← Accueil actu | Salle du marché
2026-11-02 · Source:36氪快讯·中继

La bêta privée cible des scénarios de longue durée à variables multiples : envoi de messages DingTalk, contrôle de la maison connectée ; ouverture complète prévue ce mois-ci.
Le secteur des agents personnels assiste à une confrontation directe. Selon des informations de Sina Tech, « Lingguang », le produit d'IA du groupe Ant, a récemment lancé une bêta privée en interne de sa nouvelle version, qui prend pour référence Muse, l'agent personnel lancé par Meta en septembre dernier — ce dernier peut s'immiscer dans la vie quotidienne des utilisateurs et suivre en continu les tâches qui leur sont confiées, précisément la forme visée par cette mise à niveau de Lingguang. Il ne s'agit pas d'une simple mise à jour par empilement de fonctionnalités, mais de deux trajectoires pariant quasi simultanément sur le même format produit, accélérant en même temps des deux côtés de l'Atlantique.
Côté calendrier, des personnes proches du projet indiquent que les travaux de Lingguang sur ce sujet ont commencé il y a environ six mois, avec plusieurs versions itérées au passage, et une ouverture complète prévue ce mois-ci. Bêta privée d'abord, déploiement total dans le mois : le calendrier est serré. À une époque où les produits d'IA recourent généralement à des déploiements progressifs de longue durée, une fenêtre aussi compressée envoie un signal clair : Ant ne compte pas laisser à ses concurrents le temps de creuser l'écart. Depuis le lancement de Muse par Meta en septembre dernier, le récit de l'agent personnel comme catégorie autonome a pris forme, et la réaction rapide de Lingguang montre que la fenêtre d'opportunité sur ce segment est jugée très courte : qui instaurera le premier l'habitude de la « délégation » dans la vie quotidienne des utilisateurs détiendra la porte d'entrée.
Le cœur de cette mise à niveau est un basculement de positionnement : Lingguang passe d'assistant IA capable de discuter et de générer des applications à agent personnel natif IA, doté d'une mémoire à long terme et capable de faire avancer les tâches de manière proactive. Le critère d'évaluation change en conséquence : il ne s'agit plus d'un échange en un tour ni d'une génération ponctuelle, mais de la capacité à mémoriser le contexte de l'utilisateur et à faire progresser de façon autonome ce qui lui a été confié. Ce basculement de positionnement est d'une importance considérable pour l'industrie. Ces deux dernières années, la rétention des utilisateurs des produits d'assistant s'est toujours heurtée au schéma « utiliser puis partir » : l'utilisateur arrive avec une question, repart avec une réponse, et la plateforme peine à construire une relation durable. Un agent doté d'une mémoire à long terme et d'une capacité d'avancement proactif crée en revanche un lien temporel entre le produit et l'utilisateur : plus les tâches confiées sont nombreuses et longues, plus le coût de migration s'élève, et plus la barrière à l'entrée s'épaissit.
Sur le plan de l'exécution, la nouvelle version peut, via les Skill et le MCP, envoyer des messages sur DingTalk ou piloter des appareils de maison connectée, étendant ainsi les tentacules de l'agent de la fenêtre de dialogue vers la collaboration professionnelle et le foyer. Deux points méritent d'être développés. D'abord, DingTalk est l'infrastructure de collaboration professionnelle de l'écosystème Alibaba : l'intégration de DingTalk par Lingguang signifie que l'agent s'insère directement dans les flux de travail, au-delà de la simple consultation d'informations. Ensuite, le MCP (Model Context Protocol), protocole ouvert reliant les modèles aux outils externes, est en train de devenir le standard d'interface de facto de l'écosystème des agents : le fait que Lingguang construise ses capacités d'exécution sur les Skill et le MCP montre que les acteurs nationaux de premier plan ont adopté le paradigme d'appel d'outils protocolisé, ce qui profite à la richesse de tout l'écosystème d'outils — plus il y a d'outils, plus l'agent est utilisable, ce qui attire en retour davantage de développeurs, dans une boucle vertueuse.
