<p>IBM 最新一期的 “專家混合” 播客由 Tim Hwang 主持，邀請了 AI 領域的思想領袖——Marina Danilevsky、Gabe Goodhart 和 Merve Unuvar，討論人工智能領域的快速進展和固有挑戰。他們的討論集中在谷歌最近發佈的 Gemini 3 以及蓬勃發展的 AI 代理創新領域，特別是 IBM 自己的 CUGA 框架，同時對我們如何評估 AI 在現實世界中的影響進行了批判性審視。</p>
<p>谷歌的 Gemini 3 以相當大的聲勢出現，在 “人類的最後考試” 和 “Arc AGI” 等具有挑戰性的基準測試中表現出 “爆炸性的好性能”，正如主持人 Tim Hwang 所指出的。然而，這些令人印象深刻的分數掩蓋了更為複雜的現實。儘管取得了這些飛躍，資深研究科學家 Marina Danilevsky 觀察到，Gemini 3 與其前身一樣，“仍然在幻覺，並且它真的很喜歡給出答案，而不是説它不知道答案。” 這種即使在先進模型中仍然存在的捏造信息的傾向，突顯了基準測試常常忽視的根本限制。</p>
<p>大型語言模型的原始計算能力和基準性能正在迅速商品化。首席架構師 Gabe Goodhart 強調了這一轉變，表示 “一個真正優秀的模型不再那麼具有差異化。” 他強調，谷歌關於 Gemini 3 的重要公告通過將問題框定為 “代理管理” 而真正實現了差異化。這標誌着行業的一個關鍵轉變：超越追求單一的、包羅萬象的超級模型，轉向開發複雜的生態系統，讓專業代理協同工作。正如 Danilevsky 簡潔地所説，“希望我們終於超越了要有一個模型統治所有的想法……你想要的是一套工具。”</p>
<p>這種向代理智能的範式轉變正是 IBM 最近的創新 CUGA 和 ALTK 發揮作用的地方。代理中間件和應用程序總監 Merve Unuvar 解釋了從構建基本領域特定代理到架構多代理系統的過程。她描述了團隊最初創建單一代理，隨後意識到複雜任務需要 “任務分解器” 來支持，從而導致多代理架構的形成。CUGA 被呈現為 “企業級通用代理”，提供 “多代理監督層”，允許用户配置和引入自己的工具，顯著加快了開發週期，從幾個月縮短到僅幾天。Goodhart 補充説，這種開源、可配置的方法為人們提供了 “一個非常棒的地方來開始協作和構建。”</p>
<h3>相關閲讀</h3>
<ul>
<li>谷歌的 Gemini 3 主導地位重塑 AI 格局</li>
<li>谷歌的 Gemini 3.0 與 TPU 的戰略復興</li>
<li>谷歌的全棧 AI 戰略在 Nano Banana Pro 中佔據中心舞台</li>
</ul>
<p>然而，廣泛採用代理的道路並非沒有障礙。在現實場景中實際部署 AI 代理引入了延遲和對一致性的關鍵需求等挑戰。Unuvar 指出，儘管基準結果令人印象深刻，但用户對現實應用的反饋往往突顯出響應時間慢等問題。此外，強大代理的固有靈活性雖然使得多樣化的合法使用成為可能，但也與潛在的誤用之間產生了不可避免的緊張關係。Unuvar 引用了一位安全專家的話，表示 “在保留合法使用的同時，防止這些代理的惡意使用將極其困難，甚至可能是不可能的。” 這種效用與安全之間的微妙平衡仍然是開發者和政策制定者的首要關注點。</p>
<p>“專家混合” 小組的共識強調了 AI 發展的重大演變。未來的人工智能不再是單一模型基準分數的巨大飛躍，而是專門代理在強大、可配置框架內的智能編排。這一轉變有望使 AI 開發民主化，並使更復雜的現實應用成為可能，同時迫使行業面對代理治理、可靠性和安全性等複雜挑戰。</p>

