Genspark GPT‑4.1 અને OpenAI Realtime API સાથે નો-કોડ વ્યક્તિગત એજન્ટ્સ લોન્ચ કરે છે
અને માત્ર 45 દિવસમાં 20 સભ્યોની ટીમ સાથે $36M ARR હાંસલ કર્યું.
Genspark(નવી વિન્ડોમાં ખૂલે છે) Super Agent પાછળની કંપની છે, જે એક નો-કોડ, કસ્ટમાઇઝ કરી શકાય એવો AI એજન્ટ છે અને વપરાશકર્તાઓને ફોન કૉલ કરવો, પ્રેઝન્ટેશન બનાવવું અથવા રેસીપીને ટૂંકા વિડિયોમાં ફેરવવા જેવા વાસ્તવિક કાર્યો ઓટોમેટ કરવામાં મદદ કરે છે.
Super Agent OpenAI ના મલ્ટીમોડલ મોડલ્સ અને Realtime API નો ઉપયોગ કરીને ટેક્સ્ટ, ઇમેજ અને વોઇસમાં કાર્યો શક્ય બનાવે છે, જેથી વપરાશકર્તાઓ સરળ પ્રોમ્પ્ટ્સથી જટિલ વર્કફ્લોઝ ઓટોમેટ કરી શકે, અને તેમાં કોઈ કોડિંગની જરૂર નથી. સિસ્ટમ ઝડપથી લોકપ્રિય બની. માત્ર 45 દિવસમાં, મજબૂત વપરાશકર્તા માંગના કારણે Super Agent એ $36M ARR હાંસલ કર્યું.
“OpenAI શરૂઆતથી જ Genspark ને સમર્થન આપતું આવ્યું છે. તેમની APIs એ માત્ર અમારા મોડલ્સને શક્તિ આપી નથી, તેમણે અમારી 20 સભ્યોની ટીમને કોઈએ શક્ય માન્યું હોય તે કરતાં વધુ ઝડપથી બનાવવામાં, લોન્ચ કરવામાં અને સ્કેલ કરવામાં મદદ કરી છે.”
Genspark એ શરૂઆતમાં એક AI સર્ચ એન્જિન તરીકે લોન્ચ કર્યું હતું, જે ગ્રાહકો અને વ્યાવસાયિકોને માહિતીનું સંકલન અને બંધારણ બનાવવા મદદ કરવા માટે ડિઝાઇન કરવામાં આવ્યું હતું. 2024 ના અંત સુધીમાં વપરાશકર્તા વર્તનમાં ફેરફાર આવવા લાગ્યો. વપરાશકર્તાઓને માત્ર જવાબો નહોતાં જોઈએ. તેમને પરિણામો જોઈએ હતાં. “આ માર્કેટનું સારાંશ આપો” ના બદલે, તેઓ pitch decks, વિડિયો સ્ક્રિપ્ટ્સ અને follow-up emails માંગતા હતા. એ જ સમયે, મોડલ ક્ષમતાઓ ઝડપથી વિસ્તરી રહી હતી. લાંબી context windows, વધુ મજબૂત রিজনিং અને નવી multimodal APIs ના કારણે હવે માત્ર માહિતી મેળવવી નહીં, પણ સંપૂર્ણ વર્કફ્લોઝ ઓટોમેટ કરવું વધતા વધતા શક્ય બન્યું.
વપરાશકર્તા માંગમાં આ ફેરફાર અને મોડલ્સની તૈયારીએ ટીમને એક સાહસિક પગલું ભરવા પ્રેર્યા. એપ્રિલ 2025માં, Genspark એ સર્ચથી દૂર જઈને agentic AI ને સંપૂર્ણ રીતે અપનાવ્યું.
એપ્રિલ 2025માં, Genspark એ Super Agent લોન્ચ કર્યો. આ એક સંપૂર્ણ સ્વાયત્ત, નો-કોડ સહાયક છે, જે ફોન કૉલ કરી શકે છે, સ્લાઇડ્સ ડિઝાઇન કરી શકે છે, વિડિયો જનરેટ કરી શકે છે અને ઘણું વધુ કરી શકે છે. અંદરની સ્તરે, પ્લેટફોર્મ નવ વિશેષિત large language models અને 80 કરતાં વધુ ઇન્ટિગ્રેટેડ ટૂલ્સને સંકલિત કરે છે, અને દરેક કાર્યને સૌથી યોગ્ય ઘટકને ગતિશીલ રીતે સોંપે છે.
