ailin¹
Ailin¹

Kolektivna inteligenca: naslednja meja umetne inteligence

101.986 modelov z različnimi zmožnostmi, skupaj kot ena prava kolektivna inteligenca.

Od tekmovanja do sodelovanja: Era kolektivne inteligence

Vsak trenutek je izbira težja, strah pred napačno izbiro paralizira ekipe in podjetja. In izbira se nikoli ne konča. Laboratoriji izdajajo nove vodilne modele hkrati in brez premora. Vsaka izdaja znova začne ocenjevanje, testiranje, oblikovanje cen. Temu pravimo Model Fatigue: izčrpanost zaradi stave na model, ki nenehno poteče. Medtem trg preplavlja svet z izhodi, ki so vedno bolj popolni in vedno bolj generični. Strošek filtriranja se prenaša na vas, na vaše podjetje, v svetu, ki se je naučil na vse gledati z nezaupanjem. Temu pravimo AI Slop. V tej dirki ne tečemo. Spremenili smo igro. Zato verjamemo in smo dokazali, da je naslednja meja umetne inteligence kolektivna.

Ni fraza. Je znanost: strukturirana raznolikost premaga osamljeno strokovnost. Condorcet je to dokazal. Hong and Page sta to izmerila. Mi smo iz tega naredili izdelek: modele, ki sklepajo neodvisno, se medsebojno preverjajo in se zbližajo v enem samem sledljivem odgovoru, prek različnih kolektivnih strategij, utemeljenih v desetletjih raziskav.

Cilj ni več modelov. Cilj je boljše sodelovanje različnih inteligenc.

To je kolektivna inteligenca. Model je le komponenta. Kolektiv je inteligenca. Ailin¹ je kolektiv.

Ailin¹ Collective: mehanizem, ki stoji za dokazom

Ailin¹ je rojen za kolektivno inteligenco. Usmerjanje, odkrivanje, orkestracija in preverjanje so mehanizmi, ki ji služijo. Iz nabora 101.986 odkritih identifikatorjev modelov je vsaka zahteva usmerjena skozi eno od 31 registriranih strategij orkestracije: en sam model, kadar šteje hitrost, več usklajenih modelov, ki sklepajo, razpravljajo in se medsebojno navzkrižno preverjajo, kadar šteje pravilnost. Collective Foundation Model imenujemo evolucijo foundation model v duhu naše teze kolektivne inteligence: fundacija preneha biti en sam model, usposobljen za vse, in postane usklajen pool pod odločitveno plastjo. Gre za lastniško arhitekturo z lastnim stackom foundation model, družina ailin pa vstopa v ta pool, ko dozori.

Vsak kolektivni odgovor razkriva odločitev: kateri modeli so tekli, kaj jih je usklajevalo, koliko je stalo. Zaupanja vam ni treba: vi preverite.

Foundation Model En model, izurjen za vse
Collective Foundation Model Odločitvena plast Usklajen pool, 101.986 identifikatorjev Stack ailin se pridruži poolu, ko dozori
  • Kateri modeli so tekli
  • Katera strategija jih je usklajevala
  • Koliko je kolektiv stal
Gradite s kolektivno inteligenco

Izmerjeno proti največjim modelom sveta. Javno.

Kolektiv smo primerjali z modeli GPT-5.5-pro, Claude Opus 4.8, Gemini 3.1 Pro in Grok 4.3, ocenjevali po objektivnih, strojno preverjenih odgovorih, ne po okusu sodnika. Rezultat: kolektiv je prekosil vse štiri, v sledljivem in ponovljivem poskusu. Preverite repozitorij.

⭐ Pridružite se 219 osebam z zvezdico na GitHubu

Ailin¹ Collective: motor za vsakim odgovorom

Vsaka zahteva gre skozi isto usmerjevalno kaskado, še preden je poklican prvi model, kaskado, ki lahko poseže po kolektivnih strategijah, utemeljenih na recenziranih raziskovalnih rezultatih o skupinskem odločanju, med njimi Condorcetovem izreku o poroti in izreku Hong in Page o napovedni moči raznolikosti. Natanko poimenujte, kar želite, in to se takoj upošteva. Če ne poveste ničesar, odloči kaskada.

Najsodobnejša tehnologija ni črna skrinjica. Sta dva vzvoda, ki ju nadzorujete vi.

