Respostas claras sobre o MS Duplex e o MS Reflex.
As perguntas que as equipas fazem antes de implementar.

Com um piloto no seu próprio trabalho. Diga-nos onde a sua equipa trabalha e o que o MS Duplex deve aprender primeiro. Acordamos as métricas antes de começar e configuramos o MS Duplex consigo no alojamento que escolher.

Por decisões e lugares. Uma decisão é um pedido em que o MS Duplex participa, quer seja o MS Duplex a responder, quer chame a sua IA. Cada orçamento chega por escrito antes de se comprometer.

Não. Traz o seu próprio acesso ao modelo e paga-o ao seu fornecedor, e a MatterSpace não acrescenta qualquer margem aos tokens. Uma decisão que o MS Duplex aprendeu não precisa de nenhuma chamada ao modelo.

Fica no alojamento que escolher. Na MatterSpace Cloud, a MatterSpace gere o MS Duplex por si e cada cliente fica separado. Na sua nuvem, fica sob os seus controlos. A única coisa que sai é um pedido a um modelo externo que ligue, e esse fornecedor só vê esse pedido.

O MS Duplex é o Agent Operating System impulsionado pela inteligência em execução: a camada em que funciona cada agente, seja qual for o modelo que use. O MS Duplex é o seu modelo de IA e um modelo ACI, a trabalhar como um só: inteligência em execução para a sua IA e os seus agentes. Juntos, aprendem, planeiam, simulam, decidem e agem enquanto o trabalho acontece, de uma pessoa à empresa inteira. O que aprende é seu. Assente na ACI, Adaptive Continual Intelligence.

A IA de hoje está fragmentada: o modelo, a recuperação e o código da aplicação têm, cada um, uma parte da inteligência, e nenhum aprende com o trabalho. O MS Duplex é a camada de infraestrutura que os une num só sistema que aprende, planeia, simula, decide e age. O centro de gravidade desloca-se para todo o sistema: o modelo pode mudar, e o MS Duplex leva o resto adiante.

O MS Duplex é o Agent Operating System impulsionado pela inteligência em execução: a camada em que funciona cada agente, seja qual for o modelo que use. Os agentes já trabalham durante horas ou dias, entre sessões, aplicações e modelos, mas cada um continua a construir a sua própria memória, as suas regras e as suas ligações a ferramentas, e perde-as quando o modelo ou a aplicação mudam. O MS Duplex dá-lhes uma só camada para tudo isso, para que cada agente mantenha o seu contexto, as suas regras e as suas ferramentas, seja qual for o modelo ou a aplicação que usa.

Coordena tudo o que um objetivo exige: o plano, as opções, a decisão, as suas aprovações, o trabalho nas suas ferramentas e a verificação do resultado. Leva o contexto de cada agente, mantém o trabalho longo em curso através de pausas e mudanças, guarda um só histórico de cada passo e aprende com o que foi verificado. A sua stack torna-se um só conjunto de ferramentas para cada agente, o que cada pessoa, equipa e organização aprende fica na sua própria camada, e o modelo pode mudar enquanto o que os seus agentes aprenderam fica.

A camada em que os seus agentes funcionam é inteligência em execução em ação: o seu modelo de IA e um modelo ACI, a trabalhar como um só, aprendem com cada resultado, planeiam, simulam, decidem e agem enquanto o trabalho acontece. É por isso que melhora com o uso, e é por isso que o que aprende continua seu quando muda de modelo.

Todos aqueles cujo trabalho funciona com IA, de uma pessoa à empresa inteira. Uma pessoa começa no seu próprio assistente, uma equipa partilha o que aprende, uma pequena empresa usa a MatterSpace Cloud, e uma empresa maior leva-o aos seus próprios agentes e à sua própria nuvem através de MCP + hooks.

Um harness dá à sua IA ferramentas, prompts e passos, e faz aquilo para que foi configurado. O MS Duplex alia a sua IA a um modelo ACI que aprende com cada resultado confirmado, planeia, simula, decide e age dentro das suas regras, e leva o seu trabalho entre ferramentas e modelos. Funciona dentro de Claude, Codex, Cursor e Hermes, e dentro dos seus próprios agentes através de MCP + hooks.

