MS Duplex — det Agent Operating System som drivs av körtidsintelligens.
Hyr modellen. Äg intelligensen.
Ge dina agenter ett mål. MS Duplex planerar arbetet, väger alternativen, beslutar inom dina regler eller frågar en person först och agerar genom dina verktyg, där varje modellanrop och varje verktygsåtgärd kontrolleras innan den körs. Långt arbete håller kursen genom pauser och förändringar, varje resultat kontrolleras mot målet, och det MS Duplex lär sig är ditt, i varje session, agent och modell.
* Siffror från MatterSpaces interna benchmarktester, inte oberoende verifierade. Läs ansvarsfriskrivningen
- Hyrd intelligensÄgd intelligens
Din AI hyrs per anrop. Det MS Duplex lär sig är ditt. Besluten är också dina.
- Låst före driftsättningLär sig, planerar, simulerar, beslutar och agerar medan du arbetar
Den lär sig, planerar, simulerar, beslutar och agerar under körning, och för arbetet vidare.
- En modell på egen handTvå intelligenser, ett system
Din AI bidrar med generell intelligens. En ACI-modell lär sig snabbt, planerar, simulerar, beslutar och agerar. Ett system: MS Duplex.
Allt ett mål behöver, som en helhet.
Planering, simulering, problemlösning, beslut, dina regler och godkännanden, själva arbetet, kontroller, kontext, långvarigt arbete, återhämtning och inlärning är inte separata verktyg som ska kopplas ihop. MS Duplex samordnar dem kring ditt mål. Välj ett område för att se vad det ger målet, eller låt exemplet gå igenom vart och ett.
ExempelmålFå fram en försenad beställning till kunden den här veckan, inom dina regler för leverans och återbetalning.
Innan något körs
Medan det körs
Över tid
Kontext
Vad det ger målet
Varje steg utgår från de fakta, den historik och de beslut som spelar roll.
I exemplet
Den hämtar in beställningen, dess historik, dina leveransregler och budfirmans senaste uppdatering.
Var det verkar längs vägen
- Målet
- Arbetet
- En ändring
Agenterna gör jobbet.Du sätter reglerna.
MS Duplex sätter dina agenter i arbete ute i verkligheten, för dig och hela ditt företag. Du fastställer det viktiga: målen, reglerna och de åtgärder som kräver ditt OK. MS Duplex sköter rutinarbetet inom de reglerna och ser till att varje agent följer dem.
Bestäm en gång. Varje agent följer beslutet, i varje session, överallt där den körs.
- 01
Verifieras innan den körs
Varje modellanrop och verktygshandling körs först när MS Duplex har kontrollerat den mot dina regler.
- 02
Ditt OK där det räknas
Du väljer vilka åtgärder som kräver mänskligt godkännande, och MS Duplex frågar först.
- 03
Beslut som består
Det ditt team har godkänt följer med till varje session, varje agent och varje överlämning.
- 04
Lärande på dina villkor
Inget som MS Duplex lär sig tas i drift förrän du säger till.
Vad MS Duplex gör för din AI.
På 24 sätt gör den din AI bättre. Se dem spelas upp, eller tryck på vilket som helst.
Varje konversation blir intelligens som ditt företag äger.
Svaren, lösningarna och besluten som din AI kommer fram till stannar hos ditt företag, och varje uppgift gör nästa bättre.
Se den i arbete →Steg 1 av 4: Bekräftad
Bekräfta ett resultat, så lär sig MS Duplex det direkt.
Så fungerar MS Duplex som Agent Operating System.
MS Duplex är det Agent Operating System som drivs av körtidsintelligens: lagret som varje agent körs på, vilken modell den än använder. Agenter arbetar nu i timmar eller dagar, över sessioner, appar och modeller, men var och en bygger fortfarande sitt eget minne, sina egna regler och verktygskopplingar, och förlorar dem när modellen eller appen byts. MS Duplex ger dem ett lager för allt detta, så att varje agent behåller sin kontext, sina regler och sina verktyg, vilken modell eller app den än använder.
Steg 1 av 9: Ett lager
01 · Ett lager
MS Duplex — det Agent Operating System som drivs av körtidsintelligens.
Varje agent körs på den, vilken modell den än använder. Hyr modellen. Äg intelligensen.
Det MS Duplex ger varje agent, vilken modell den än använder.
- Kontext
Kontext som överlever sessionen
Målet, besluten och det ofärdiga arbetet följer med till nästa session, agent eller modell.
