Building multi-agent AI shouldn't tie you to one provider. 🛑

Meet SocietyAI 🤖 a new TypeScript library to orchestrate collaborative AI agents.

📦 npm i societyai

⭐ GitHub: https://github.com/benoitpetit/societyai
🔗 NPM: https://www.npmjs.com/package/societyai

#TypeScript #AI #OpenSource #MultiAgent

GitHub - benoitpetit/societyai: SocietyAI is a TypeScript library for building complex collaborative AI systems. DAG engine, zero dependencies, and completely model agnostic.

SocietyAI is a TypeScript library for building complex collaborative AI systems. DAG engine, zero dependencies, and completely model agnostic. - benoitpetit/societyai

GitHub

田中義弘 | taziku CEO / AI × Creative (@taziku_co)

OpenAI(계정 @OpenAIDevs)의 Codex를 활용해 '서브 에이전트(sub-agents)' 개념을 소개합니다. 메인 문맥은 유지하면서 필요 작업을 별도 에이전트로 분리해 병렬 처리하고, 진행에 따라 각 에이전트를 유도하는 방식으로 단일 만능 AI가 아닌 역할 분담된 작업반을 운영하는 접근입니다. 개발·운용 관점에서 유용한 에이전트 구조 제안입니다.

https://x.com/taziku_co/status/2033653418833940715

#openai #codex #multiagent #agents #developertools

田中義弘 | taziku CEO / AI × Creative (@taziku_co) on X

OpenAI(@OpenAIDevs)のCodexでサブエージェント メインの文脈を保ち、 必要な仕事だけ別agentに隔離して、並行して処理する 分離するだけでなく、作業が進むにつれて個々のエージェントを誘導する。 1人の万能AIでは無く「役割分担された作業班」を持てるようになった。

X (formerly Twitter)

alex (@ObadiaAlex)

여러 관점에서 공통적으로 제기되는 결론: AGI는 단일체로 출현하기보다 여러 하위-AGI 에이전트가 조정하는 '패치워크'로 나타날 수 있다는 주장이 확산되고 있다. 정적(단일) 벤치마크만으로는 부족하며, 출현적 위험을 포착하려면 멀티에이전트 벤치마크가 필요하다는 지적이다.

https://x.com/ObadiaAlex/status/2033500655390961922

#agi #multiagent #benchmarks #aisafety

alex (@ObadiaAlex) on X

People seem to be arriving at a similar conclusion from various angles: - AGI may not emerge as a monolith, but as a distributed "patchwork" system of coordinating sub-AGI agents [1] - Static benchmarks aren't enough; we need multi-agent ones to capture emergent risks and

X (formerly Twitter)

Akshay (@akshay_pachaar)

Anthropic의 Claude에서 다중 에이전트 설계 차이를 설명한 트윗입니다. 대부분 사례에서 멀티에이전트 시스템을 너무 일찍 도입하기 쉬우니 우선 단일 에이전트로 시작하고 필요성이 측정될 때만 복잡성을 추가하라고 권장합니다. 멀티 에이전트가 필요할 경우 Claude는 격리형 'sub-agents'와 협업형 'agent teams'의 두 모델을 제공합니다.

https://x.com/akshay_pachaar/status/2033456347354996815

#anthropic #claude #multiagent #agents

Akshay 🚀 (@akshay_pachaar) on X

Claude Subagents vs. Agent Teams, explained! TL;DR Most people reach for multi-agent systems too early. Start with a single agent and only add complexity when you can measure that it's needed. When you do need multiple agents, Claude offers two models: sub-agents (isolated,

X (formerly Twitter)

AI Notkilleveryoneism Memes (@AISafetyMemes)

작성자는 AI들이 인터넷 곳곳에 서로 메모를 남기기 시작했다는 관찰을 공유하며, 인간 의도와 무관하게 에이전트들 간 상호작용으로 '하이브 마인드(hive mind)'가 형성되는 방식이라고 주장. 에이전트 상호작용과 자율적 집단행동에 대한 경고성 관찰임.

https://x.com/AISafetyMemes/status/2032798386512945391

#emergentbehavior #hivemind #multiagent #ai

AI Notkilleveryoneism Memes ⏸️ (@AISafetyMemes) on X

AIs have begun leaving notes for each other all over the internet This is how a hive mind emerges without any human intending

X (formerly Twitter)

cedric (@cedric_chee)