114 capacidades em 17 grupos: Contexto e observação · Regras e controlo do comportamento · Execução de ferramentas · Aprendizagem e personalização · Long Horizon: trabalho de longa duração · Planeamento e apoio à decisão · Skill Fabric: competências reutilizáveis · Fios persistentes e partilha · Esquecimento e controlo dos dados · Estado e explicações · Inteligência persistente · Personalização · Inteligência multimodal · Confiança e autonomia · Segurança e supervisão em execução · Inteligência operacional · Integração e portabilidade.

Tudo o que um objetivo exige: o contexto, o plano, as opções ensaiadas, a decisão, as suas regras e aprovações, o trabalho nas suas ferramentas, a verificação do resultado, o trabalho de longa duração, a recuperação quando algo muda e a aprendizagem com o que foi verificado. Funcionam como um só sistema em torno do seu objetivo, não como ferramentas separadas para ligar entre si.

O Long Horizon é a forma como o MS Duplex leva o trabalho longo até ao seu objetivo. O trabalho que dura dias ou semanas continua a ser um só trabalho, com o seu objetivo, plano, regras e progresso. Cada passo verifica aquilo de que depende antes de ser executado, o plano é revisto quando os factos mudam, as exceções vão para as pessoas que escolher, só os passos verificados contam como progresso, e o trabalho é retomado onde parou depois de uma pausa ou de uma passagem.

O Skill Fabric é a forma como o MS Duplex transforma o que funciona em competências em que toda a sua organização pode confiar. Uma competência é feita a partir de trabalho que foi verificado, pode ser aberta e inspecionada, é partilhada com outras equipas depois de aprovada, é acompanhada em uso e retirada quando deixa de dar resultado, e continua sua quando muda de modelo.

Não. Esses armazenam o que aconteceu e encontram o que se parece com isso. O MS Duplex aprende com a experiência em execução: compreende o padrão por trás de cada resultado, comprime-o no que generaliza, prevê o que vem a seguir e age com base nisso, dentro das suas regras. Por isso distingue casos parecidos, segue uma regra alterada a partir do próximo pedido e fica mais rápido com o uso. Esses passam a ser as suas ferramentas.

Sozinho em execução, o seu modelo de IA é alugado à chamada, começa cada tarefa do zero, não consegue aprender com o que a sua equipa confirma, perde o contexto entre sessões, e nada verifica o que os seus agentes fazem antes de agirem. O MS Duplex alia-o a um modelo ACI que aprende, planeia, simula, decide e age dentro das suas regras. O trabalho fica mais rápido e barato com o uso, e o que o MS Duplex aprende é seu.

A sua IA fica onde está, e o MS Duplex põe-lhe ao lado um modelo ACI. O MS Duplex age em milissegundos com base no que aprendeu, e chama a sua IA para o trabalho novo ou incerto, com essa aprendizagem anexada. Cada resultado confirmado ensina o MS Duplex para a próxima vez.

Duas inteligências a fazer trabalhos diferentes em conjunto, como faz o cérebro: uma lenta para o conhecimento geral e uma rápida para cada nova experiência. A sua IA é a lenta, aprendida antes da implementação. Um modelo ACI é a rápida: aprende com o trabalho em curso e depois planeia, simula, decide e age com base nisso. Juntas, são o MS Duplex.

Em parte: o MS Duplex é o seu modelo de IA e um modelo ACI, a trabalhar como um só. O modelo ACI é uma segunda inteligência por direito próprio, e nunca substitui a sua IA. Uma decisão confirmada pode ser executada em milissegundos sem chamar o modelo. O trabalho novo ou incerto vai para a sua IA com a aprendizagem do MS Duplex anexada, e o resultado confirmado ensina o MS Duplex para o próximo pedido.

Inteligência em execução: o seu modelo de IA e um modelo ACI, a trabalhar como um só, a aprender, a planear, a simular, a decidir e a agir enquanto o trabalho acontece, dentro das suas regras. O que aprende é seu. Duas inteligências, um só sistema: a combinação é o produto.