- Regler
Regler före varje åtgärd
Varje modellanrop och varje verktygsåtgärd kontrolleras mot dina regler innan den körs, och de åtgärder du väljer väntar på en persons godkännande.
- Långt arbete
Långt arbete som fortsätter
Arbete som sträcker sig över dagar, sessioner och agenter förblir ett jobb, med varje steg registrerat och ett kontrollerat slut.
- Din stack
Din stack, en verktygslåda
Din hämtning, dina cachar, kunskapsgrafer, API:er och modeller blir en verktygslåda för varje agent, och behörigheten stannar hos dina kontroller.
- Nivåer
Varje nivå för sig
Det en person, ett team och organisationen lär sig stannar i sitt eget lager, och varje kund hålls åtskild.
- Historik
En historik
Varje steg lämnar ett kvitto, i en historik som du kan kontrollera och exportera.
- Valfri modell
Modeller du kan byta
Byt modell, klient eller leverantör, och det dina agenter har lärt sig stannar kvar.
- Drivs av körtidsintelligens
Varje mål, samordnat
Den planerar, simulerar och beslutar varje steg inom dina regler, agerar genom dina verktyg, kontrollerar resultatet och lär sig av det som har verifierats, så att varje agent som körs på den får arbetet gjort och blir bättre ju mer den används.
Så fungerar det.
Börja med en förfrågan. MS Duplex ser den före din modell och före varje verktyg, och gör en av tre saker: den besvarar det den redan har lärt sig, tar in din modell för det som är nytt, eller avböjer det som bryter mot dina regler. Varje resultat kommer tillbaka till MS Duplex, så att nästa liknande förfrågan kan besvaras utan modellanrop.
- 01
Den ser varje förfrågan först
Före din modell eller något verktyg kontrollerar MS Duplex förfrågan mot det den har lärt sig och mot dina regler.
- 02
Den avgör vem som svarar
Den besvarar det den är säker på, tar in din modell, informerad, för det som är nytt, eller avböjer det som bryter mot dina regler.
- 03
Den lär sig av resultatet
Varje resultat kommer tillbaka till den, och det ditt team bekräftar betjänar nästa liknande förfrågan, utan modellanrop.
- 04
Den tar det vidare
Det den har lärt sig följer med in i varje session, agent och modell du tillåter, och varje steg finns i historiken.
Under ytan finns ACI, Adaptive Continual Intelligence: en ny kategori av intelligens som arbetar i samspel med din modell.
Steg 1 av 6: Vad ACI är
Plasticitet. Stabilitet. Redigerbarhet.
ACI är resultatet av år av forskning om neurala nätverk och deras trilemma: plasticitet, stabilitet och redigerbarhet. Lära sig snabbt, behålla det den vet eller låta dig ändra det den lärt sig: ett neuralt nätverk klarar högst två. ACI förenar alla tre.
Plasticitet: ett neuralt nätverk som lär sig snabbt skriver över vad det kunde. Forskare kallar det katastrofal glömska.
Steg 1 av 5: Plasticitet
En beständig, lärande körtidsmiljö för AI-agenter.
Dagens AI är splittrad: modellen, hämtningen och applikationskoden har var sin del av intelligensen, och ingen av dem lär sig av arbetet. MS Duplex är infrastrukturlagret som förenar dem till ett system som lär sig, planerar, simulerar, beslutar och agerar. Tyngdpunkten flyttas till hela systemet: modellen kan bytas, och MS Duplex för resten vidare.
Steg 1 av 4: Modellen
Modellen resonerar kring uppgiften och glömmer den när uppgiften är klar.
MS Duplex får AI-agenter att minnas, lära sig, planera, simulera, besluta, bli bättre, följa regler och fortsätta, över sessioner och modeller.
Den kombinerar delar av en vektordatabas, ett minnestillägg, en prompthanterare, en MCP-server, en arbetsflödesmotor, en policygateway och ett finjusteringssystem till en enda körtidsmiljö som lär sig.
För företag
AI som blir bättre med användning och behåller det den har lärt sig över agenter och modelleverantörer.
För forskningen
Kontinuerlig anpassning, osäkerhet, minne, planering, reversibel inlärning och underlag från alla medier, i ett enda system som arbetar bakom verkliga agenter.
För fältet
Intelligensen behöver inte längre finnas helt och hållet i modellen. Det som lärs in kan bli ett separat lager: styrt, flyttbart och ditt.
Det som gör MS Duplex annorlunda.
En harness ger din AI verktyg, promptar och steg. MS Duplex parar ihop den med en ACI-modell, en andra intelligens som lär sig, planerar, simulerar, beslutar och agerar under körning, och fungerar med de assistenter och agenter du redan använder.
