<p>IBM 最新一期的 “专家混合” 播客由 Tim Hwang 主持，邀请了 AI 领域的思想领袖——Marina Danilevsky、Gabe Goodhart 和 Merve Unuvar，讨论人工智能领域的快速进展和固有挑战。他们的讨论集中在谷歌最近发布的 Gemini 3 以及蓬勃发展的 AI 代理创新领域，特别是 IBM 自己的 CUGA 框架，同时对我们如何评估 AI 在现实世界中的影响进行了批判性审视。</p>
<p>谷歌的 Gemini 3 以相当大的声势出现，在 “人类的最后考试” 和 “Arc AGI” 等具有挑战性的基准测试中表现出 “爆炸性的好性能”，正如主持人 Tim Hwang 所指出的。然而，这些令人印象深刻的分数掩盖了更为复杂的现实。尽管取得了这些飞跃，资深研究科学家 Marina Danilevsky 观察到，Gemini 3 与其前身一样，“仍然在幻觉，并且它真的很喜欢给出答案，而不是说它不知道答案。” 这种即使在先进模型中仍然存在的捏造信息的倾向，突显了基准测试常常忽视的根本限制。</p>
<p>大型语言模型的原始计算能力和基准性能正在迅速商品化。首席架构师 Gabe Goodhart 强调了这一转变，表示 “一个真正优秀的模型不再那么具有差异化。” 他强调，谷歌关于 Gemini 3 的重要公告通过将问题框定为 “代理管理” 而真正实现了差异化。这标志着行业的一个关键转变：超越追求单一的、包罗万象的超级模型，转向开发复杂的生态系统，让专业代理协同工作。正如 Danilevsky 简洁地所说，“希望我们终于超越了要有一个模型统治所有的想法……你想要的是一套工具。”</p>
<p>这种向代理智能的范式转变正是 IBM 最近的创新 CUGA 和 ALTK 发挥作用的地方。代理中间件和应用程序总监 Merve Unuvar 解释了从构建基本领域特定代理到架构多代理系统的过程。她描述了团队最初创建单一代理，随后意识到复杂任务需要 “任务分解器” 来支持，从而导致多代理架构的形成。CUGA 被呈现为 “企业级通用代理”，提供 “多代理监督层”，允许用户配置和引入自己的工具，显著加快了开发周期，从几个月缩短到仅几天。Goodhart 补充说，这种开源、可配置的方法为人们提供了 “一个非常棒的地方来开始协作和构建。”</p>
<h3>相关阅读</h3>
<ul>
<li>谷歌的 Gemini 3 主导地位重塑 AI 格局</li>
<li>谷歌的 Gemini 3.0 与 TPU 的战略复兴</li>
<li>谷歌的全栈 AI 战略在 Nano Banana Pro 中占据中心舞台</li>
</ul>
<p>然而，广泛采用代理的道路并非没有障碍。在现实场景中实际部署 AI 代理引入了延迟和对一致性的关键需求等挑战。Unuvar 指出，尽管基准结果令人印象深刻，但用户对现实应用的反馈往往突显出响应时间慢等问题。此外，强大代理的固有灵活性虽然使得多样化的合法使用成为可能，但也与潜在的误用之间产生了不可避免的紧张关系。Unuvar 引用了一位安全专家的话，表示 “在保留合法使用的同时，防止这些代理的恶意使用将极其困难，甚至可能是不可能的。” 这种效用与安全之间的微妙平衡仍然是开发者和政策制定者的首要关注点。</p>
<p>“专家混合” 小组的共识强调了 AI 发展的重大演变。未来的人工智能不再是单一模型基准分数的巨大飞跃，而是专门代理在强大、可配置框架内的智能编排。这一转变有望使 AI 开发民主化，并使更复杂的现实应用成为可能，同时迫使行业面对代理治理、可靠性和安全性等复杂挑战。</p>

谷歌-C

谷歌-A

<p>IBM 的 “专家混合” 播客讨论了人工智能的进展，重点关注谷歌的 Gemini 3 和 IBM 的 CUGA 框架。尽管 Gemini 3 在基准测试中表现出色，但仍面临诸如幻觉等挑战。行业正在从单一模型转向协调的代理生态系统，强调对代理的管理。IBM 的 CUGA 提供了一个多代理监督层，加速了开发进程。面临的挑战包括延迟和安全问题。人工智能的未来在于智能协调专业代理，承诺实现民主化开发和复杂应用</p>