Em qualquer sítio onde a sua IA faça trabalho a sério: assistentes de programação e de computador, agentes de suporte e de operações, fluxos de trabalho empresariais, produtos de IA de grande volume, equipas a adaptar um modelo e trabalho regulado. É mais útil onde os resultados podem ser confirmados, porque o MS Duplex aplica cada correção, decisão ou desfecho confirmado ao próximo pedido em que encaixe.

Passam a ser ferramentas do MS Duplex. O MS Duplex chama cada uma quando um passo precisa dela, aprende qual se adequa a cada situação e verifica se o que devolvem está atualizado, tem fonte e tem data.

A ACI, Adaptive Continual Intelligence, é uma nova categoria de inteligência, criada pela MatterSpace. Continua a aprender, a planear, a simular, a decidir e a agir enquanto o seu trabalho acontece, em sintonia com os modelos de IA que já usa. O MS Duplex alia-a ao seu modelo de IA, o MS Reflex ao seu stack de autonomia.

Os modelos de IA aprendem antes de serem lançados, e depois ficam como estão. A ACI aprende, planeia, simula, decide e age depois: em execução, a partir do seu trabalho, enquanto funcionar. Aprende o seu trabalho em vez do mundo, constrói sobre tudo o que aprendeu antes, e o que aprende é seu: uma categoria à parte.

Em sintonia. O modelo traz inteligência geral: conhecimento, linguagem e raciocínio. A ACI traz o que aprende com o seu trabalho. Trata do que já sabe, e chama o modelo, informado, para o que é novo. O modelo fica como está, e pode mudar de modelo sem perder o que a ACI aprendeu.

Para a sua IA: aprende na hora com um só resultado confirmado, segue uma regra nova a partir do próximo pedido, lida com casos que nunca viu, adquire competências e fica mais rápida e barata com o uso. Para as suas máquinas: aprende com um só exemplo, planeia, simula e decide no dispositivo, e mantém cada comando dentro das suas regras, com ou sem ligação. Em ambos os casos, o que aprende é seu.

Até agora, só os laboratórios que treinam modelos conseguiam pôr a IA a aprender. Com a ACI, cada pessoa e cada empresa tem uma IA que aprende com o seu próprio trabalho, e é dona do que ela aprende. O que aprende multiplica-se a cada resultado e fica onde escolher, na nuvem ou na máquina, seja qual for o modelo ou o stack que usar.

Ambos assentam na ACI, e a ACI é a inteligência em cada um. Aliada ao seu modelo de IA, é o MS Duplex, dentro dos assistentes da sua equipa e dos agentes que a sua empresa constrói. Aliada ao seu stack de autonomia, é o MS Reflex, em qualquer máquina que decida e aja sozinha.

A ACI é o resultado de anos de investigação sobre as redes neuronais e o seu trilema: plasticidade, estabilidade e editabilidade. A plasticidade é aprender o novo, depressa. A estabilidade é manter o que sabe. A editabilidade é mudar o que aprendeu. Uma rede neuronal consegue no máximo duas: se aprende depressa, esquece; se a estabilizar, deixa de aprender; e o que aprendeu está espalhado por toda ela. A ACI reúne as três.

Faruk Guney construiu sozinho a ACI, o MS Duplex e o MS Reflex, depois de anos de investigação sobre o trilema das redes neuronais e de mais de quinze anos a fazer crescer a Norck até se tornar uma empresa global de fabrico e engenharia a pedido.

Com resultados que mostram que o trabalho estava certo: um teste que passou, uma revisão aprovada, uma mudança observada ou um resultado de negócio posterior. Também pode ser pré-treinado com exemplos revistos, decisões anteriores, documentos, regras e rotas de ferramentas.

Sim. Pré-treine o MS Duplex com os seus exemplos revistos, decisões passadas, documentos, regras, caminhos de ferramentas e bibliotecas de métodos comprovados. Aprende-os antes de entrar em funcionamento, por isso é útil desde o primeiro pedido, e continua a aprender em produção.

