MS Duplex — det Agent Operating System som drives av kjøretidsintelligens.
Modellen leier du. Intelligensen eier du.
Gi agentene dine et mål. MS Duplex planlegger arbeidet, vurderer alternativene, avgjør innenfor reglene dine eller spør en person først, og handler gjennom verktøyene dine, der hvert modellkall og hver verktøyhandling kontrolleres før den kjører. Langvarig arbeid holder kursen gjennom pauser og endringer, hvert resultat kontrolleres mot målet, og det MS Duplex lærer, er ditt, i hver økt, agent og modell.
* Tall fra MatterSpaces interne benchmarker, ikke uavhengig verifisert. Les ansvarsfraskrivelsen
- Leid intelligensEid intelligens
KI-en din leies per kall. Det MS Duplex lærer, er ditt. Det er avgjørelsene også.
- Fastlåst før utrullingLærer, planlegger, simulerer, avgjør og handler mens du jobber
Den lærer, planlegger, simulerer, avgjør og handler under kjøring, og fører arbeidet videre.
- Én modell aleneTo intelligenser, ett system
KI-en din bidrar med generell intelligens. En ACI-modell lærer raskt, planlegger, simulerer, avgjør og handler. Ett system: MS Duplex.
Alt et mål trenger, som en helhet.
Planlegging, simulering, problemløsning, beslutninger, reglene og godkjenningene dine, selve arbeidet, kontroller, kontekst, langvarig arbeid, gjenoppretting og læring er ikke separate verktøy som må kobles sammen. MS Duplex koordinerer dem rundt målet ditt. Velg et område for å se hva det gir målet, eller la eksemplet gå gjennom hvert av dem.
EksempelmålFå en forsinket bestilling fram til kunden denne uken, innenfor reglene dine for levering og refusjon.
Før noe kjører
Mens det kjører
Over tid
Kontekst
Hva det gir målet
Hvert steg tar utgangspunkt i faktaene, historikken og beslutningene som betyr noe.
I eksemplet
Den henter inn bestillingen og historikken dens, leveringsreglene dine og siste oppdatering fra budet.
Hvor det virker underveis
- Målet
- Arbeidet
- En endring
Agentene gjør jobben.Du setter reglene.
MS Duplex setter agentene dine i arbeid ute i den virkelige verden, for deg og hele virksomheten din. Du fastsetter det som betyr noe: målene, reglene og handlingene som trenger ditt ja. MS Duplex tar seg av rutinearbeidet innenfor disse reglene og sørger for at hver agent følger dem.
Bestem én gang. Hver agent følger etter, i hver økt, overalt der den kjører.
- 01
Kontrollert før den kjøres
Hvert modellkall og hver verktøyhandling kjører først etter at MS Duplex har kontrollert den mot reglene dine.
- 02
Ditt ja der det teller
Du velger handlingene som trenger godkjenning fra en person, og MS Duplex spør først.
- 03
Avgjørelser som varer
Det teamet ditt har godkjent, følger med inn i hver økt, hver agent og hver overlevering.
- 04
Læring på dine premisser
Ingenting MS Duplex lærer, tas i bruk før du sier ja.
Hva MS Duplex gjør for KI-en din.
24 måter den gjør KI-en din bedre på. Se dem spilles av, eller trykk på den du vil.
Hver samtale blir intelligens selskapet ditt eier.
Svarene, løsningene og beslutningene KI-en din kommer frem til, blir i bedriften din, og hver oppgave gjør den neste bedre.
Se den i arbeid →Steg 1 av 4: Bekreftet
Bekreft et resultat, og MS Duplex lærer det med en gang.
Slik fungerer MS Duplex som Agent Operating System.
MS Duplex er det Agent Operating System som drives av kjøretidsintelligens: laget hver agent kjører på, uansett hvilken modell den bruker. Agenter jobber nå i timer eller dager, på tvers av økter, apper og modeller, men hver av dem bygger fortsatt sitt eget minne, sine egne regler og verktøykoblinger, og mister dem når modellen eller appen endres. MS Duplex gir dem ett lag for alt dette, så hver agent beholder konteksten, reglene og verktøyene sine, uansett hvilken modell eller app den bruker.
Steg 1 av 9: Ett lag
01 · Ett lag
MS Duplex — det Agent Operating System som drives av kjøretidsintelligens.
Hver agent kjører på den, uansett hvilken modell den bruker. Modellen leier du. Intelligensen eier du.
Det MS Duplex gir hver agent, uansett hvilken modell den bruker.
- Kontekst
Kontekst som varer lenger enn økten
Målet, beslutningene og det uferdige arbeidet følger med til neste økt, agent eller modell.