Le choix des cas d'usage de la bêta est lui aussi révélateur. D'après les informations disponibles, les tests se concentrent sur des scénarios de longue durée, à variables multiples, difficiles à surveiller pour un individu ordinaire : suivre les mouvements de marché pour les actifs, gérer les pointages DingTalk pour les parents, ou réorganiser un itinéraire en cas de retard de vol ou de limitation d'accès à un site touristique pendant un voyage. Ces tâches, par leur ampleur temporelle et leurs multiples variables perturbatrices, constituent le test de résistance le plus direct des capacités de mémoire à long terme et d'avancement proactif. Choisir ces scénarios plutôt que de simples rappels d'agenda reflète le diagnostic de l'équipe : seules les tâches que « l'humain ne peut pas surveiller et que l'IA surveille à votre place » permettent aux utilisateurs de percevoir concrètement l'écart générationnel entre agent et chatbot. Pour les acheteurs de puissance de calcul IA, cette tendance mérite également d'être suivie : les tâches de longue durée impliquent des lectures/écritures continues de mémoire contextuelle et des inférences fréquentes d'appels d'outils, une structure de consommation radicalement différente de celle des dialogues courts ; la recherche en mémoire à long terme et les charges de polling actif pourraient devenir un nouveau relais de croissance pour la puissance d'inférence, et la demande en clusters d'inférence pour les services d'hébergement d'agents pourrait s'accroître en conséquence. Lingguang et Muse parient presque simultanément sur le même format produit : la concurrence frontale des agents personnels a commencé. Du chat à la surveillance proactive, les produits d'IA franchissent un véritable seuil.
[Prix du marché à intégrer obligatoirement] Aucune donnée de prix en vente n'existe actuellement pour ce modèle. À la date de publication de ce rapport, les capacités couvertes par cette bêta ne sont pas encore ouvertes à une interface commerciale, et aucune instance de calcul correspondante n'est proposée à la vente ; investisseurs et acheteurs n'ont pas besoin, pour l'instant, d'ajuster leurs plans d'acquisition en conséquence.
Du point de vue des achats, si votre activité envisage de suivre le format de l'agent personnel — par exemple de l'hébergement de tâches longue durée face au grand public ou un service d'assistant proactif pour entreprises —, trois types de ressources méritent votre attention : des instances d'inférence à haute mémoire supportant les contextes longs et la recherche vectorielle en mémoire, des capacités d'intermédiation supportant des passerelles de protocoles comme MCP, et des modèles de facturation à l'usage élastiquement évolutifs. Le produit en bêta n'étant prévu pour une ouverture complète que ce mois-ci, il n'existe aucune donnée publique sur les volumes d'appels réels et la courbe de consommation de calcul ; mieux vaut ne pas verrouiller pour l'instant de contrats de long terme à gros volumes, et procéder d'abord à des POC sur des ressources élastiques à petite échelle, avant de décider du rythme d'extension en fonction de la charge réelle après l'ouverture complète.
Q : Quels sont le calendrier d'ouverture et les changements majeurs de la bêta de la nouvelle version de Lingguang d'Ant ?
R : Selon Sina Tech, Lingguang a commencé ses travaux il y a environ six mois, avec plusieurs versions itérées ; une bêta privée est en cours et une ouverture complète est prévue ce mois-ci. Le changement majeur : passer d'un assistant IA capable de discuter et de générer des applications à un agent personnel natif IA doté d'une mémoire à long terme et capable de faire avancer les tâches de manière proactive, via les Skill et le MCP pour envoyer des messages sur DingTalk ou piloter des appareils de maison connectée.
Q : Quand Meta Muse, auquel se compare Lingguang, a-t-il été lancé ? Quels scénarios la bêta cible-t-elle ?
R : Meta a lancé l'agent personnel Muse en septembre dernier, capable de s'immiscer dans la vie quotidienne des utilisateurs et de suivre en continu les tâches confiées. La bêta de Lingguang cible des scénarios de longue durée, à variables multiples, difficiles à surveiller : suivre les mouvements de marché pour les actifs, gérer les pointages DingTalk pour les parents, réorganiser un itinéraire en cas de retard de vol ou de limitation d'accès à un site touristique en voyage.
Q : Quels sont le calendrier d'ouverture et les changements majeurs de la bêta de la nouvelle version de Lingguang d'Ant ?
R : Selon Sina Tech, Lingguang a commencé ses travaux il y a environ six mois, avec plusieurs versions itérées ; une bêta privée est en cours et une ouverture complète est prévue ce mois-ci. Le changement majeur : passer d'un assistant IA capable de discuter et de générer des applications à un agent personnel natif IA doté d'une mémoire à long terme et capable de faire avancer les tâches de manière proactive, via les Skill et le MCP pour envoyer des messages sur DingTalk ou piloter des appareils de maison connectée.
Q : Quand Meta Muse, auquel se compare Lingguang, a-t-il été lancé ? Quels scénarios la bêta cible-t-elle ?
R : Meta a lancé l'agent personnel Muse en septembre dernier, capable de s'immiscer dans la vie quotidienne des utilisateurs et de suivre en continu les tâches confiées. La bêta de Lingguang cible des scénarios de longue durée, à variables multiples, difficiles à surveiller : suivre les mouvements de marché pour les actifs, gérer les pointages DingTalk pour les parents, réorganiser un itinéraire en cas de retard de vol ou de limitation d'accès à un site touristique en voyage.
Mots-clés: Ant Group · Lingguang · Meta Muse · AI Agent · MCP
萬安算交所 AIXX · AIXX · Bourse compute vérifiée · Accéder à la salle