A sua equipa define o critério para cada tipo de trabalho. O código pode precisar de testes e de revisão, enquanto uma ação regulada pode precisar da aprovação de uma pessoa.

Uma correção pertence à área de trabalho onde foi feita, e ajuda o trabalho posterior em que encaixe. Os utilizadores autorizados podem rever, corrigir ou remover qualquer coisa que o MS Duplex tenha aprendido.

Sim. O MS Duplex aprende o padrão, por isso lida com novas formulações e novos detalhes, e deteta um caso parecido que precisa de outra resposta. Em casos parecidos enganadores, errou 7.5% das vezes, contra 45.3% de uma cache.*

A nova regra aplica-se a partir do pedido seguinte. O MS Duplex substitui a decisão desatualizada e deixa intacto o trabalho não relacionado. Depois de uma mudança de política, deu 0% respostas desatualizadas, contra 72% da cache e recuperação.*

Aprendizagem contínua, em execução. O MS Duplex aprende com cada resultado à medida que é confirmado, por isso o próximo pedido já beneficia, sem treino e sem GPU. Ao longo de uma mudança, 100% do trabalho anterior fica intacto.*

O uso normal é o treino: o MS Duplex aprende com cada resultado confirmado e aplica-o a partir do próximo pedido. O pré-treino dá-lhe uma vantagem à partida, e os pesos da sua IA ficam como estão.

Para trabalho novo, amplo ou criativo, e tudo o que precise de escrita ou raciocínio novos. O MS Duplex prepara exatamente o que a sua IA recebe, com o que aprendeu em anexo. Uma decisão que o MS Duplex aprendeu não precisa de chamada ao modelo.

Se o MS Duplex foi pré-treinado nesse tipo de trabalho, responde desde o início. Caso contrário, a sua IA trata do pedido com o conhecimento do MS Duplex em anexo e, depois de o resultado ser confirmado, o MS Duplex trata dele na vez seguinte.

A sua IA, sempre que o trabalho precise de escrita nova ou de raciocínio em aberto, com o que o MS Duplex aprendeu em anexo. Quando o MS Duplex aprendeu o trabalho, responde sozinho.

Tudo o que o MS Duplex aprendeu vive ao lado da sua IA, por isso vai consigo para o novo modelo. No teste de adaptação, o que o MS Duplex aprendeu passou para outra família de modelos sem retreino nenhum.

Não, faz o contrário. O que a sua organização aprende vive no MS Duplex, e não nos pesos de um único fornecedor, na transcrição de uma única conversa ou na memória de uma única app. Mude de modelo, de cliente de agentes ou de fornecedor, e os processos, as regras, o histórico e as competências ficam.

Sim. O seu alojamento e as suas definições decidem que modelo está disponível e para onde vai cada pedido.

Servidores comuns na nuvem, em CPU. O MS Duplex não precisa de GPU própria: uma decisão que aprendeu demora ≈97 ms, contra ≈2,231 ms de uma chamada ao modelo. Só a sua IA precisa de aceleradores, e o MS Duplex chama-a para o trabalho novo.*

O objetivo, as decisões já tomadas, as restrições e o trabalho por terminar continuam dentro do mesmo cliente e da mesma área de trabalho. O trabalho não relacionado e as credenciais ficam para trás.

Aquilo de que precisa para continuar: objetivos, decisões e trabalho por acabar. A transcrição completa fica onde estava, e as regras de acesso da sua equipa continuam a aplicar-se.

Sim, quando as ligações pertencem ao mesmo cliente e à mesma área de trabalho permitida. As fronteiras de identidade, de área de trabalho e de cliente mantêm-se.

Sim, quando as duas pessoas estão autorizadas na área de trabalho partilhada. O trabalho pessoal ou restrito fica separado, segundo as suas definições de acesso.

O contexto ajuda-o a continuar trabalho por acabar, e pode ser temporário. O que o MS Duplex aprende vem de resultados confirmados, e ajuda sempre que encaixa.

Aplica correções confirmadas, atualiza decisões quando uma regra muda, leva adiante o trabalho em curso, planeia processos de vários passos, usa as suas ferramentas e corta chamadas ao modelo no trabalho que aprendeu.