Vid en ny uppgift börjar MS Duplex med det ditt team redan har bekräftat.
Steg 1 av 6: En ny uppgift
Intelligens, inte hämtning.
RAG, vektordatabaser, kunskapsgrafer, cachar och minne lagrar det som hände och hittar det som liknar det. MS Duplex lär sig: den förstår mönstret bakom varje resultat, komprimerar det till det som generaliserar, förutsäger det som följer, och agerar på det.
När en förfrågan bara ser bekant ut returnerar hämtningen den närmaste träffen. MS Duplex förstår mönstret och ser skillnaden.
Steg 1 av 5: Snarlikt fall
- 01
Den förstår
Mönstret bakom ett resultat: varför det fungerade, och var det gäller.
- 02
Den komprimerar
Det den lärt sig till det som generaliserar, så den blir snabbare och smidigare ju mer den används.
- 03
Den förutsäger
Det som följer, utifrån allt ditt arbete har lärt den.
- 04
Den agerar
På det den lärt sig, under körning, inom dina regler.
Intelligens, byggd för vardagens arbete.
Börja med en person och väx till hela företaget: det är samma MS Duplex hela vägen.
För dig lär sig MS Duplex hur du arbetar, i den assistent du redan använder.
I Claude, Codex, Cursor eller Hermes. Det den lär sig är ditt, och det följer med dig vart du än går.
Steg 1 av 5: För dig
I Claude, Codex, Cursor eller Hermes. Det den lär sig är ditt, och det följer med dig vart du än går.
Det den lär sig är ditt, var du än arbetar.
Bekräfta en fix i Cursor, så lär sig MS Duplex den.
Steg 1 av 4: En fix i Cursor
Den lär sig, planerar, simulerar, beslutar och agerar, under körning.
Förträna MS Duplex, så börjar den påläst.
Steg 1 av 5: Förträna den
Två intelligenser, ett system.
Din AI svarar och lär sig ingenting av arbetet.
Steg 1 av 4: Arbete kommer in
Träffsäkrare, med långt mindre modellarbete.
3,000 beslut, med fem regeländringar på vägen: MS Duplex blev hela tiden bättre och anropade din AI allt mer sällan.
Se resultaten →- Träffsäkerhet över 3,000 beslut
- 94.6%*
- Modellen ensam 59.8% · med en cache 77.3%
Träffsäkerhet över 3,000 beslut Modellen med MS Duplex 94.6% Modellen med en cache 77.3% Modellen ensam 59.8% - Modellanrop, med högre träffsäkerhet
- −90.3%*
- Jämfört med att anropa modellen varje gång
Modellanrop på 3,000 beslut Modellen med MS Duplex 277 Modellen ensam 2,864 - Ett beslut som MS Duplex har lärt sig
- ≈97 ms*
- Ett modellanrop: ≈2,231 ms
Ett beslut som MS Duplex har lärt sig Ett beslut som MS Duplex har lärt sig ≈97 ms Ett modellanrop ≈2,231 ms
* Siffror från MatterSpaces interna benchmarktester, inte oberoende verifierade. Läs ansvarsfriskrivningen
Kontinuerlig inlärning är den heliga graalen inom AI.
Varje modell slutar lära sig när dess träning tar slut. Att lära sig av varje resultat utan att förlora det man kunde är det pris som fältet har jagat i årtionden. MS Duplex är byggd på ACI, Adaptive Continual Intelligence: MatterSpaces proprietära algoritmer och arkitektur för intelligens som fortsätter att lära sig under körning.
Ditt team rättar ett felaktigt svar på måndag.
Steg 1 av 5: En lösning
Äg den som person. Äg den som företag.
En och samma MS Duplex, två vägar in: i de assistenter ditt team använder och i de agenter ditt företag bygger, via MCP + hooks.
I dina assistenter
För dig och ditt team- Arbetar
- I Claude, Codex, Cursor och Hermes
- Når dig via
- MCP
- Bygger
- Din personliga intelligens
Din assistent ser indata först och tar in MS Duplex vid varje steg.
I dina egna agenter
För ditt företag- Arbetar
- I varje agent det bygger
- Når dig via
- MCP + hooks
- Bygger
- Ditt företags intelligens
Dina agenter behåller styrningen, och hooks tar in MS Duplex i varje steg, innan varje handling körs.
Du börjar med en pilot på ditt eget arbete, med mätetal som avtalas innan den börjar.Alla integrationer →