MS Duplex — det Agent Operating System, der drives af runtime-intelligens.
Lej modellen. Intelligensen er din.
Giv dine agenter et mål. MS Duplex planlægger arbejdet, afvejer mulighederne, beslutter inden for dine regler eller spørger først et menneske og handler gennem dine værktøjer, mens den kontrollerer hvert modelkald og hver værktøjshandling, før den kører. Langt arbejde holder kursen gennem pauser og ændringer, hvert resultat kontrolleres mod målet, og det, MS Duplex lærer, er dit, i hver session, agent og model.
* Tal fra MatterSpaces interne benchmarks, ikke uafhængigt verificeret. Læs ansvarsfraskrivelsen
- Lejet intelligensEjet intelligens
Din AI lejes pr. kald. Det, MS Duplex lærer, er dit. Beslutningerne er også dine.
- Låst før udrulningLærer, planlægger, simulerer, beslutter og handler, mens du arbejder
Den lærer, planlægger, simulerer, beslutter og handler under kørsel og fører arbejdet videre.
- Én model aleneTo intelligenser, ét system
Din AI bringer generel intelligens. En ACI-model lærer hurtigt, planlægger, simulerer, beslutter og handler. Ét system: MS Duplex.
Alt, hvad et mål kræver, som én helhed.
Planlægning, simulering, problemløsning, beslutninger, dine regler og godkendelser, selve arbejdet, kontroller, kontekst, langvarigt arbejde, genopretning og læring er ikke separate værktøjer, der skal kobles sammen. MS Duplex koordinerer dem omkring dit mål. Vælg et område for at se, hvad det bidrager med til målet, eller lad eksemplet køre gennem dem alle.
EksempelmålFå en forsinket ordre frem til kunden i denne uge, inden for dine regler for levering og refusion.
Før noget kører
Mens det kører
Over tid
Kontekst
Bidrag til målet
Hvert trin starter med de fakta, den historik og de beslutninger, der betyder noget.
I eksemplet
Den henter ordren, dens historik, dine leveringsregler og kurerens seneste opdatering ind.
Hvor det virker på rejsen
- Målet
- Arbejdet
- En ændring
Agenter gør arbejdet.Du fastsætter reglerne.
MS Duplex sætter dine agenter i arbejde ude i den virkelige verden, for dig og hele din virksomhed. Du fastsætter, hvad der betyder noget: målene, reglerne og de handlinger, der kræver dit ja. MS Duplex klarer rutinearbejdet inden for de regler og holder hver agent fast på dem.
Beslut én gang. Hver agent følger trop, i hver session, overalt, hvor den kører.
- 01
Kontrolleret, før den kører
Hvert modelkald og hver værktøjshandling kører først, når MS Duplex har kontrolleret det mod dine regler.
- 02
Dit ja, når det gælder
Du vælger de handlinger, der kræver en persons godkendelse, og MS Duplex spørger først.
- 03
Beslutninger, der holder
Det, dit team har godkendt, følger med i hver session, til hver agent og ved hver overdragelse.
- 04
Læring på dine betingelser
Intet, MS Duplex lærer, går i drift, før du siger ja.
Hvad MS Duplex gør for din AI.
24 måder, den gør din AI bedre på. Se dem køre, eller tryk på en af dem.
Hver samtale bliver til intelligens, som din virksomhed ejer.
De svar, rettelser og beslutninger, din AI finder frem til, bliver i din virksomhed, og hver opgave gør den næste bedre.
Se den i aktion →Trin 1 af 4: Bekræftet
Bekræft et resultat, og MS Duplex lærer det med det samme.
Sådan fungerer MS Duplex som Agent Operating System.
MS Duplex er det Agent Operating System, der drives af runtime-intelligens: laget, som hver agent kører på, uanset hvilken model den bruger. Agenter arbejder nu i timer eller dage, på tværs af sessioner, apps og modeller, men hver af dem bygger stadig sin egen hukommelse, sine egne regler og værktøjsforbindelser og mister dem, når modellen eller appen skifter. MS Duplex giver dem ét lag til det hele, så hver agent beholder sin kontekst, sine regler og sine værktøjer, uanset hvilken model eller app den bruger.
Trin 1 af 9: Ét lag
01 · Ét lag
MS Duplex — det Agent Operating System, der drives af runtime-intelligens.
Hver agent kører på den, uanset hvilken model den bruger. Lej modellen. Intelligensen er din.
Det, MS Duplex giver hver agent, uanset hvilken model den bruger.
- Kontekst
Kontekst, der overlever sessionen
Målet, beslutningerne og det ufærdige arbejde følger med ind i den næste session, agent eller model.