Pet aliasov pokriva celoten razpon, od trenutnega odgovora enega samega modela do konsenza petih modelov. Dve neodvisni polji določata meje: max_cost je zgornja meja, quality_target je spodnja meja. Nastavite eno, drugo ali obe. Zgornja meja se uveljavi, preden je klican kateri koli model; spodnja meja usmerja vsako odločitev o usmerjanju proti njej.

Večina platform vam ponudi seznam modelov in temu reče izbira. Ailin¹ vam ponudi dva neodvisna vzvoda, ne enega drsnika: kako dober mora biti odgovor in koliko ste zanj pripravljeni plačati.

  • Omejite porabo in pustite, da kakovost najde svojo raven.

  • Usmerjajte proti spodnji meji kakovosti in pustite, da strošek sledi povpraševanju.

  • Določite natančen razpon med njima.

Usmerjevalni aliasi Ailin¹ Collective, kaj vsak optimizira, običajen strošek in kdaj ga uporabiti
Alias Optimizira Običajen strošek Kdaj uporabiti
ailin-auto Uravnoteženo ujemanje, določeno za vsako zahtevo posebej Običajen Privzeta izbira. Brez omejitve, razen uravnoteženega razmerja med stroškom in kakovostjo.
ailin-best Kakovost, brez omejitve stroškov Najvišji Delo, pri katerem je pravilnost kritična in strošek ni omejujoči dejavnik.
ailin-fast Zakasnitev, en sam model Nizek Interaktivne poti s strogo omejitvijo zakasnitve.
ailin-economy Strošek, s trdo zgornjo mejo Najnižji Obsežno delo v ozadju
ailin-consensus Pravilnost prek neodvisnega navzkrižnega preverjanja Višji, namenoma Tiho napačen odgovor je način odpovedi, za katerega odpravo plačujete.

Vsak odgovor vrne sledljivost odločanja v polju ailin_metadata: strategy_used, models_used in cost_usd, zato je usmerjevalno odločitev mogoče preveriti, namesto da bi ji zgolj zaupali.

Zahteva: vaš obstoječi odjemalec OpenAI, ena spremenjena vrstica

from openai import OpenAI

client = OpenAI(
    base_url="https://api.ailin.one/v1",
    api_key="YOUR_KEY",
)

response = client.chat.completions.create(
    model="ailin-consensus",
    messages=[{"role": "user", "content": "..."}],
    extra_body={"max_cost": 0.15}
)

Odgovor

{
  "ailin_metadata": {
    "strategy_used": "ailin-consensus",
    "models_used": [
      "gpt-5.5-pro",
      "claude-opus-4.8",
      "gemini-3.1-pro"
    ],
    "final_decider_model_id": "claude-opus-4.8",
    "final_decider_role": "synthesizer",
    "cost_usd": 0.0842,
    "subcalls": [
      { "model_id": "gpt-5.5-pro", "role": "voter", "cost_usd": 0.0301, "latency_ms": 1840, "success": true },
      { "model_id": "claude-opus-4.8", "role": "synthesizer", "cost_usd": 0.0288, "latency_ms": 2010, "success": true },
      { "model_id": "gemini-3.1-pro", "role": "voter", "cost_usd": 0.0253, "latency_ms": 1650, "success": true }
    ]
  }
}

Kako se Ailin¹ Collective odloča: odločitvena plast UI

Večplastna kaskada, ki se vrednoti od najhitrejše plasti naprej. Vsaka zahteva se razreši tako zgodaj, kot je še varno, zato se preproste zahteve zaključijo hitro, težje pa sežejo v globlje plasti.

Pred kaskado: semantični predpomnilnik Skoraj podvojena nedavna zahteva takoj vrne predpomnjen odgovor. Triaža in vseh šest spodnjih plasti se v celoti preskočijo, ne le skrajšajo, ampak preskočijo.

  1. Izrecno usmerjanje

    Poimenovali ste ga, torej alias, model ali strategijo, zato ta plast zahtevo razreši v trenutku. Vedno prevlada nad vsemi plastmi pod njo, in če tega, kar ste poimenovali, dejansko ni mogoče izpolniti, zahteva odpove takoj, namesto da bi tiho zdrsnila na nekaj drugega.