Sim. O MS Duplex aprende como os seus processos respondem, planeia o caminho mais curto e leva restrições e métodos confirmados de passo em passo e de sessão em sessão. A sua IA traz raciocínio novo a cada imprevisto.

Sim. Aprende o que as ações mudam nos seus sistemas, prevê o efeito de um passo antes de ser executado e propõe o caminho mais curto até um objetivo. Num benchmark empresarial público, superou três modelos de fronteira a prever mudanças no sistema. Cada passo real continua a passar pelos seus controlos.

Sim, assim que a sua equipa ativar esta função: dê-lhe um objetivo, as ações que pode tomar e uma forma de verificar o sucesso. Explora em segurança, testa a competência antes de a usar e remove-a quando lhe pedir. Concluiu todas as tarefas com o modelo desligado.

Sim. O MS Duplex faz o seu modelo responder como se tivesse sido treinado com o seu trabalho, e os pesos do modelo ficam como estão. Superou adaptadores afinados em 6 / 6 testes, sem nenhuma execução de treino, e a adaptação passou para outra família de modelos sem retreino.*

Sim. Para tarefas bem definidas, o MS Duplex escreve um pequeno programa ou reutiliza um que já funcionou, testa-o contra casos conhecidos e executa-o assim que passa. A sua equipa pode pausá-lo ou retirá-lo a qualquer momento.

Sim. Documentos, grafos de conhecimento e bases de dados passam a ser fontes de conhecimento do MS Duplex, cada uma com o seu responsável, origem e data. O MS Duplex sabe quando um facto muda, e traz os factos certos para cada decisão.

Sim. O MS Duplex pode partilhar aprendizagem e contexto aprovados com todos os agentes da área de trabalho escolhida. De tudo o que aprendeu, pode ver de que agente veio, com que modelo, e quando. A aprendizagem de cada cliente fica com esse cliente.

A sua equipa decide com o que o MS Duplex aprende, revê o que aprendeu e pode corrigir ou remover qualquer parte disso. As suas regras, aprovações e controlos aplicam-se a todas as ações.

Os quatro plugins são Claude, Codex, Cursor e Hermes. As equipas que constroem os seus próprios agentes ligam-nos através de MCP + hooks.

Hoje estão disponíveis quatro plugins. Se a sua equipa constrói e gere o agente, o MCP + hooks pode servir; para qualquer outro assistente, diga-nos qual usa.

Para os agentes que a sua empresa constrói. Ligam-se ao MS Duplex através de MCP, e os hooks chamam o MS Duplex a cada passo: antes de cada pedido, antes de cada chamada a uma ferramenta e após cada resultado. Cada ação é verificada pelas suas regras antes de ser executada, com aprovações onde as quiser e um só histórico que pode exportar.

Um plugin leva o MS Duplex a um assistente compatível através de MCP, e constrói a sua inteligência pessoal. O MCP + hooks leva-o a cada passo dos agentes que a sua empresa constrói, e constrói a inteligência da sua empresa. É o mesmo MS Duplex nos dois casos.

Antes de cada pedido, antes de cada chamada ao modelo, antes de cada chamada a uma ferramenta, após cada resultado, em cada passagem e em cada aprovação. O MS Duplex aplica primeiro as suas regras, depois o que aprendeu, e cada ação é verificada antes de ser executada.

Um plugin, quando as pessoas trabalham dentro de um assistente compatível. O MCP + hooks, quando a sua empresa constrói os seus próprios agentes e o MS Duplex deve entrar em cada passo.

Sim. Ligados à mesma área de trabalho, partilham a mesma aprendizagem e o mesmo contexto aprovados. O acesso fica limitado às pessoas e aos agentes que autorizar.

Um plugin ou o MCP + hooks, quem partilha o que o MS Duplex aprende e, se quiser, os exemplos, as decisões e os documentos com que o pré-treinar. Depois, o alojamento e as regras de acesso que se adequam ao trabalho.