- Regler
Regler før hver handling
Hvert modelkald og hver værktøjshandling kontrolleres mod dine regler, før det kører, og de handlinger, du vælger, venter på en persons OK.
- Langt arbejde
Langt arbejde, der fortsætter
Arbejde, der strækker sig over dage, sessioner og agenter, forbliver ét job, med hvert trin registreret og en kontrolleret afslutning.
- Din stak
Din stak, én værktøjskasse
Din genfinding, dine caches, vidensgrafer, API’er og modeller bliver én værktøjskasse for hver agent, og tilladelserne styres fortsat af dine kontroller.
- Niveauer
Hvert niveau for sig
Det, en person, et team og organisationen lærer, bliver i sit eget lag, og hver kunde holdes adskilt.
- Historik
Én historik
Hvert trin efterlader en kvittering i én historik, du kan kontrollere og eksportere.
- Enhver model
Modeller, du kan skifte
Skift modellen, klienten eller leverandøren, og det, dine agenter har lært, bliver.
- Drevet af runtime-intelligens
Hvert mål, koordineret
Den planlægger, simulerer og beslutter hvert trin inden for dine regler, handler gennem dine værktøjer, kontrollerer resultatet og lærer af det, der blev verificeret, så hver agent på den får arbejdet gjort og bliver bedre med brug.
Sådan virker det.
Start med én forespørgsel. MS Duplex ser den før din model og før ethvert værktøj og gør én af tre ting: den besvarer det, den allerede har lært, henter din model ind til det nye, eller afviser det, der bryder dine regler. Hvert resultat kommer tilbage til MS Duplex, så den næste lignende forespørgsel kan besvares uden et modelkald.
- 01
Den ser hver forespørgsel først
Før din model eller noget værktøj tjekker MS Duplex forespørgslen mod det, den har lært, og mod dine regler.
- 02
Den beslutter, hvem der svarer
Den besvarer det, den er sikker på, henter din model ind med orientering til det nye, eller afviser det, der bryder dine regler.
- 03
Den lærer af resultatet
Hvert resultat kommer tilbage til den, og det, dit team bekræfter, betjener den næste lignende forespørgsel uden et modelkald.
- 04
Den fører det videre
Det, den har lært, følger med ind i hver session, agent og model, du tillader, og hvert trin registreres.
Nedenunder er ACI, Adaptive Continual Intelligence: en ny kategori af intelligens, der arbejder i samspil med din model.
Trin 1 af 6: Hvad ACI er
Plasticitet. Stabilitet. Redigerbarhed.
ACI er resultatet af års forskning i neurale netværk og deres trilemma: plasticitet, stabilitet og redigerbarhed. Lære hurtigt, beholde det, den ved, eller lade dig ændre det, den har lært: et neuralt netværk opnår højst to. ACI forener alle tre.
Plasticitet: et neuralt netværk, der lærer hurtigt, overskriver, hvad det vidste. Forskere kalder det katastrofal glemsel.
Trin 1 af 5: Plasticitet
En vedvarende, lærende runtime til AI-agenter.
Dagens AI er fragmenteret: modellen, genfinding og applikationskode har hver sin del af intelligensen, og ingen af dem lærer af arbejdet. MS Duplex er infrastrukturlaget, der binder dem sammen til ét system, som lærer, planlægger, simulerer, beslutter og handler. Tyngdepunktet flytter sig til hele systemet: modellen kan skiftes, og MS Duplex fører resten videre.
Trin 1 af 4: Modellen
Modellen ræsonnerer om opgaven og glemmer den, når opgaven er færdig.
MS Duplex får AI-agenter til at huske, lære, planlægge, simulere, beslutte, blive bedre, følge reglerne og fortsætte, på tværs af sessioner og modeller.
Den samler dele af en vektordatabase, et hukommelsesplugin, et værktøj til promptstyring, en MCP-server, en motor til arbejdsgange, en politik-gateway og et finjusteringssystem i én runtime, der lærer.
For erhvervslivet
AI, der bliver bedre gennem brug og bevarer det, den har lært, på tværs af agenter og modelleverandører.
For forskningen
Kontinuerlig tilpasning, usikkerhed, hukommelse, planlægning, reversibel læring og evidens fra alle medier, i ét system, der arbejder bag rigtige agenter.
For AI-feltet
Intelligens behøver ikke længere at leve helt inde i modellen. Det, der læres, kan blive et separat lag: styret, flytbart og dit.
Det, der gør MS Duplex anderledes.