  2. Triaža

    Namenski model prebere namen in zahtevnost naloge ter priporoči strategijo, še preden se zažene kateri koli model kolektiva. Resnična analiza, ne preprosta tabela iskanja, zato tudi sama stane pravi (majhen) klic.

  3. Arhiv konfiguracij

    Odklene se po 5 zabeleženih rezultatih

    Ko je za nišo nalog zabeleženih vsaj 5 rezultatov, Ailin¹ Collective ponovno uporabi tisto, kar je že dokazano, namesto da bi to znova izpeljal.

    Ne posamezna izbira iz črne skrinjice, temveč banka elitnih konfiguracij, spremljanih po 6 optimizacijskih oseh, kakovost, stroškovna učinkovitost, hitrost, ravnovesje, zanesljivost, kakovost na žeton, za to nišo, zato je ponovno uporabljena prav tista strategija in nabor modelov, ki je dejansko zmagal na dimenziji, za katero je pomembna vaša zahteva.

  4. Meja stroška, kakovosti in zakasnitve

    Odklene se po 3 zabeleženih rezultatih

    Neposredno optimizira večciljni kompromis (kakovost, strošek, hitrost, stopnja uspešnosti), takoj ko je na voljo dovolj zgodovine, tudi še brez dokazanega natančnega ujemanja niše.

  5. Naučena preferenca strategij

    Odklene se po 5 zabeleženih rezultatih

    Banditski algoritem s Thompsonovim vzorčenjem skozi čas uteži strategije glede na njihove dejanske, izmerjene rezultate in tako izpopolnjuje privzete nastavitve same kaskade, hkrati pa se sam nadzoruje: če njegova skupna izmerjena stopnja donosa pade pod 95 % najboljšega posnetka stanja, kar ga je kdaj zabeležil, algoritem samodejno povrne celotno naučeno stanje na ta najboljši znani posnetek.

  6. Rezervna hevristika

    Če zahteve ne razreši nobena od zgornjih plasti, strategijo izbere deterministična ocenjevalna hevristika na podlagi vrste naloge, zahtevnosti in razpoložljivega nabora modelov. Razreševanje strategije se vedno zaključi z odločitvijo, ki je zabeležena v strategy_used.

Po kaskadi: vrata stroškovnega nadzora Ne glede na to, kaj so izbrale plasti 1 do 6, razen če ste usmerjali izrecno, lahko zadnje preverjanje drago izbiro kolektiva vseeno prevede nazaj na en sam model, kadar ocenjeni donos ne doseže praga. Tudi to preverjanje preskoči le izrecna zahteva.

Plasti 3 do 5 se odklenejo neodvisno, ko se za nišo nalog nabira zgodovina uporabe, od 3 zabeleženih rezultatov za mejo stroška, kakovosti in zakasnitve do 5 za arhiv konfiguracij in banditski algoritem naučene preference; do takrat odloči deterministična in preverljiva hevristika iz plasti 6, kadar koli plasti 1 in 2 zahteve ne razrešita prej.

31 strategij. Vsaka utemeljena na raziskavah.

Več deset načinov, kako lahko modeli razmišljajo skupaj, vsak od njih preverljiv. Različni problemi zahtevajo različne oblike kolektivnega sklepanja.

Nobena od njih ni improvizirana. Vsaka strategija v katalogu se navezuje na konkreten, poimenovan rezultat iz raziskav usklajevanja ali kolektivnega odločanja, ne na interno ugibanje, preoblečeno v znanost.

  • consensus

    Condorcetov izrek o poroti (1785): večinsko glasovanje med 3 do 5 modeli, s spodnjo mejo raznolikosti, da soglasje ne more nastati iz kloniranega sklepanja.

  • diversity-ensemble

    Izrek o napovedni moči raznolikosti (Hong in Page, PNAS, 2004): sestavi ekipo, ki že po zasnovi maksimira raznolikost po vseh oseh.

  • debate

    Modeli razpravljajo v strukturiranih krogih pod vodstvom moderatorja.

  • swarm-explore

    Vzporedno raziskovanje, ki ga triaža samodejno izbere za odprto oblikovalsko in arhitekturno delo.

  • stigmergic-refinement

    Zbliževanje prek skupnega artefakta namesto z glasovanjem, ki ga triaža samodejno izbere za zelo zahtevno pisanje.

