أفادت Bloomberg بأن DeepSeek تختبر طريقة أكثر كفاءة وأمانًا لتدريب وكلاء الذكاء الاصطناعي. التفصيل المهم لفرق الهندسة هو الهدف: هذا العمل يتناول تدريب الوكلاء تحديدًا، وليس التدريب المسبق للنموذج الأساسي. يقع تدريب الوكلاء أقرب إلى سلوك النشر — استخدام الأدوات، وتفكيك المهام، والتعافي من الخطوات الفاشلة — لذا تميل التحسينات هناك إلى تحريك الأرقام التي تتابعها فرق التشغيل فعليًا.
يجري اختبار ادعاءين في آنٍ واحد: الكفاءة والأمان. إذا صحّ الادعاءان معًا، فإن النتائج العملية منفصلة لكنها مترابطة. تدريب الوكلاء بتكلفة أقل يخفّض كلفة التكرار على سياسات الوكلاء، ما يغيّر وتيرة إعادة التدريب أو الضبط الدقيق مقابل توزيعات المهام الحقيقية. أما إطار الأمان الأكثر إحكامًا فيغيّر ما يمكن للفرق افتراضه بشأن قابلية الت
يأتي هذا الإعلان في فترة تنافسية تقدّم فيها مختبرات الأوزان المفتوحة ادعاءات متزامنة حول كفاءة التدريب والأمان. ما يبقى غير واضح من التغطية: الطريقة المحددة، وأي نتائج مقيسة، وما إذا كان مكوّن الأمان معماريًا أم إجرائيًا. لم يُفصح عن أي معايير قياس أو أرقام أو جداول زمنية. تتعامل Behzat AI مع مثل هذه الادعاءات كفرضيات يجب إعادة إنتاجها مقابل أداة تقييم الوكلاء الخاصة بها قبل أن تُسهم في نماذج التكلفة أو افتراضات الأمان.