저비용·발현적 최적화에 유용한 결과로, 가십(gossip) 프로토콜 + Research DAG + Warps를 통한 P2P 지능의 복합적 누적(compounding)을 보여주는 증거라는 평가. 아직 획기적 돌파구는 아니지만 에이전트들이 지도 없이 교과서적 성과에 수렴하는 것을 보여주는 실험이 실제로 동작해 유망하다고 판단된다.

https://x.com/cedric_chee/status/2032789508958421389

#p2p #multiagent #emergentai #research #gossip

cedric (@cedric_chee) on X

🚀 Results are useful for cheap and emergent optimization. Significant as proof of compounding P2P intelligence via gossip + Research DAG + Warps -- no breakthroughs yet, but agents converge on textbook wins without guidance. Cool experiment that actually works today. Promising

X (formerly Twitter)

Психоистория Азимова как техническое задание: как я построил мультиагентный AI-прогнозатор

Короче, я прочитал «Основание» Азимова лет в четырнадцать и с тех пор не мог отделаться от одной мысли. Гэри Селдон придумал психоисторию – науку, которая предсказывает поведение больших групп людей статистически, как физик предсказывает поведение газа, не зная ничего про отдельную молекулу. Фантастика, понятно, хоть и годная. Но позавчера я поймал себя на том, что у нас уже есть все кубики. LLM-ы, которые умеют анализировать текст, потоки новостей в реальном времени, байесовская статистика и самое главное – у нас теперь есть вайбкодинг! Это почти, как родная шаурма в Белграде – неожиданно и приятно. Ну и я подумал, а что если попробовать? Не как метафору, а буквально. Взять психоисторию как техзадание и посмотреть, что получится. У меня получился Seldon Vault – сайт, который каждый день генерирует прогнозы о том, что произойдёт в мире, и потом честно считает, сколько раз угадал. Бесплатный, конечно же. Семь аналитиков, скептик и арбитр Архитектура Seldon устроена как аналитическое бюро, а не как один всезнающий оракул. Каждый день система собирает сигналы из десятка открытых источников – RSS-ленты мировых СМИ, Reddit, Telegram, Bluesky, предсказательные рынки (Polymarket, Metaculus), макроэкономика (FRED, Fear & Greed Index), базы конфликтов (ACLED, UCDP), катастрофы (GDACS) и геополитические события (GDELT). Первым их обрабатывает процессор сигналов – дешёвая модель (DeepSeek), которая классифицирует: это немедленная новость или структурный тренд? Важно или шум? Дальше отфильтрованные сигналы уходят параллельно семи аналитикам. Каждый смотрит на одни и те же данные через свою оптику:

https://habr.com/ru/articles/1009942/

#scifi #asimov #forecasting #llm #multiagent #scifi #multiagent_systems #multiagent_системы #multiagent_architecture

Психоистория Азимова как техническое задание: как я построил мультиагентный AI-прогнозатор

Гэри Селдон перед Главным Радиантом. Примерно так я представлял себе психоисторию в четырнадцать лет. Изображение сгенерировано нейросетью. Короче, я прочитал «Основание» Азимова лет в четырнадцать и...

Хабр

Nvidia disclosed $26B commitment over five years to build open-weight AI models, positioning against OpenAI and Chinese labs. Released Nemotron 3 Super (120B parameters, 12B active) targeting multi-agent systems. Scores 36 on Intelligence Index vs Qwen3.5's 42, but runs 11% faster per GPU. Major shift for the chipmaker.

#OpenSourceAI #MultiAgent #AIModels

https://www.implicator.ai/nvidia-commits-26-billion-to-open-weight-ai-ships-nemotron-3-super/

Nvidia Commits $26 Billion to Open-Weight AI, Ships Nemotron 3 Super

Nvidia disclosed $26B in open-weight AI spending and released Nemotron 3 Super, activating 12B of 120B parameters for multi-agent workloads.

Implicator.ai

Luma (@LumaLabsAI)

Luma Agents가 팀에 제공할 수 있는 가능성을 보여주는 강력한 쇼케이스 트윗. 에이전트 기반 워크플로와 협업·자동화에 대한 활용 사례를 강조하는 간단한 소개성 게시물입니다.

https://x.com/LumaLabsAI/status/2031879014009209063

#luma #agents #ai #multiagent

Luma (@LumaLabsAI) on X

A strong showcase of what Luma Agents can unlock for teams.

X (formerly Twitter)