  • expert-panel

    Neodvisen pregled v več vlogah, preden odgovor odide, neposredno naslovljiv za zahteve z veliko preverjanja.

  • tri-role-collective

    Planner, Solver, Auditor: deterministični končni avtomat, ne naučeni koordinator, ki strukturno prepreči, da bi bil Auditor isti model ali isti sklepalni prehod, ki je pravkar kot Solver ustvaril odgovor.

  • +24 dodatnih strategij

Modela ne izbirate vi. Izbere ga Ailin¹ Collective.

Preprostost, kadar je naloga preprosta. Globina, kadar ni. Meje določite vi, Ailin¹ Collective se odloča znotraj njih, eno samo polje pa ga vedno preglasi. Kreativne naloge privzeto opravlja en sam model. Preverljive opravlja kolektiv.

Nikoli vam ni treba presojati, ali zahteva potrebuje en model ali pet. Vsaka zahteva gre skozi Ailin¹ Collective, isto usmerjevalno kaskado, ki stoji za ailin-auto, še preden je poklican prvi model. Natanko veste, kaj želite? Poimenujte to: alias, kot je ailin-fast, določen model ali strategy: "single", in Ailin¹ Collective to takoj upošteva, brez pogajanj in brez dodatne zakasnitve. Če ne poveste ničesar, kaskada sama prebere nalogo in izbere obliko, ki ji ustreza. Zagon enega samega modela prek Ailin¹ ni zasilna rešitev in ni poslabšanje. To je enakovredna pot, po kateri Ailin¹ Collective nenehno in namerno posega.

En sam model

En dosleden glas od začetka do konca. Nižji strošek, nižja zakasnitev in enako lahko dosegljiv kot druga možnost.

ailin-fast

Kolektiv več modelov

Neodvisni predlagatelji delajo vzporedno, njihovo delo navzkrižno preveri in uskladi sintetizator, še preden vidite en sam odgovor, tako da se nestrinjanje ujame, še preden pride do vas, ne šele potem.

ailin-consensus

Kaj pa ustvarjalno delo in preoblikovanje kode?

Pri objektivno preverljivih nalogah, strojno preverjenih, ne ocenjenih po okusu, zmaga prav kolektiv. Pri odprtem ustvarjalnem delu prav tako jasno zmaga en sam, dobro izbran model. Prav zato obstaja triaža: kaskada nalog različnih vrst ne povpreči, ampak med njimi razlikuje. Ustvarjalno delo privzeto teče prek enega samega modela. Preverljivo delo teče prek kolektiva.

Preverljive naloge 97 %

natančnost (37 od 38), v primerjavi z 68 do 82 % pri posameznih vodilnih modelih. Preverjevalnik v treh polnih krogih niti enkrat ni prepustil napačnega odgovora.

Med preprostim in temeljitim vam ni treba izbirati tako, da si zapomnite, kdaj uporabiti kaj. Poveste, kar veste, Ailin¹ Collective dopolni tisto, česar niste, preglasitev pa je vedno oddaljena natanko eno polje.

Gradite s kolektivno inteligenco ⭐ Ocenite kolektivno inteligenco z zvezdico na GitHubu

Tisoči modelov. Na oder stopijo le pravi.

Prednost je kolektiv

Dostop do več modelov ni preboj. Preboj je, kar se zgodi, ko različne inteligence delujejo skupaj. Ailin¹ nenehno odkrivan ekosistem 101.986 identifikatorjev modelov spremeni v kolektiv, nato pa aktivira le podnabor, ki ga posamezna strategija potrebuje.

101.986 odkritih identifikatorjev modelov. Kaj se dejansko zažene, je izbrano zaradi raznolikosti, ne prešteto zaradi velikosti.

  • Vedno aktualen

    Novo objavljen model se indeksira v istem ciklu odkrivanja, v katerem se pojavi, brez čakanja na načrtovano izdajo.

  • Celoten spekter

    Besedilo, vid, zvok in vektorske vložitve v istem katalogu, za isto končno točko.