- Regler
Regler før hver handling
Hvert modellkall og hver verktøyhandling kontrolleres mot reglene dine før den kjører, og handlingene du velger, venter på et menneskes godkjenning.
- Langvarig arbeid
Langvarig arbeid som fortsetter
Arbeid som strekker seg over dager, økter og agenter, forblir én jobb, med hvert steg registrert og en kontrollert avslutning.
- Stacken din
Stacken din, én verktøykasse
Din gjenfinning, dine cacher, kunnskapsgrafer, API-er og modeller blir én verktøykasse for hver agent, og det er fortsatt kontrollene dine som gir tillatelse.
- Nivåer
Hvert nivå for seg
Det en person, et team og organisasjonen lærer, blir i sitt eget lag, og hver kunde holdes atskilt.
- Historikk
Én historikk
Hvert steg etterlater en kvittering, i én historikk du kan kontrollere og eksportere.
- Hvilken som helst modell
Modeller du kan bytte
Bytt modell, klient eller leverandør, og det agentene dine har lært, blir værende.
- Drevet av kjøretidsintelligens
Hvert mål, koordinert
Den planlegger, simulerer og avgjør hvert steg innenfor reglene dine, handler gjennom verktøyene dine, kontrollerer resultatet og lærer av det som ble verifisert, så hver agent som kjører på den, får jobben gjort og blir bedre med bruk.
Slik fungerer det.
Start med én forespørsel. MS Duplex ser den før modellen din og før ethvert verktøy, og gjør én av tre ting: den besvarer det den allerede har lært, henter inn modellen din for det som er nytt, eller avviser det som bryter reglene dine. Hvert resultat kommer tilbake til MS Duplex, så neste forespørsel av samme slag kan besvares uten modellkall.
- 01
Den ser hver forespørsel først
Før modellen din eller noe verktøy sjekker MS Duplex forespørselen mot det den har lært, og mot reglene dine.
- 02
Den avgjør hvem som svarer
Den besvarer det den er sikker på, henter inn modellen din, med orientering, for det som er nytt, eller avviser det som bryter reglene dine.
- 03
Den lærer av resultatet
Hvert resultat kommer tilbake til den, og det teamet ditt bekrefter, betjener neste forespørsel av samme slag, uten modellkall.
- 04
Den tar det videre
Det den har lært, følger med inn i hver økt, agent og modell du tillater, og hvert steg er loggført.
Under ligger ACI, Adaptive Continual Intelligence: en ny kategori av intelligens som jobber i samspill med modellen din.
Steg 1 av 6: Hva ACI er
Plastisitet. Stabilitet. Redigerbarhet.
ACI er resultatet av år med forskning på nevrale nett og trilemmaet deres: plastisitet, stabilitet og redigerbarhet. Lære raskt, beholde det den kan, eller la deg endre det den har lært: et nevralt nett får høyst to. ACI har alle tre.
Plastisitet: et nevralt nett som lærer raskt, overskriver det det kunne fra før. Forskere kaller det katastrofal glemsel.
Steg 1 av 5: Plastisitet
En varig, lærende kjøretid for KI-agenter.
Dagens KI er fragmentert: modellen, gjenfinningen og applikasjonskoden har hver sin bit av intelligensen, og ingen av dem lærer av arbeidet. MS Duplex er infrastrukturlaget som binder dem sammen til ett system som lærer, planlegger, simulerer, avgjør og handler. Tyngdepunktet flytter seg til hele systemet: modellen kan byttes ut, og MS Duplex fører resten videre.
Steg 1 av 4: Modellen
Modellen resonnerer om oppgaven, og glemmer den når oppgaven er ferdig.
MS Duplex får KI-agenter til å huske, lære, planlegge, simulere, avgjøre, bli bedre, følge reglene og fortsette, på tvers av økter og modeller.
Den kombinerer deler av en vektordatabase, en minneplugin, en prompthåndterer, en MCP-server, en arbeidsflytmotor, en policygateway og et finjusteringssystem i én kjøretid som lærer.
For næringslivet
KI som blir bedre med bruk, og beholder det den har lært, på tvers av agenter og modelleverandører.
For forskningen
Kontinuerlig tilpasning, usikkerhet, minne, planlegging, reversibel læring og belegg fra alle medier, i ett system som arbeider bak ekte agenter.
For fagfeltet
Intelligens trenger ikke lenger å bo helt og holdent inne i modellen. Det som læres, kan bli et eget lag: styrt, flyttbart og ditt.
Det som gjør MS Duplex annerledes.