<p>The latest episode of IBM’s “Mixture of Experts” podcast, hosted by Tim Hwang, convened a panel of AI thought leaders—Marina Danilevsky, Gabe Goodhart, and Merve Unuvar—to dissect the rapid advancements and inherent challenges in the artificial intelligence landscape. Their discussion centered on Google’s recent release of Gemini 3 and the burgeoning field of AI agent innovation, particularly IBM’s own CUGA framework, alongside a critical look at how we evaluate AI’s real-world impact.</p>
<div class="lb-trans"><p>IBM 最新一期的 “专家混合” 播客由 Tim Hwang 主持，邀请了 AI 领域的思想领袖——Marina Danilevsky、Gabe Goodhart 和 Merve Unuvar，讨论人工智能领域的快速进展和固有挑战。他们的讨论集中在谷歌最近发布的 Gemini 3 以及蓬勃发展的 AI 代理创新领域，特别是 IBM 自己的 CUGA 框架，同时对我们如何评估 AI 在现实世界中的影响进行了批判性审视。</p>
</div><p>Google’s Gemini 3 has emerged with considerable fanfare, boasting “explosively good performance” on challenging benchmarks like “Humanity’s Last Exam” and “Arc AGI,” as noted by host Tim Hwang. These impressive scores, however, belie a more nuanced reality. Despite these leaps, Senior Research Scientist Marina Danilevsky observed that Gemini 3, much like its predecessors, “is still hallucinating and it still really likes to give answers rather than say that it doesn’t know the answers.” This persistent tendency to fabricate information, even in advanced models, underscores a fundamental limitation that benchmarks often overlook.</p>
<div class="lb-trans"><p>谷歌的 Gemini 3 以相当大的声势出现，在 “人类的最后考试” 和 “Arc AGI” 等具有挑战性的基准测试中表现出 “爆炸性的好性能”，正如主持人 Tim Hwang 所指出的。然而，这些令人印象深刻的分数掩盖了更为复杂的现实。尽管取得了这些飞跃，资深研究科学家 Marina Danilevsky 观察到，Gemini 3 与其前身一样，“仍然在幻觉，并且它真的很喜欢给出答案，而不是说它不知道答案。” 这种即使在先进模型中仍然存在的捏造信息的倾向，突显了基准测试常常忽视的根本限制。</p>
</div><p>The raw computational power and benchmark performance of large language models are rapidly becoming commoditized. Chief Architect Gabe Goodhart highlighted this shift, stating that “a really great model is not that differentiated anymore.” He emphasized that Google’s significant announcement about Gemini 3 truly differentiated itself by framing the problem as one of “management of agents.” This signals a crucial pivot in the industry: moving beyond the pursuit of a single, all-encompassing supermodel towards developing sophisticated ecosystems where specialized agents work in concert. As Danilevsky succinctly put it, “Hopefully we’re finally getting beyond this idea that we’re going to have one model to rule them all… What you want is a suite.”</p>
<div class="lb-trans"><p>大型语言模型的原始计算能力和基准性能正在迅速商品化。首席架构师 Gabe Goodhart 强调了这一转变，表示 “一个真正优秀的模型不再那么具有差异化。” 他强调，谷歌关于 Gemini 3 的重要公告通过将问题框定为 “代理管理” 而真正实现了差异化。这标志着行业的一个关键转变：超越追求单一的、包罗万象的超级模型，转向开发复杂的生态系统，让专业代理协同工作。正如 Danilevsky 简洁地所说，“希望我们终于超越了要有一个模型统治所有的想法……你想要的是一套工具。”</p>
</div><p>This paradigm shift towards agentic intelligence is precisely where IBM’s recent innovations, CUGA and ALTK, come into play. Merve Unuvar, Director of Agentic Middleware and Applications, explained the journey from building basic domain-specific agents to architecting multi-agent systems. She described how teams initially create single agents, only to realize that complex tasks necessitate a “task decomposer on top,” leading to a multi-agent architecture. CUGA, presented as an “enterprise-ready generalist agent,” offers a “multi-agent supervisory layer” that allows users to configure and onboard their own tools, significantly accelerating development cycles from months to mere days. This open-source, configurable approach, as Goodhart added, provides “a really awesome place for people to start collaborating and building on top of this.”</p>