Zakaj inteligenca postane močnejša, ko postane kolektivna

UI je bila zgrajena okoli posameznih modelov. Naslednja meja je kolektivna. Posamezen model je lahko izjemen in vseeno nosi svojo arhitekturo, zgodovino, slepe pege in načine odpovedi. Kolektivna inteligenca omogoča, da neodvisni modeli prispevajo različne perspektive, izpodbijajo predpostavke, se specializirajo, primerjajo alternative in preverjajo rezultate, kjer to naloga dopušča. Kar sledi, ni seznam želja: je pet mehanizmov, ki delujejo v produkciji že danes.

Cena enega modela, kadar šteje

Pri nalogah, ki jih lahko preveri stroj, deterministični preverjevalnik pravilen odgovor sprejme takoj in predčasno prekine preostanek kolektiva, zato je strošek pri teh nalogah veliko bližje strošku enega modela kot preostanku kolektiva, prav tam, kjer je prednost kolektiva v natančnosti največja.

Odpornost

Izpad enega ponudnika nikoli ne postane vaš izpad. Kolektiv sam preusmeri promet mimo oslabljenih modelov in okvar, vsak odgovor pa še vedno vsebuje sledljivost odločanja: katera strategija je tekla, kateri modeli in koliko je to stalo.

Vgrajena raznolikost

Ponudnika, arhitekturo in cilj učenja loči izbira po načelu round-robin, zato si zaporedna modela v enem zagonu nikoli ne delita ponudnika. To je izrek Hong in Page o napovedni moči raznolikosti, vgrajen neposredno v usmerjevalno plast, ne upanje, da se različni učni podatki naključno in koristno ne strinjajo. Razkriva slepe pege, ne obljublja pa, da jih bo odpravil.

Noben posamezen ponudnik ne določa vašega produkta

Kolektiv obsega več ponudnikov, zato razvojni načrt, cene ali pravila posameznega ponudnika sami po sebi ne določajo vašega izdelka.

Pravi strokovnjak v realnem času

Pravi specialist za pravo nalogo: sklepanje, programiranje, vid, dolg kontekst ali nizka zakasnitev, izbran v realnem času za vsako zahtevo.

Pogosta vprašanja

Neposredni odgovori, z navedbo polja, datoteke ali številke, ki stoji za vsakim. Kar trdimo, lahko preverite.

Integracija & osnove

Da. Osnovni vmesnik (chat/completions, responses, embeddings, models) je neposredno združljiv, dodan je le blok ailin_metadata s sledljivostjo odločanja. Obstoječega odjemalca usmerite na končno točko Ailin¹, zamenjajte glavo za avtentikacijo in ista oblika zahteve deluje naprej.

Zgrajen za kolektivno inteligenco, in to je konkretna inženirska trditev, ne slogan. Usmerjanje odloči, kam gre zahteva; orkestracija izvede zaporedje, ki ga napišete sami; kolektivna inteligenca je plast, ki opredeli, kako več modelov skupaj sklepa, se navzkrižno preverja in združuje ugotovitve, usmerjanje, orkestracija in preverjanje pa so mehanizmi, ki ji služijo. Mehanizmi izhajajo iz poimenovanih raziskav: izreka Hong in Page o napovedni moči raznolikosti (PNAS, 2004), Condorcetovega izreka o poroti (1785) in faktorja kolektivne inteligence »c« avtorjev Woolley et al. (Science, 2010). Ena strategija je po tem celo poimenovana že v izvorni kodi: diversity-ensemble je v njej zapisana kot »Diversity Ensemble (Page Theorem)«. Zahteva aktivira več modelov po eni od teh strategij, nato pa vrne en sam odgovor s sledljivostjo odločanja o tem, kako je nastal.

Živi katalog obsega 101.986 identifikatorjev modelov, ki so pri več deset ponudnikih nenehno odkrivani in označeni po zmogljivostih, nikoli pa ne gre za statičen seznam, ki bi ga kdo urejal ročno. Ena sama zahteva se nikoli ne dotakne vseh: vsaka kolektivna strategija aktivira le tisti podnabor, ki ga potrebuje, nikoli celotnega kataloga.

Ailin¹ Collective & strategije

ailin-auto (uravnotežena privzeta izbira, odloči naj kaskada), ailin-best (kakovost na prvem mestu, brez omejitve stroškov), ailin-fast (zakasnitev na prvem mestu, en sam model), ailin-economy (strošek na prvem mestu, s trdo zgornjo mejo), ailin-consensus (pravilnost prek neodvisnega navzkrižnega preverjanja). Začnite z ailin-auto. Po drugem posezite le, kadar veste nekaj, česar usmerjevalnik ne ve.