OpenAI મોડલ્સ આ સિસ્ટમના કેન્દ્રમાં છે. GPT‑4.1 સુધારેલ instruction following અને 1M-token context window સાથે રિસર્ચ અને સ્ટ્રક્ચર્ડ આઉટપુટ્સ સંભાળે છે, જે એજન્ટ્સને લાંબા દસ્તાવેજોને કાપછાંટ વગર સંપૂર્ણ રીતે પ્રોસેસ કરવાની મંજૂરી આપે છે. કડક JSON output downstream tools માટે વિશ્વસનીય રીતે સ્ટ્રક્ચર્ડ પ્રતિસાદ સુનિશ્ચિત કરવા માટે ડિઝાઇન કરવામાં આવ્યું છે, જ્યારે automatic prompt caching latency અને API ખર્ચ ઘટાડે છે, જે ખાસ કરીને બહુ-પગલાંવાળા વર્કફ્લોઝમાં મૂલ્યવાન છે. ઇમેજ જનરેશન માટે, પ્લેટફોર્મ OpenAI API મારફતે GPT‑image‑1 મોડલનો ઉપયોગ કરે છે.
કારણ કે સિસ્ટમ સંપૂર્ણપણે નો-કોડ છે, વપરાશકર્તાઓએ આમાંથી કોઈ બાબત વિશે વિચારવાની જરૂર નથી. તેઓ શું ઇચ્છે છે તે વર્ણવે છે, “મારા દંતચિકિત્સકને કૉલ કરો,” “આ રિપોર્ટનું સારાંશ આપો,” “મારા માટે સ્લાઇડ ડેક બનાવો”, અને Super Agent બાકીની કામગીરી સંભાળી લે છે.
જુઓ કે Super Agent સરળ પ્રોમ્પ્ટ્સથી AI-સંચાલિત સ્લાઇડ્સ, શીટ્સ અને ફોન કૉલ્સ કેવી રીતે બનાવે છે, જેમાં કોઈ કોડની જરૂર નથી.
Super Agent ની સૌથી વધુ ચર્ચાતી સુવિધાઓમાંની એક Call For Me છે, એક એવું AI જે તમારા માટે સાચા ફોન કૉલ્સ કરે છે અને ખરેખર વાતચીત પણ જાળવી રાખે છે. કોઈ સ્ક્રિપ્ટ્સ નહીં. કોઈ બોજિલ ટ્રાન્સફર્સ નહીં. રિઝર્વેશન બુક કરાવવું હોય કે ડિલિવરીનું સમયપત્રક બદલવું હોય, એજન્ટ OpenAI Realtime API અને સ્પીચ-ટુ-સ્પીચ ક્ષમતાઓનો ઉપયોગ કરીને વાતચીતને કુદરતી રીતે અને રીઅલ-ટાઇમ પ્રવાહિતાથી સંભાળે છે.
દ્વિ-સ્તરીય સિસ્ટમ આ ઇન્ટરૅક્શનને શક્તિ આપે છે. Realtime API live dialogue સંભાળે છે, જ્યારે એક shadow model message queue મારફતે ઇન્ટરૅક્શનનું નિરીક્ષણ અને માર્ગદર્શન આપે છે. પરિણામે ઝડપી, સુસંગત આવન-જાવનવાળી વાતચીત મળે છે, ભલે કૉલમાં hold music હોય અથવા અસ્પષ્ટ માનવીય પ્રતિસાદો સામેલ હોય. જાપાનમાં, એક ઉપયોગકેસ વાયરલ થયો. વપરાશકર્તાઓ એજન્ટને પોતાના નોકરીદાતાઓને રિઝાઇનેશન કૉલ્સ સંભાળવા માટે કહેતા હતા. આ એવી ઊંડી માનવીય પ્રકારની ક્રિયા છે જે મોટાભાગના લોકો AI એજન્ટ સંભાળી શકે તેવી અપેક્ષા રાખતા નથી.