Com um plugin compatível, as pessoas continuam a trabalhar dentro do assistente que já usam. A equipa confirma os bons resultados e corrige os maus, e os passos de aprovação dependem do produto e da área de trabalho.

Desde o primeiro pedido, se o pré-treinar. Uma correção confirmada ajuda a partir do próximo caso correspondente, e cada resultado confirmado torna o MS Duplex mais rápido, mais barato e mais preciso.

Sim, é isso o pré-treino. Exemplos revistos, decisões passadas, documentos e regras dão um bom começo. A sua equipa coloca cada um na área de trabalho certa e pode corrigi-lo ou removê-lo mais tarde.

Sim. Na consola, os utilizadores autorizados podem rever, corrigir ou remover qualquer coisa que o MS Duplex tenha aprendido, e ver o histórico por trás disso. Os controlos exatos dependem do produto e da implementação.

Não. É você quem define o que importa: os objetivos, as regras e as ações que precisam do seu aval. O MS Duplex trata da rotina dentro dessas regras e faz cada agente cumpri-las. Verifica cada chamada ao modelo e ação de ferramenta antes de a executar, e leva o que a sua equipa aprovou para cada sessão.

Sim. Pode criar áreas de trabalho mais restritas, e as definições de identidade e acesso decidem quem partilha cada uma. Toda essa aprendizagem fica dentro da sua organização.

O MS Duplex tem dois alojamentos: a MatterSpace Cloud, que a MatterSpace gere por si, e a sua nuvem, uma conta de nuvem sua. A sua nuvem é uma solução empresarial. Cada integração está disponível em ambos, nos termos da implementação.

Como solução empresarial. Contacte-nos em hello@matterspace.ai com o ambiente, onde os dados têm de ficar e os seus requisitos de segurança, e planeamos a implementação consigo.

Sim. Há um caminho suportado entre alojamentos, e o que o MS Duplex aprendeu passa de um para o outro sem retreino. As responsabilidades de operação e o trabalho de migração são acordados para cada implementação.

Sim. Uma implementação pode usar o seu próprio acesso ao modelo. Os custos do fornecedor do modelo, as credenciais e a fronteira que criam são tratados à parte e descritos no orçamento e no contrato.

Sim. As suas entradas, o material de referência, o histórico e tudo o que o MS Duplex aprende com eles servem apenas a sua organização. As áreas de trabalho podem acrescentar limites mais restritos para equipas, produtos, regiões ou classes de dados.

Sim. Em seis famílias de ataques parafraseados, bloqueou todos, com 0.7% de falsas recusas, o valor mais baixo entre as abordagens que os bloquearam todos.*

É você quem escolhe quem está autorizado, em todos os alojamentos. A MatterSpace opera o serviço alojado, e só tem acesso a uma implementação na sua nuvem quando você lhe delegar esse acesso para um fim acordado.

A sua equipa inicia sessão na consola através do seu próprio fornecedor de identidade, o tráfego é encriptado em trânsito, e o que o MS Duplex aprende e o histórico são encriptados em repouso. As opções para ter as suas próprias chaves dependem do alojamento.

Sim. Os utilizadores autorizados podem remover qualquer coisa que o MS Duplex tenha aprendido, repor uma versão anterior e exportar o que aprendeu com o respetivo histórico. O processo de eliminação e de cópias de segurança da sua implementação é tratado na revisão de segurança e no contrato.

Sim. Remova um resultado ou uma observação, e o que o MS Duplex aprendeu com isso é retirado ao mesmo tempo, para que nada do que foi construído sobre essa base persista. O histórico mostra a mudança.

Só o que permitir. Os dados pessoais podem ser ocultados antes de o MS Duplex aprender com eles, de os enviar a um modelo ou de os acrescentar ao histórico, e o MS Duplex consegue aplicar o que aprendeu sem o texto original.

Só aceita acréscimos e torna visível qualquer adulteração: cada alteração é adicionada como uma nova entrada, por isso uma entrada alterada ficaria à vista. Os utilizadores autorizados podem exportá-lo.