谷歌-C

谷歌-A

<p>IBM 的 “專家混合” 播客討論了人工智能的進展，重點關注谷歌的 Gemini 3 和 IBM 的 CUGA 框架。儘管 Gemini 3 在基準測試中表現出色，但仍面臨諸如幻覺等挑戰。行業正在從單一模型轉向協調的代理生態系統，強調對代理的管理。IBM 的 CUGA 提供了一個多代理監督層，加速了開發進程。面臨的挑戰包括延遲和安全問題。人工智能的未來在於智能協調專業代理，承諾實現民主化開發和複雜應用</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 “專家混合” 播客由 Tim Hwang 主持，邀請了 AI 領域的思想領袖——Marina Danilevsky、Gabe Goodhart 和 Merve Unuvar，討論人工智能領域的快速進展和固有挑戰。他們的討論集中在谷歌最近發佈的 Gemini 3 以及蓬勃發展的 AI 代理創新領域，特別是 IBM 自己的 CUGA 框架，同時對我們如何評估 AI 在現實世界中的影響進行了批判性審視。</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 以相當大的聲勢出現，在 “人類的最後考試” 和 “Arc AGI” 等具有挑戰性的基準測試中表現出 “爆炸性的好性能”，正如主持人 Tim Hwang 所指出的。然而，這些令人印象深刻的分數掩蓋了更為複雜的現實。儘管取得了這些飛躍，資深研究科學家 Marina Danilevsky 觀察到，Gemini 3 與其前身一樣，“仍然在幻覺，並且它真的很喜歡給出答案，而不是説它不知道答案。” 這種即使在先進模型中仍然存在的捏造信息的傾向，突顯了基準測試常常忽視的根本限制。</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>大型語言模型的原始計算能力和基準性能正在迅速商品化。首席架構師 Gabe Goodhart 強調了這一轉變，表示 “一個真正優秀的模型不再那麼具有差異化。” 他強調，谷歌關於 Gemini 3 的重要公告通過將問題框定為 “代理管理” 而真正實現了差異化。這標誌着行業的一個關鍵轉變：超越追求單一的、包羅萬象的超級模型，轉向開發複雜的生態系統，讓專業代理協同工作。正如 Danilevsky 簡潔地所説，“希望我們終於超越了要有一個模型統治所有的想法……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>這種向代理智能的範式轉變正是 IBM 最近的創新 CUGA 和 ALTK 發揮作用的地方。代理中間件和應用程序總監 Merve Unuvar 解釋了從構建基本領域特定代理到架構多代理系統的過程。她描述了團隊最初創建單一代理，隨後意識到複雜任務需要 “任務分解器” 來支持，從而導致多代理架構的形成。CUGA 被呈現為 “企業級通用代理”，提供 “多代理監督層”，允許用户配置和引入自己的工具，顯著加快了開發週期，從幾個月縮短到僅幾天。Goodhart 補充説，這種開源、可配置的方法為人們提供了 “一個非常棒的地方來開始協作和構建。”</p>
</div><h3>Related Reading</h3>
<div class="lb-trans"><h3>相關閲讀</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 主導地位重塑 AI 格局</li>
<li>谷歌的 Gemini 3.0 與 TPU 的戰略復興</li>
<li>谷歌的全棧 AI 戰略在 Nano Banana Pro 中佔據中心舞台</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，廣泛採用代理的道路並非沒有障礙。在現實場景中實際部署 AI 代理引入了延遲和對一致性的關鍵需求等挑戰。Unuvar 指出，儘管基準結果令人印象深刻，但用户對現實應用的反饋往往突顯出響應時間慢等問題。此外，強大代理的固有靈活性雖然使得多樣化的合法使用成為可能，但也與潛在的誤用之間產生了不可避免的緊張關係。Unuvar 引用了一位安全專家的話，表示 “在保留合法使用的同時，防止這些代理的惡意使用將極其困難，甚至可能是不可能的。” 這種效用與安全之間的微妙平衡仍然是開發者和政策制定者的首要關注點。</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>“專家混合” 小組的共識強調了 AI 發展的重大演變。未來的人工智能不再是單一模型基準分數的巨大飛躍，而是專門代理在強大、可配置框架內的智能編排。這一轉變有望使 AI 開發民主化，並使更復雜的現實應用成為可能，同時迫使行業面對代理治理、可靠性和安全性等複雜挑戰。</p>
</div>

Beyond Benchmarks: AI’s Shift to Orchestrated Intelligence

- IBM “Mixture of Experts” 播客討論了 AI 進展與挑戰。  
- 談及 Google 的 Gemini 3 和 IBM 的 CUGA 框架。  
- 強調多代理系統的未來與安全性問題。  

超越基準：人工智能正轉向協調智能