MS DuplexLibertà di cambiare modelloMostra tuttoMostra meno
Libertà di cambiare modello.
Cambia modello e riprendi da dove avevi lasciato.
In MS Duplex, l’esperienza che il tuo team costruisce risiede accanto al modello, i cui pesi restano invariati. Un nuovo modello parte con tutto ciò che il tuo team ha confermato, e il lavoro prosegue da dove si era fermato.
Ricordare e governare · una delle quattordici capacità di MS Duplex


Il tuo team ottiene
- Nessun vincolo a un unico modello o fornitore
- Ogni aggiornamento parte pienamente informato
- Il valore del lavoro della tua IA continua a moltiplicarsi
Cosa significa la libertà di cambiare modello per il tuo team.
Libertà di cambiare modello significa che il valore del lavoro della tua IA resta al tuo team quando il modello cambia. I risultati confermati, le correzioni degli esperti, le decisioni, i metodi e i piani che il tuo team accumula risiedono in MS Duplex, in un archivio di proprietà della tua organizzazione.
Un modello da solo contiene ciò su cui è stato addestrato. Insegnargli il tuo lavoro con un addestramento lega quel lavoro a un solo modello, e con la release successiva si ricomincia. MS Duplex conserva invece l’esperienza accanto al modello, lasciandone invariati i pesi, così un nuovo modello parte con tutto ciò che il tuo team ha costruito.
Il tuo team può scegliere il modello adatto a ogni compito, adottare una nuova release quando serve al lavoro e passare tra Claude, Codex, Cursor e altri agenti compatibili con MCP. L’esperienza segue ogni volta, con ogni fonte documentata.
Perché la ricerca ha bisogno della libertà di cambiare modello.
I modelli migliorano rapidamente, e i team di ricerca vogliono il migliore per ogni compito. Ogni cambio dovrebbe conservare ciò che il team ha costruito e aggiungervi qualcosa.
L’esperienza di un team di ricerca con la sua IA è costosa da costruire: le correzioni fatte dagli esperti, i metodi verificati dal team, le condizioni confermate con tempo di calcolo e di laboratorio. Quando quell’esperienza è legata a un solo modello, ogni aggiornamento la mette a rischio, e i team restano su un modello più vecchio perché passare a un altro costerebbe troppo.
Compiti diversi si adattano anche a modelli diversi. Uno può ragionare meglio in un’analisi difficile, un altro può essere più adatto al lavoro ricorrente a un costo inferiore. Un team dovrebbe poterli usare entrambi sullo stesso progetto, con entrambi che attingono alla stessa esperienza.
I modelli cambiano spesso
Continuano ad arrivare nuove release, e ognuna dovrebbe partire da ciò che il tuo team sa già.
L’esperienza è costosa da costruire
Ogni correzione e ogni risultato confermato sono costati tempo degli esperti, calcolo o tempo di laboratorio, e dovrebbero sopravvivere a qualsiasi singolo modello.
I compiti sono diversi
Il modello migliore per un compito può essere diverso dal migliore per il successivo, e il team dovrebbe essere libero di scegliere.
Il lavoro è tuo
Ciò che il tuo team ha imparato dalla propria ricerca appartiene alla tua organizzazione, qualunque fornitore usi.


Come funziona la libertà di cambiare modello nella giornata del tuo team.
Il tuo team lavora con i modelli e gli agenti adatti al lavoro. MS Duplex conserva l’esperienza in un unico luogo a cui attingono tutti.
- 1
Il tuo team lavora
Gli scienziati e ingegneri usano Claude, Codex, Cursor, un altro agente compatibile con MCP o i tuoi agenti tramite l’API e il Python SDK.
- 2
L’esperienza si accumula
Risultati confermati, correzioni, decisioni, metodi e piani si accumulano in MS Duplex, ciascuno con la sua fonte.
- 3
Il modello cambia
Il tuo team adotta una nuova release, sceglie un modello diverso per un compito o passa a un altro fornitore.
- 4
Il lavoro prosegue
Il nuovo modello parte da tutto ciò che il tuo team ha costruito e riprende il lavoro da dove si era fermato.
Un esempio, in qualsiasi campo in cui un team svolge il proprio lavoro con l’IA.
L’agente di un team pianifica le esecuzioni e valuta soluzioni progettuali per un progetto lungo. A metà strada il team cambia modello, e il lavoro non perde il punto in cui si trova.
- 1
L’esperienza si costruisce
All’inizio del progetto, gli esperti correggono l’agente, confermano diversi risultati e approvano due metodi. MS Duplex conserva ciascuno di essi con le sue prove e condizioni.
- 2
Una nuova release
Arriva un modello più recente che il team vuole per le sue analisi più difficili. Il team passa l’agente al nuovo modello.
- 3
La prima richiesta
La prima richiesta del nuovo modello attinge già alle correzioni, ai risultati confermati e ai metodi approvati, e segue il piano dal suo checkpoint attuale.
- 4
Due modelli, un progetto
Il team mantiene il modello precedente per lo screening ricorrente e usa quello nuovo per le analisi difficili. Entrambi attingono alla stessa esperienza, e ciò che uno dei due conferma è disponibile per l’altro.
La libertà di cambiare modello fa durare il resto del livello di apprendimento.
Tutto ciò che le altre capacità imparano e conservano è ciò che viene trasferito quando il modello cambia.
Memoria di ricerca tra sessioni
Un nuovo modello parte dallo stato attuale del lavoro: l’obiettivo, le decisioni, i metodi approvati e l’avanzamento.
Apprendimento continuo
Ciò che il team conferma viene appreso accanto al modello, così ogni lezione si trasferisce quando il modello cambia.
Metodi riutilizzabili
I metodi verificati dal tuo team vengono applicati anche dal nuovo modello, e riverificati dove vengono usati.
Provenienza, revisione e disapprendimento
Ogni lezione conserva la sua fonte attraverso il cambio, così il team può vedere su cosa si basa il nuovo modello.
Cosa ottiene il tuo team.
Il valore del lavoro della tua IA continua ad accumularsi, qualunque modello usi il tuo team.
Nessun vincolo
L’esperienza del tuo team resta libera da qualsiasi singolo modello o fornitore.
Aggiornamenti pienamente informati
Ogni nuovo modello parte con tutto ciò che il tuo team ha confermato, fin dalla sua prima richiesta.
Il modello giusto per ogni compito
Usa modelli diversi per lavori diversi, che attingono tutti alla stessa esperienza.
Un’esperienza di tua proprietà
Risultati, correzioni, decisioni, metodi e piani si accumulano in un archivio di proprietà della tua organizzazione.
Valore che si accumula
Ogni cambio conserva ciò che il team ha costruito, così il valore del lavoro della tua IA continua a crescere.
Ogni fonte documentata
Ogni lezione conserva la sua fonte, così il team può vedere su cosa si basa qualsiasi modello e da dove proviene.
Domande frequenti.
Fai in modo che la prossima esecuzione tragga vantaggio dall’ultima.
Portaci la ricerca in cui la tua IA dovrebbe migliorare. Pianificheremo un progetto pilota sui tuoi flussi di lavoro, con i tuoi esperti come giudici.

