Pokee AI udostępnia otwartoźródłowego agenta PokeeResearch‑7B do głębokich badań

Pokee AI ogłasza PokeeResearch‑7B, otwartoźródłowego agenta do głębokich badań, który ma nie tylko przeszukiwać sieć, ale też łączyć dowody i samodzielnie weryfikować wnioski. Udostępniono pełny zestaw: wagi modelu, kod wnioskowania na Hugging Face oraz publikację opisującą proces uczenia ze wzmocnieniem z wykorzystaniem informacji zwrotnej generowanej przez AI i wielokrotnego wywoływania łańcuchów rozumowania.

Według zespołu, model osiąga najlepsze wyniki wśród agentów 7B na 10 benchmarkach związanych z głębokim researchem. Deklaracje dotyczą konkretnej klasy rozmiaru (7B), co warto mieć na uwadze przy porównaniach z większymi modelami; szczegóły metryk i zestawów danych kryją się w dokumentacji i paperze.

Funkcje: od wyszukiwania po samoweryfikację

Agent można uruchomić lokalnie lub poprzez vLLM. Wbudowane narzędzia obejmują integrację z wyszukiwarką i czytnikiem treści, równoległe wątki badawcze, mechanizmy samokontroli oraz odzyskiwanie po błędach narzędzi. W repozytorium znalazły się instrukcje testów na A100 80 GB, a także dwie formy interakcji: interfejs CLI i aplikacja Gradio.

W praktyce oznacza to agentowe przepływy pracy, w których model podejmuje serię wywołań, zbiera cytowalne źródła i sprawdza spójność odpowiedzi przed zwróceniem wyniku. To podejście ma ograniczać halucynacje i poprawiać ugruntowanie w faktach.

Dostępność i licencjonowanie

Projekt jest dostępny od dziś. Kod i wagi trafiły do otwartego repozytorium z licencją Apache‑2.0, jednak publikacja naukowa wskazuje MIT, co sugeruje, że szczegóły licencyjne mogą być jeszcze doprecyzowywane. Pokee zapowiada również hostowane Deep Research API, pozycjonowane jako tańsze od istniejących alternatyw, choć konkretne cenniki nie zostały podane.

Adresaci i szersza strategia

Pokee celuje w inżynierów, analityków i startupy, które potrzebują raportów z ugruntowanymi cytatami. Firma określa się jako „foundation‑agent” skupiony na wzmacnianiu faktograficznego, narzędziowego rozumowania. Dzisiejsza premiera ma pełnić rolę publicznego wejścia do stosu agentowego Pokee i krok w stronę standaryzacji przepływów deep research — zarówno w opcji samodzielnej, jak i hostowanej.

Najciekawszy element pozostaje empiryczny: jeśli deklarowane wyniki na benchmarkach potwierdzą się w realnych zadaniach, PokeeResearch‑7B może stać się lekkim, ale kompetentnym kręgosłupem automatyzacji badań w zespołach, które dotąd rezerwowały takie procesy dla większych, kosztowniejszych modeli.