Privzeto se odloči Ailin¹, prek usmerjevalne kaskade Ailin¹ Collective: najprej izrecno usmerjanje, če ste kaj poimenovali, nato triaža, če niste. Katero koli plast lahko preglasite tako, da neposredno pripnete model, alias ali strategijo, in ta izbira vedno prevlada. Večina integracij tega nikoli ne potrebuje.

Z večplastno kaskado, ki se vrednoti od najhitrejše plasti naprej: izrecno usmerjanje, če ste ga poimenovali; triaža, ki razvrsti nalogo in jo poveže s strategijo; arhiv konfiguracij, ki ponovno uporabi tisto, kar je za točno to nišo nalog doslej delovalo; meja stroška, kakovosti in zakasnitve, ki neposredno optimizira razmerje med njimi; ter naučena preferenca strategij (banditski algoritem s Thompsonovim vzorčenjem), ki strategije skozi čas utežuje glede na dejanske rezultate. Arhiv konfiguracij in banditski algoritem naučene preference se aktivirata šele, ko je za posamezno nišo zabeleženih vsaj 5 rezultatov, meja stroška, kakovosti in zakasnitve pa se odklene že pri 3; do takrat odloča deterministična in preverljiva rezervna hevristika, ista hevristika, ki podpre vsako plast nad seboj, če nobena od njih ne reši zahteve.

V pogonu za orkestracijo jih je registriranih 31, od enega samega usmerjenega modela do rojev devetih agentov, ki problem raziskujejo vzporedno. Petnajst jih je v kaskadi usmerjanja dosegljivih samodejno, preostalih šestnajst pa je na voljo le izrecno in deluje šele, ko jih poimenujete. Katero koli od njih lahko naslovite tudi neposredno kot <strategy>:<tier>, na primer consensus:large, in s tem zaklenete natanko določen mehanizem in cenovno stopnjo.

Pri odprtem ustvarjalnem pisanju in preoblikovanju kode naše lastne primerjave strategij (na majhnem vzorcu) kažejo, da en sam močan model prepričljivo premaga celoten kolektiv. Pri objektivno preverljivih nalogah se ta primerjava obrne: preverjena strategija konsenza je dosegla 37 od 38 (97 %), v primerjavi z 68 do 82 % pri posameznih vodilnih modelih, testiranih ob njej. Ailin¹ takim zahtevam privzeto ne vsiljuje konsenza in vas nikoli ne zaklene v svojo domnevo, ne v eno ne v drugo smer: eno polje vam da en dosleden glas (ailin-fast, strategy: "single"), isto polje pa vam da neodvisno preverjanje z več modeli (expert-panel, tri-role-collective), če si v resnici želite tega.

Stroški & odgovornost

Da, za vsako zahtevo posebej. max_cost trdo omeji porabo, še preden je poklican kateri koli model; če ocenjeni strošek strategije, ki bi se izvedla, to mejo preseže, zahteva spodleti z napako 400 strategy_budget_exceeded, namesto da bi tiho porabila več. quality_target je pripadajoča spodnja meja. Vsak odgovor sporoči dejansko številko nazaj: ailin_metadata.cost_usd, z razčlenitvijo po postavkah. Strategije z več modeli stanejo bistveno več kot en sam model. Pri nalogah, ki jih lahko preveri stroj (strukturirano izločanje podatkov, matematika, koda s testi, faktografska vprašanja), to doplačilo večinoma izgine: ko se sproži deterministična predčasna prekinitev preverjene strategije, je naš najnovejši primerjalni test vodilnih modelov izmeril strošek kolektiva pri približno 2,98 USD na milijon žetonov, kar je približno 100x ceneje od nepreverjene poti kolektiva in znotraj istega velikostnega reda kot cene enega samega modela.