ફોન કૉલ્સથી આગળ, વપરાશકર્તાઓ વ્યક્તિગત કન્ટેન્ટ બનાવવા માટે Super Agent પર નિર્ભર રહે છે. vaporwave-style pitch deck માંગો, અને એજન્ટ સ્લાઇડ્સનો ડ્રાફ્ટ બનાવે છે, GPT‑image‑1 સાથે સ્ટાઇલાઇઝ્ડ કવર ઇમેજેસ જનરેટ કરે છે અને અંતિમ ડેક સંકલિત કરે છે. વિડિયો માટે, તે દ્રશ્ય પ્રમાણે સ્ક્રિપ્ટ લખી શકે છે, ઇમેજેસ જનરેટ કરી શકે છે અને Instagram-ready ટૂંકું વિડિયો તૈયાર કરી શકે છે.
આ ઉપયોગકેસ OpenAI ની મલ્ટીમોડલ ક્ષમતાઓ, Genspark ની અમલીકરણ ઝડપ અને OpenAI startups ટીમ સાથેના તેમના નજીકના સહકારથી શક્ય બને છે. Genspark એ OpenAI solutions architects સાથે નિયમિત રીતે મળીને શ્રેષ્ઠ પ્રથાઓ શેર કરી, વર્કફ્લોઝ fine-tune કર્યા અને મોડલ પ્રદર્શન ઑપ્ટિમાઇઝ કર્યું. તેઓ Realtime API સાથે voice experiences લોન્ચ કરનાર પ્રથમમાંથી હતા અને મોડલ સુધારાઓને આગળ ધપાવવા મદદરૂપ એવા પ્રતિસાદ આપતા રહે છે.
“અમે OpenAI ને માત્ર modalities માં મોડલ પ્રદર્શન માટે જ નહીં, પરંતુ developer experience માટે પણ પસંદ કર્યું,” Zhu કહે છે. “OpenAI API ડિઝાઇને અમને ઝડપથી આગળ વધવામાં મદદ કરી, જેથી અમે bottlenecks વગર shipping, debugging અને scaling કરી શક્યાં.”
Super Agent લોન્ચ કર્યા પછી માત્ર એક મહિનાથી થોડા વધુ સમયમાં, Genspark એ:
- માત્ર 45 દિવસમાં $36M ARR સુધી વૃદ્ધિ કરી
- 70 દિવસમાં આઠ મુખ્ય એજન્ટ સુવિધાઓ લોન્ચ કરી
આ બધું 20 સભ્યોની ટીમ અને કોઈ paid advertising વગર પ્રાપ્ત થયું. આ વૃદ્ધિ સંપૂર્ણપણે ઓર્ગેનિક હતી, જે પ્રોડક્ટની virality અને મૌખિક પ્રચારથી સંચાલિત હતી. Super Agent ના આકર્ષણનો મોટો ભાગ તેની ઍક્સેસિબિલિટીમાંથી આવે છે. વપરાશકર્તાઓએ વર્કફ્લોઝ બનાવવાની કે settings કન્ફિગર કરવાની જરૂર નથી. તેઓ ફક્ત પોતાની જરૂરિયાત કહે છે અને એજન્ટ બાકીનું સંભાળે છે.
આગળ વધતાં, Genspark નવી કેટેગરીઝમાં વિસ્તરી રહ્યું છે જ્યાં સ્વાયત્ત એજન્ટ્સ વધુ મૂલ્ય ઊભું કરી શકે, જેમ કે એવું AI browser જે તમે બ્રાઉઝ કરતા તમામ કન્ટેન્ટ પર કાર્ય કરે અને format-rich documents જનરેટ કરવા માટે AI docs. ટીમ ઝડપી બનાવે અને વધુ ઝડપથી લોન્ચ કરે તેમાં OpenAI APIs હજુ પણ કેન્દ્રસ્થાને છે.
“અમે Genspark ને માત્ર chat interface કરતાં વધુ બનાવવા માટે બનાવ્યું છે. આ એક all-in-one AI વર્કસ્પેસ છે,” Zhu કહે છે. “અને OpenAI APIs સાથે, અમે તેને રેકોર્ડ સમયમાં વાસ્તવિક બનાવી શક્યાં.”