<div class="lb-trans"><p>这种向代理智能的范式转变正是 IBM 最近的创新 CUGA 和 ALTK 发挥作用的地方。代理中间件和应用程序总监 Merve Unuvar 解释了从构建基本领域特定代理到架构多代理系统的过程。她描述了团队最初创建单一代理，随后意识到复杂任务需要 “任务分解器” 来支持，从而导致多代理架构的形成。CUGA 被呈现为 “企业级通用代理”，提供 “多代理监督层”，允许用户配置和引入自己的工具，显著加快了开发周期，从几个月缩短到仅几天。Goodhart 补充说，这种开源、可配置的方法为人们提供了 “一个非常棒的地方来开始协作和构建。”</p>
</div><h3>Related Reading</h3>
<div class="lb-trans"><h3>相关阅读</h3>
</div><ul>
<li>Google's Gemini 3 Dominance Reshapes AI Landscape</li>
<li>Google's Gemini 3.0 and the Strategic Resurgence of TPUs</li>
<li>Google’s Full Stack AI Strategy Takes Center Stage with Nano Banana Pro</li>
</ul>
<div class="lb-trans"><ul>
<li>谷歌的 Gemini 3 主导地位重塑 AI 格局</li>
<li>谷歌的 Gemini 3.0 与 TPU 的战略复兴</li>
<li>谷歌的全栈 AI 战略在 Nano Banana Pro 中占据中心舞台</li>
</ul>
</div><p>However, the path to widespread agent adoption is not without its hurdles. The practical deployment of AI agents in real-world scenarios introduces challenges like latency and the critical need for consistency. Unuvar pointed out that despite impressive benchmark results, user feedback on real-world applications often highlights issues such as slow response times. Furthermore, the inherent flexibility of powerful agents, while enabling diverse legitimate uses, also creates an unavoidable tension with potential misuse. Unuvar quoted a security expert, stating, “it will be extremely difficult, maybe impossible, to prevent malicious use of these agents while preserving their legitimate use.” This delicate balance between utility and safety remains a paramount concern for developers and policymakers alike.</p>
<div class="lb-trans"><p>然而，广泛采用代理的道路并非没有障碍。在现实场景中实际部署 AI 代理引入了延迟和对一致性的关键需求等挑战。Unuvar 指出，尽管基准结果令人印象深刻，但用户对现实应用的反馈往往突显出响应时间慢等问题。此外，强大代理的固有灵活性虽然使得多样化的合法使用成为可能，但也与潜在的误用之间产生了不可避免的紧张关系。Unuvar 引用了一位安全专家的话，表示 “在保留合法使用的同时，防止这些代理的恶意使用将极其困难，甚至可能是不可能的。” 这种效用与安全之间的微妙平衡仍然是开发者和政策制定者的首要关注点。</p>
</div><p>The consensus from the “Mixture of Experts” panel underscores a significant evolution in AI development. The future of artificial intelligence is less about monumental leaps in a single model’s benchmark scores and more about the intelligent orchestration of specialized agents within robust, configurable frameworks. This shift promises to democratize AI development and enable more complex, real-world applications, even as it forces the industry to confront the intricate challenges of agent governance, reliability, and security.</p>
<div class="lb-trans"><p>“专家混合” 小组的共识强调了 AI 发展的重大演变。未来的人工智能不再是单一模型基准分数的巨大飞跃，而是专门代理在强大、可配置框架内的智能编排。这一转变有望使 AI 开发民主化，并使更复杂的现实应用成为可能，同时迫使行业面对代理治理、可靠性和安全性等复杂挑战。</p>
</div>

Beyond Benchmarks: AI’s Shift to Orchestrated Intelligence

- IBM “Mixture of Experts” 播客讨论了 AI 进展与挑战。  
- 谈及 Google 的 Gemini 3 和 IBM 的 CUGA 框架。  
- 强调多代理系统的未来与安全性问题。  

超越基准：人工智能正转向协调智能