En harness giver din AI værktøjer, prompts og trin. MS Duplex kobler den sammen med en ACI-model, en anden intelligens, der lærer, planlægger, simulerer, beslutter og handler under kørsel, og arbejder med de assistenter og agenter, du allerede bruger.
På en ny opgave starter MS Duplex med det, dit team allerede har bekræftet.
Trin 1 af 6: En ny opgave
Intelligens, ikke genfinding.
RAG, vektordatabaser, vidensgrafer, caches og hukommelse gemmer, hvad der skete, og finder det, der ligner. MS Duplex lærer: den forstår mønsteret bag hvert resultat, komprimerer det til det, der generaliserer, forudser, hvad der følger, og handler på det.
Når en forespørgsel kun ser velkendt ud, returnerer genfinding det nærmeste match. MS Duplex forstår mønsteret og ser forskellen.
Trin 1 af 5: En dobbeltgænger
- 01
Den forstår
Mønsteret bag et resultat: hvorfor det virkede, og hvor det gælder.
- 02
Den komprimerer
Det, den har lært, til det, der generaliserer, så den bliver hurtigere og slankere med brug.
- 03
Den forudser
Hvad der følger, ud fra alt, hvad dit arbejde har lært den.
- 04
Den handler
På det, den har lært, under kørsel, inden for dine regler.
Intelligens, bygget til hverdagens arbejde.
Start med én person, og voks til hele virksomheden: det er den samme MS Duplex hele vejen.
For dig lærer MS Duplex, hvordan du arbejder, i den assistent, du allerede bruger.
I Claude, Codex, Cursor eller Hermes. Det, den lærer, er dit, og det følger dig, hvor du end går.
Trin 1 af 5: For dig
I Claude, Codex, Cursor eller Hermes. Det, den lærer, er dit, og det følger dig, hvor du end går.
Det, den lærer, er dit, uanset hvor du arbejder.
Bekræft en rettelse i Cursor, og MS Duplex lærer den.
Trin 1 af 4: Rettelse i Cursor
Den lærer, planlægger, simulerer, beslutter og handler, under kørsel.
Fortræn MS Duplex, og den starter velinformeret.
Trin 1 af 5: Fortræn den
To intelligenser, ét system.
Din AI svarer og lærer intet af arbejdet.
Trin 1 af 4: Arbejdet kommer
Mere præcis, med langt mindre modelarbejde.
3,000 beslutninger med fem regelændringer undervejs: MS Duplex blev hele tiden bedre og kaldte din AI sjældnere og sjældnere.
Se resultaterne →- Præcis over 3,000 beslutninger
- 94.6%*
- Modellen alene 59.8% · med en cache 77.3%
Præcis over 3,000 beslutninger Modellen med MS Duplex 94.6% Modellen med en cache 77.3% Modellen alene 59.8% - Modelkald, med højere nøjagtighed
- −90.3%*
- Mod at kalde modellen hver gang
Modelkald i 3,000 beslutninger Modellen med MS Duplex 277 Modellen alene 2,864 - En beslutning, MS Duplex har lært
- ≈97 ms*
- Et modelkald: ≈2,231 ms
En beslutning, MS Duplex har lært En beslutning, MS Duplex har lært ≈97 ms Et modelkald ≈2,231 ms
* Tal fra MatterSpaces interne benchmarks, ikke uafhængigt verificeret. Læs ansvarsfraskrivelsen
Kontinuerlig læring er den hellige gral inden for AI.
Hver model holder op med at lære, når træningen slutter. At lære af hvert resultat uden at miste det, man vidste, er den præmie, feltet har jagtet i årtier. MS Duplex er bygget på ACI, Adaptive Continual Intelligence: MatterSpaces proprietære algoritmer og arkitektur for intelligens, der bliver ved med at lære under kørsel.
Mandag retter dit team et forkert svar.
Trin 1 af 5: Rettelse
Din som person. Din som virksomhed.
Én MS Duplex, to veje ind: i de assistenter, dit team bruger, og i de agenter, din virksomhed bygger, gennem MCP + hooks.
I dine assistenter
For dig og dit team- Arbejder
- I Claude, Codex, Cursor og Hermes
- Når dig gennem
- MCP
- Bygger
- Din personlige intelligens
Din assistent ser inputtet først og henter MS Duplex ind ved hvert trin.
I dine egne agenter
For din virksomhed- Arbejder
- I hver agent, den bygger
- Når dig gennem
- MCP + hooks
- Bygger
- Din virksomheds intelligens
Dine agenter bevarer styringen, og hooks henter MS Duplex ind ved hvert trin, før hver handling kører.
Du starter med et pilotprojekt på dit eget arbejde, med målepunkterne aftalt, før det går i gang.Alle integrationer →