Vsak odgovor vsebuje ailin_metadata.final_decider_model_id, torej natanko tisti model, ki je ustvaril vaš odgovor, poleg tega final_decider_role (primarni, sintetizator, rezervni ali predpomnilnik) in celotno polje subcalls[] s seznamom vseh udeležencev ter njihovimi stroški, zakasnitvami in izidi. Kadar težavo s kakovostjo prijavljate ponudniku, šteje prav ta identifikator, ne »API Ailin¹«. Če morate rekonstruirati, zakaj je odločitev z več modeli izpadla tako, kot je, omogočite trajno shranjeno sled usklajevanja: GET /v1/collective/runs/:id/trace vrne časovnico vsake faze na milisekundo natančno, zgrajena pa je tako, da en najemnik nikoli ne more potrditi niti obstoja zagona drugega najemnika: poizvedba po tujem ID-ju zagona vrne isto napako 404 kot zagon, ki nikoli ni bil ustvarjen.

Dokazi & zaupanje

Pri primerjalnem testu z 10 objektivno preverljivimi nalogami (strojno preverljivi odgovori, ne ocena okusa), izvedenem 38-krat, je strategija konsenza v kombinaciji z determinističnim preverjevalnikom v naši lastni evalvaciji pravilno odgovorila v 37 primerih od 38, v primerjavi z 68 do 82 % pri posameznih vodilnih modelih, testiranih ob njej (GPT-5.5-pro, Claude Opus 4.8, Gemini 3.1 Pro, Grok 4.3). Skozi vse tri kroge preverjevalnik niti enkrat ni izbral objektivno napačnega odgovora. Brez njega druge kolektivne strategije padejo nazaj v isti razpon kot posamezni paradni modeli, zato prednost sledi preverjevalniku, ne dodatnim modelom. Za celotnost: najmočnejši posamezni model je dosegel 100 % že v samem drugem krogu (15 izvedb), zato oceno 97 % berite v okviru celotnega protokola treh krogov in ne kot obljubo za posamezen krog. Objavljeno oceno je mogoče preračunati iz objavljenih surovih izpisov in preverjevalnika evalvacije. Zaženite jo sami, namesto da nam verjamete na besedo.

Ne, vaših surovih pozivov ne. Cevovod za izvoz učnih podatkov se nikoli ne dotakne vsebine pozivov: izvozi le anonimizirane operativne metapodatke (uporabljeno strategijo, strošek, zakasnitev, ocene kakovosti), pri čemer so ID-ji sledi zgoščeni z algoritmom SHA-256 in dodatno skrivno vrednostjo (t. i. »pepper«) ter skrajšani na 16 znakov, identifikatorji vaše organizacije in uporabnikov pa so odstranjeni, še preden se karkoli pripravi za izvoz. Če ta skrivna vrednost ni nastavljena, opravilo izvoza zavrne izvedbo, namesto da bi izvozilo nezaščitene podatke.

Avtentikacija, izolacija najemnikov, uveljavljanje kvot, usmerjanje s filtrom zmogljivosti in sledenje zahtevam danes tečejo pri vsakem klicu. To je v živo že danes, enako pa velja za stran dobavne verige in licenciranja: končne točke za skladnost s 13. členom AGPL (/source, /license), sledljivost izdaje prek SLSA/Sigstore in SBOM v obliki SPDX so del vsake izdaje. Kar še ni opravljeno: formalno certificiranje. SOC 2 in ISO 27001 sta v teku, ne certificirana, zato se, če vaša nabava potrebuje določeno potrdilo, obrnite na svojo skrbniško ekipo, namesto da to sklepate iz trženjskih besedil, tudi naših ne. Niti tega vam ni treba verjeti zgolj na besedo: pogon za usklajevanje, ki stoji za zgornjimi številkami, je javno dostopen na github.com/ailinone/collective-intelligence (AGPL-3.0-or-later), skupaj s skriptami primerjalnega testa in surovimi podatki v repozitoriju.

Kolektivna doba umetne inteligence se je že začela

Na preverljivih nalogah je naš preverjeni konsenz dosegel 37 od 38, v primerjavi z 68 do 82 % pri osamljenih vodilnih modelih, in niti enkrat ni izbral napačnega odgovora. To ni obljuba: je objavljen primerjalni test, kjer so pogon, skripte in surovi podatki odprti za preverjanje vsakomur. Model postane komponenta. Kolektiv postane inteligenca.

Odpri Ailin¹ Chat Zaprosite za dostop Gradite s kolektivno inteligenco ⭐ Ocenite kolektivno inteligenco z zvezdico na GitHubu