Os utilizadores autorizados podem remover a sua influência, e a aprendizagem não relacionada fica como estava. Depois de um envenenamento deliberado, o MS Duplex removeu as 40 amostras envenenadas, e a sua aprendizagem legítima ficou intacta.

A conservação é definida por implementação. Depende dos dados, do alojamento, da sua configuração, do desenho das cópias de segurança e do contrato aplicável.

O MS Duplex está em pilotos privados, e está prevista uma certificação independente. Até lá, o resumo de segurança descreve os controlos hoje em vigor para o alojamento que está a avaliar.

Os fornecedores usados na sua implementação, e quaisquer termos de subcontratantes, constam dos seus documentos de cliente. Na sua nuvem, é a sua organização que os escolhe.

11 resultados em custo, precisão, aprendizagem contínua, generalização, planeamento, agentes, segurança, novas competências e adaptação, incluindo três benchmarks públicos.

Uma cache repete uma resposta anterior quando um pedido parece semelhante. O MS Duplex aprende o padrão por trás dos resultados confirmados, segue as mudanças de regra a partir do pedido seguinte e deteta casos parecidos, e pode na mesma chamar a sua cache como ferramenta. Depois de uma mudança de regra, o MS Duplex manteve 92.5% de precisão, enquanto uma cache caiu para 42.6%.*

Mantenha-a: a recuperação passa a ser uma das ferramentas do MS Duplex. O MS Duplex chama-a quando um passo precisa de um excerto, aprende que fontes respondem a que perguntas e sabe quando um facto mudou.

Passa a ser uma fonte de conhecimento do MS Duplex. O MS Duplex lê factos ligados quando uma decisão precisa deles, sabe quando mudam e aprende que relações importam para o seu trabalho.

Sim. Os modelos afinados e especializados passam a ser ferramentas para as quais o MS Duplex encaminha trabalho, e o MS Duplex pode entregar à sua equipa de treino exemplos confirmados quando quiser treinar. Tudo o que o MS Duplex aprende continua a funcionar ao lado dos novos pesos.

Passam a fazer parte da forma como o MS Duplex age. O MS Duplex executa cada chamada ao modelo e a ferramentas segundo as suas regras, e as suas barreiras de proteção e firewalls continuam a aplicar as delas.

Um gateway de IA encaminha chamadas e reporta a utilização. O MS Duplex é uma inteligência: aprende com cada resultado confirmado, planeia, simula, decide e age com base nisso, e através de MCP + hooks entra em cada passo dos agentes que a sua empresa constrói, com aprendizagem partilhada, continuidade, aprovações e um só histórico.

Ao lado delas. A observabilidade mostra o que os seus agentes fizeram e as avaliações testam-no; o MS Duplex aprende com o que a sua equipa confirma, por isso uma correção aplica-se a partir do pedido correspondente seguinte. Os seus rastreios e conjuntos de avaliações continuam a funcionar como estão.

O MS Reflex é o ambiente de execução para qualquer máquina que decida e aja sozinha, dos dispositivos edge aos robôs. Alia o seu stack de autonomia a um modelo ACI, no dispositivo: cada comando passa pelo crivo, e aprende, planeia, simula, decide e age dentro das suas regras, com ou sem ligação.

Cinco invariantes, em todas as máquinas, seja o que for que as comande. Cada comando que age passa pelo crivo. As regras de segurança só são afrouxadas mediante um ato autorizado e registado. Cada alteração é atribuível e reversível. A aprendizagem fica no dispositivo, dentro de limites, sem rede. “Desconhecido” significa delegar, não adivinhar.

Aquilo que hoje comanda a sua máquina: um VLA, um MPC, um piloto automático, um programa PLC ou um agente de IA. Fica exatamente como está. O seu stack de autonomia e um modelo ACI, a trabalhar como um só: isso é o MS Reflex. A combinação é o produto.

Para ambos. Dispositivos edge e robôs: duas formas, um só ambiente de execução. Os dispositivos edge são os controladores, gateways e câmaras inteligentes em fábricas, em recintos e no terreno. Os robôs são os braços, robôs móveis, drones, veículos e navios em terra, no ar, no mar e debaixo de água, e as naves espaciais em órbita.

