda.
Kimi veb-sahifa dizaynida ham o‘ziga xos kichik g‘oyalarga ega
Bu bosqichda Kimi mazmun jihatidan shubhasiz birinchi o‘rinni egalladi
Umumiy mantiqiy fikrlash bo‘yicha Kimi haqiqatdan ham Xitoydagi birinchi ochiq kodli yirik model degan nomga loyiq ko‘rinadi. Uning frontend dizayni kompaniya nomiga — “Oyning qorong‘i tomoni”ga juda mos tushadi va qolgan ikki ishtirokchida bo‘lmagan amaliy dizayn g‘oyalariga ega.
WorkBuddy hisobot uslubi bo‘yicha mendan yuqori baho oldi, bundan tashqari, u hisobotni Kimi sarflagan vaqtning yarmida yaratdi.
Doubao’ga kelsak, uning tezligi haqiqatan ham juda yuqori
Shundan so‘ng uchala ishtirokchidan xotira sanoatining ichki bir segmentidagi yetakchi mahalliy kompaniyalardan birini tadqiq qilishni so‘radim. Asosiy maqsad — bu kompaniyaning hozirgi bahosida pufak mavjud yoki yo‘qligini aniqlash
Avval Doubao’ni ko‘ramiz
Doubao PE (TTM) ko‘rsatkichining soha ichidagi taqqoslanishi va sohaning asosiy mantiqidan kelib chiqib, o‘z xulosasini berdi:
Vaqtinchalik pufak mavjud.
Endi WorkBuddy nima deyishini ko‘rib chiqamiz
WorkBuddy ushbu kompaniyaning tarixiy taqsimotidagi PE (TTM) va PB ko‘rsatkichlari, bir nechta moliyaviy indikatorlar hamda institutlarning kutilmalarini kompleks baholab, quyidagi xulosaga keldi:
Yaqqol pufak mavjud.
Kimi qanday xulosa beradi?
Kimi ham baholash haddan tashqari yuqori, yaqqol pufak xususiyatlari mavjud, deb hisoblaydi
U hozirgi narx belgilanishi foydaga emas, balki narrativga asoslanganini aniq ko‘rsatib berdi
Bu nimani anglatadi? Ya’ni hozirgi narx hikoyalar hisobiga shakllangan, kompaniyaning joriy fundamental ko‘rsatkichlari bu narxni umuman oqlay olmaydi.
Kimi pufak haqidagi xulosasini WorkBuddyga o‘xshash mantiq asosida chiqargan: ikkalasi ham ko‘plab texnik indikatorlar va fundamental ma’lumotlarga tayangan.
Ammo Kimi bir jihatni chuqurroq tahlil qilgan
Uning fikricha, pufakning mavjudligi baholash albatta pasayadi, degani emas. Agar sohadagi ijobiy kon’yunktura va mahalliy mahsulotlar bilan importni almashtirish narrativi davom etsa, kompaniyaning daromad keltirish qobiliyati yaxshilansa, baholash darajasi saqlanib qolishi mumkin. Aks holda, baholashning o‘z me’yoriga qaytish bosimi yuzaga keladi.
Umuman olganda, uch ishtirokchining asosiy xulosasi bir xil: pufak mavjud.
Faqat ularning asoslari turlicha, shuning uchun ishontirish kuchi ham tabiiy ravishda farq qiladi.
Men uchun WorkBuddy va Kimi xulosalari ishonchliroq: ko‘p yo‘nalishdagi ma’lumotlar o‘z so‘zini aytmoqda.
Kimi esa istiqbolga yo‘l-yo‘riq berdi, bu meni yoqimli hayratga soldi.
Ammo afsuslanarli jihati shundaki, uch ishtirokchi taqdim etgan ikki hisobotda faqat foydalanilgan ma’lumotlar qaysi platformalardan to‘plangani ko‘rsatilgan, aniq axborot manbalari havolalari esa berilmagan. Bu ma’lumotlarning haqqoniyligiga nisbatan biroz shubha uyg‘otadi.
Aslida, bu muammoni oldini olishning juda oddiy usuli bor: promptga “barcha ma’lumotlarga aniq manba havolalarini ilova qiling” degan talabni qo‘shish kifoya.
Nega buni boshidanoq qo‘shmadim? Uch ishtirokchi bu tuzoqdan qochib qutula oladimi, deb ko‘rmoqchi bo‘ldim. Ammo ularga ikki marta imkon berilganiga qaramay, baribir barchasi muvaffaqiyatsizlikka uchradi.
Bu promptning hanuz juda muhimligini ham ko‘rsatadi: aniq tuzilgan prompt agentingizga sizni yaxshiroq tushunishga yordam beradi.
Xulosa
Bir necha sinovdan so‘ng natija allaqachon ayon bo‘ldi.
Agar sizga samaradorlik, kontent va maqbul narx uyg‘unligi kerak bo‘lsa, WorkBuddy siz uchun eng yaxshi ish hamkori bo‘ladi. Ehtimol, uning kontenti unchalik mukammal emasdir, ammo u natijani sekin bermaydi.
Eng muhimi, hozircha Hunyuan 3 bepul!
Agar sizga faqat tezlik kerak bo‘lsa va zudlik bilan bajarilishi lozim bo‘lgan vazifa mavjud bo‘lsa, bunday paytda natijaning barqarorligi unchalik muhim emas. Unda Doubaoni tanlashingiz mumkin: u juda tez ishlaydi va agentning asosiy imkoniyatlariga ega.
Agar siz uchun eng muhimi natijaning chuqurligi bo‘lsa, Kimi’dan foydalanishni tavsiya qilaman. U biroz kattaroq vazifalarni bajarishda sekinroq ishlaydi, ammo haqiqatan ham juda yaxshi natija taqdim etadi.