En harness gir KI-en din verktøy, prompter og steg. MS Duplex kobler den sammen med en ACI-modell, en andre intelligens som lærer, planlegger, simulerer, avgjør og handler under kjøring, og som virker med assistentene og agentene du allerede bruker.
På en ny oppgave starter MS Duplex med det teamet ditt allerede har bekreftet.
Steg 1 av 6: En ny oppgave
Intelligens, ikke gjenfinning.
RAG, vektordatabaser, kunnskapsgrafer, cacher og minne lagrer det som skjedde, og finner det som ligner. MS Duplex lærer: den forstår mønsteret bak hvert resultat, komprimerer det til det som generaliserer, forutsier hva som kommer videre, og handler ut fra det.
Når en forespørsel bare ser kjent ut, returnerer gjenfinning nærmeste treff. MS Duplex forstår mønsteret, og ser forskjellen.
Steg 1 av 5: Dobbeltgjenger
- 01
Den forstår
Mønsteret bak et resultat: hvorfor det virket, og hvor det gjelder.
- 02
Den komprimerer
Det den har lært til det som generaliserer, så den blir raskere og slankere med bruk.
- 03
Den forutsier
Hva som kommer videre, ut fra alt arbeidet ditt har lært den.
- 04
Den handler
Ut fra det den har lært, under kjøring, innenfor reglene dine.
Intelligens, bygd for hverdagens arbeid.
Start med én person og voks til hele virksomheten: det er samme MS Duplex hele veien.
For deg lærer MS Duplex hvordan du jobber, i assistenten du allerede bruker.
I Claude, Codex, Cursor eller Hermes. Det den lærer, er ditt, og det følger deg hvor du enn går.
Steg 1 av 5: For deg
I Claude, Codex, Cursor eller Hermes. Det den lærer, er ditt, og det følger deg hvor du enn går.
Det den lærer, er ditt, uansett hvor du jobber.
Bekreft en fiks i Cursor, så lærer MS Duplex den.
Steg 1 av 4: En fiks i Cursor
Den lærer, planlegger, simulerer, avgjør og handler, under kjøring.
Forhåndstren MS Duplex, så starter den informert.
Steg 1 av 5: Forhåndstren
To intelligenser, ett system.
KI-en din svarer, og lærer ingenting av arbeidet.
Steg 1 av 4: Arbeidet kommer
Mer nøyaktig, med langt mindre modellarbeid.
3,000 beslutninger, med fem regelendringer underveis: MS Duplex ble stadig bedre, og kalte på KI-en din sjeldnere og sjeldnere.
Se resultatene →- Nøyaktig over 3,000 beslutninger
- 94.6%*
- Modellen alene 59.8% · med cache 77.3%
Nøyaktig over 3,000 beslutninger Modellen med MS Duplex 94.6% Modellen med en cache 77.3% Modellen alene 59.8% - Modellkall, med høyere nøyaktighet
- −90.3%*
- Mot å kalle modellen hver gang
Modellkall på 3,000 beslutninger Modellen med MS Duplex 277 Modellen alene 2,864 - En beslutning MS Duplex har lært
- ≈97 ms*
- Et modellkall: ≈2,231 ms
En beslutning MS Duplex har lært En beslutning MS Duplex har lært ≈97 ms Et modellkall ≈2,231 ms
* Tall fra MatterSpaces interne benchmarker, ikke uavhengig verifisert. Les ansvarsfraskrivelsen
Kontinuerlig læring er den hellige gral innen KI.
Hver modell slutter å lære når treningen er over. Å lære av hvert resultat uten å miste det man visste, er premien fagfeltet har jaktet på i tiår. MS Duplex er bygget på ACI, Adaptive Continual Intelligence: MatterSpaces proprietære algoritmer og arkitektur for intelligens som fortsetter å lære under kjøring.
Teamet ditt retter et feil svar på mandag.
Steg 1 av 5: En løsning
Eid av deg. Eid av bedriften.
Én MS Duplex, to veier inn: inne i assistentene teamet ditt bruker, og inne i agentene bedriften din bygger, via MCP + hooks.
I assistentene dine
For deg og teamet ditt- Virker
- Inne i Claude, Codex, Cursor og Hermes
- Når deg gjennom
- MCP
- Bygger
- Din personlige intelligens
Assistenten din ser input først og henter inn MS Duplex ved hvert steg.
I dine egne agenter
For selskapet ditt- Virker
- Inne i hver agent det bygger
- Når deg gjennom
- MCP + hooks
- Bygger
- Bedriftens intelligens
Agentene dine beholder styringen, og hookene henter inn MS Duplex ved hvert steg, før hver handling kjøres.
Du starter med en pilot på ditt eget arbeid, med måltallene avtalt før den begynner.Alle integrasjoner →