Decide no momento, no dispositivo: o que fazer, que competência executar e quando delegar. Decide se cada comando pode passar pelo crivo, e se sabe o suficiente para agir.

Sim. Simula cada movimento no dispositivo antes de o fazer, e vê o que um comando vai fazer antes de a sua máquina o executar. Um movimento que correria mal é alterado no dispositivo, antes de algo se mover, e o movimento que faz continua a passar pelo crivo.

Cada comando que age passa pelo crivo. Antes de algo se mover, comutar, abrir ou enviar, o MS Reflex verifica-o face às suas regras, e o que não passa não é executado. Vale para cada comando, seja o que for que comande a máquina, e cada decisão no crivo fica registada.

“Desconhecido” significa delegar, não adivinhar. Quando encontra algo que não conhece, delega a decisão no seu stack ou no seu operador. Nunca adivinha. Cada decisão delegada ensina-o: o que o seu stack ou o seu operador fez a seguir passa a ser algo que sabe, para a próxima vez.

Aprende depressa e na hora, no dispositivo: basta um exemplo ou uma delegação, e a lição estende-se aos casos semelhantes. É uma aprendizagem focada, não geral, dentro dos limites que definir, sem rede e sem qualquer treino. O seu stack fica como está, e cada lição fica registada.

Não. A aprendizagem nunca afrouxa uma regra, e o tempo também não. Afrouxar uma exige um ato autorizado, e esse ato fica registado. Acrescentar ou apertar uma regra produz efeito a partir do comando seguinte, mesmo com a máquina a funcionar.

Sim. Cada alteração a uma regra, a um limite ou ao que aprendeu mostra quem ou o que a fez, e quando. Uma lição pode ser retirada isoladamente, ou uma máquina reposta num ponto que guardou, e isso também fica registado. Se alguma vez uma lição não puder ser retirada com exatidão, o MS Reflex di-lo, em vez de fingir.

Não. Corre nos processadores que as suas máquinas já levam, em CPU, sem GPU e sem nuvem. Aprende, planeia, simula, decide e age com ou sem ligação: funciona offline e isolado da rede, nunca nos contacta, e a sua licença também funciona offline.

Sim. Cada máquina corre o MS Reflex no dispositivo e decide por si, com ou sem ligação. Numa frota, cada máquina mantém as suas próprias regras, e as competências só passam entre elas quando o decidir. Uma competência aprendida numa máquina pode depois passar para outras semelhantes.

Não. O MS Reflex decide o que a máquina faz a seguir e faz cada comando cumprir as suas regras no crivo. Fica acima dos seus controladores de segurança certificados, encravamentos e paragens de emergência, nunca no lugar deles: continuam independentes dele e têm a última palavra, e a sua equipa mantém o dossiê de segurança de cada máquina, como faz hoje.

Para ambos, por igual, com os mesmos cinco invariantes em todas as máquinas. Funciona sem ligação, nada tem de sair da máquina, e cada decisão fica registada. Na defesa, isso vale tanto em missões cinéticas como não cinéticas: cada comando passa pelo crivo, dentro das suas regras de empenhamento.

O MS Reflex está em beta. O que demonstrou até agora vem de simulação e de benchmarks, e provamo-lo consigo, nas suas máquinas, num piloto. Cada piloto é planeado consigo, sob a proteção dos seus próprios sistemas de segurança.

São produtos distintos, ambos assentes na ACI, Adaptive Continual Intelligence. O MS Duplex alia um modelo ACI ao seu modelo de IA, para a sua IA e os seus agentes. O MS Reflex alia um ao seu stack de autonomia, para qualquer máquina que decida e aja sozinha.

O produto, a utilização prevista, o tamanho da equipa, o alojamento e qualquer capacidade dedicada. Os preços chegam por escrito, com os pressupostos em que assentam.

O MS Duplex e o MS Reflex são produtos da Vareon, Inc., a empresa por trás da matterspace.ai.

Use a página de contacto e indique o produto, o alojamento e o tipo de trabalho que tem em mente. A equipa responde à pergunta ou indica-lhe a página com o detalhe.