CoreWeave представила Forge — рабочий процесс платформы, призванный как можно быстрее перевести команды от первого агента к лучшему агенту. Цикл включает пять этапов — run, observe, curate, improve, evaluate — и затем повторяется, причем каждый промышленный запуск улучшает следующую версию модели и агента. В запуск входят Agent Lens, Registry, RL Rollouts, дистилляция моделей и помощник ARIA, уже доступный в общем доступе. Для бизнеса сигнал в том, что работа с агентами рассматривается как непрерывное улучшение, а не разовое внедрение.
Цикл Forge, инструменты и партнерская сеть
Forge задумана как общий рабочий процесс для бизнес-подразделений и команд машинного обучения, которые раньше использовали разрозненные инструменты. Сюзанн Зайтингер, вице-президент CoreWeave по маркетингу продуктов, рассказала об этом в интервью Джону Ферриеру и Дэйву Велланте на мероприятии Fully Connected в студии theCUBE. Главным показателем компания называет скорость обучения: чем быстрее обучение, тем быстрее выпуск и отдача. Часть того же плана — партнерская сеть.
Цикл улучшения построен из пяти связанных операций, превращающих операционные данные в более сильного агента. Команды запускают агентов в промышленной среде, наблюдают поведение, отбирают полезные примеры, улучшают модели и конфигурации, затем оценивают результат перед новым кругом. По замыслу CoreWeave каждый проход опирается на предыдущий. В основе лежит допущение, что постобучение не заканчивается, включая работу на этапе инференса. Такая схема превращает промышленный трафик в актив для обучения, а не только в статью затрат.
Несколько функций закрывают конкретные узкие места этого цикла. Agent Lens служит для проверки того, что агенты делают на практике, а Registry хранит контрольные точки и конфигурации агентов для повторного использования и сравнения. RL Rollouts и дистилляция моделей отвечают за улучшение, включая перенос знаний из большой модели в версию под конкретную задачу. ARIA, помощник AI Research and Iteration Agent, уже находится в общем доступе и помогает находить закономерности в запусках. Вместе они связывают наблюдение, версионирование и переобучение.
Запуск отражает сдвиг корпоративных нагрузок к агентам, которым нужны постоянный контроль и доработка. Зайтингер привела в пример Cognition AI, которая уже выполняет промышленные нагрузки на первых стойках CoreWeave с Nvidia Vera Rubin NVL72. Компания утверждает, что ее экспертиза выходит за пределы начального обучения и охватывает поздние стадии цикла и операции инференса. Партнерская сеть с проверенными совместно разработанными интеграциями добавляет готовые рецепты и сценарии внедрения. Цель — сократить повторяющиеся пробы и ошибки у разных клиентов.
Что ускорение итераций агентов дает бизнесу
Для компаний, выводящих агентов в промышленную эксплуатацию, практический эффект — более короткий путь от пилота до стабильной версии, обрабатывающей реальные запросы. Единый процесс от запуска до оценки сокращает передачу задач между продуктовыми командами и специалистами по машинному обучению, а контрольные точки упрощают откат и сравнение версий. Небольшие компании получают готовые схемы интеграции вместо создания собственных конвейеров оценки. Крупные организации могут стандартизировать проверку, согласование и обновление агентов в разных подразделениях.
Ограничения связаны с соответствием задаче, зрелостью процессов и операционной дисциплиной. Дистилляция и запуски в логике обучения с подкреплением помогают лишь при наличии репрезентативных промышленных данных и четких критериев качества агентов. Agent Lens и ARIA по-прежнему требуют сотрудников, способных разбирать журналы, описывать режимы сбоев и решать, что отбирать для переобучения. Само объявление не доказывает выигрыш в затратах, задержке или точности для конкретной нагрузки. Покупателям стоит спросить, какие интеграции проверены, как управляются версии и что включает поддержка постобучения на инференсе.
Показательным маркером станет то, сообщат ли Cognition AI и другие ранние промышленные пользователи о повторяемом измеримом улучшении после последовательных циклов Forge на мощностях Vera Rubin. Дополнительным подтверждением будут опубликованные сценарии, названные партнеры и данные о связи отбора и оценки со снижением числа ошибок агентов. Если они появятся в ближайшие кварталы, непрерывное улучшение агентов станет стандартной облачной практикой. Если нет, Forge останется перспективной схемой, ожидающей доказательств.
