Amp zet AI-agents in voor meer dan code met OpenAI-modellen
Ontdek hoe Amp de grenzen van agents verlegt met GPT‑6 Astra, Ultrafast, GPT‑Live‑1 en Inloggen met ChatGPT.
Amp(opent in een nieuw venster) bouwt een grensverleggende AI-agent die ontwikkelaars helpt ambitieuze ideeën om te zetten in werkende software. Voor Quinn Slack, CEO van Amp, is elke verbetering in de modellen een kans om de mogelijkheden van de agent uit te breiden: van ontwikkelaars helpen bepalen wat ze gaan bouwen tot code schrijven en pagina's ontwerpen.
Amp kiest en adviseert modellen op basis van wat het beste werkt voor zijn gebruikers. Het merendeel van de tokens die in Amp worden gebruikt, wordt verwerkt door OpenAI-modellen. Quinn vertelt: "OpenAI is heel transparant. Als er veiligheidsmaatregelen worden toegepast, weten gebruikers dat en begrijpen ze het. Dat maakt het heel makkelijk om OpenAI-modellen te gebruiken. Je kunt al je werk in Amp doen met OpenAI-modellen en daar heel tevreden mee zijn."
"Onze gebruikers waarderen het enorm dat de modellen van OpenAI steeds weer beter worden."
Naarmate ontwikkelaars agents meer werk geven, kunnen de kosten voor tokens een belemmering worden. Volgens Quinn verbruiken sommige Amp-gebruikers 10 miljard tokens per week. Hij denkt dat mensen minder snel ontdekken waartoe een agent in staat is als ze hun verbruik nauwlettend in de gaten houden.
Om die drempel te verlagen, introduceerde Amp de integratie Inloggen met ChatGPT. Volgens Quinn krijgen Amp-gebruikers daarmee toegang tot meer tokens en OpenAI-modellen, waaronder GPT‑6 Astra. Daardoor zijn ze eerder bereid een grotere taak aan een agent toe te vertrouwen.
"Met Inloggen met ChatGPT krijgen mensen het gevoel dat ze niet elke token hoeven te tellen", zegt hij. "En als je de agent echt zijn gang laat gaan en meer vrijheid geeft, besef je pas hoeveel hij kan doen." Quinn ziet dat mensen de agent gebruiken om plannen te maken, te bepalen wat ze gaan bouwen en na de lancering verder te werken.
Amp wil dat agents helpen bij al het werk dat komt kijken bij het ontwikkelen en laten groeien van een product. Het eigen team van twintig mensen gebruikt ze ook zo, onder meer voor marketing. "We hebben niemand die zich daarop toelegt, maar wel een agent", zegt Quinn. Het team zet de agent in om de ervaring voor nieuwe gebruikers te verbeteren en meer mensen Amp te laten ontdekken via zoekmachines en andere kanalen.
Daarbij zijn hoogwaardige teksten en ontwerpen essentieel. GPT‑6 Astra helpt het team documentatie te schrijven en pagina's te ontwerpen die aan de hoge eisen van Amp voldoen.
"We hebben een heel eigen ontwerp- en schrijfstijl. Daar zijn we heel kritisch op, maar we zijn erg tevreden over hoe GPT-6 Astra het doet."
Ook thuis experimenteert Quinn verder met GPT‑6 Astra. Hij gaf het model de bouwtekeningen van zijn huis en liet het daarmee een 3D-model in Blender maken. Samen met zijn kinderen maakt hij daar vervolgens spelletjes van: ze voegen een rustig stromende rivier door het huis toe of jagen er op knoflook, geïnspireerd door de afkeer van knoflook van hun oma. "En dat was een paar maanden geleden nog niet mogelijk", zegt hij.
Amp kondigde onlangs Puck aan: een ingebouwde AI-assistent waarmee gebruikers in gesprek kunnen gaan om andere agents te starten en te beheren. Gebruikers kunnen Puck vragen een agent te starten om een bug te onderzoeken, meerdere agents te coördineren of een eerder gesprek over een technisch probleem terug te vinden.
Met Bellen met Puck, aangedreven door GPT‑Live‑1, kunnen gebruikers in realtime met Puck praten, zelfs via een horloge. Quinn ziet voor zich hoe mensen hiermee hun agents aan het werk houden als ze niet achter hun computer zitten, zelfs tijdens het hardlopen.
Amp test de Ultrafast-modus met GPT‑6 Astra. Volgens Quinn verandert die hogere snelheid de manier waarop mensen agents gebruiken. Nu schakelen mensen vaak tussen verschillende agenttaken terwijl ze wachten tot elke taak is afgerond. Snellere reacties kunnen ervoor zorgen dat mensen minder agents tegelijk hoeven te beheren, of agents meer tijd geven om hun eigen werk te controleren voordat ze een resultaat teruggeven.
"Mensen hebben nog nooit een model gezien dat zo goed én zo snel is."
De volgende stap voor Amp is om de agent meer werk te laten doen dat vóór en na het programmeren komt. Zo kunnen ontwikkelaars een idee verder uitwerken zonder elke stap zelf te hoeven uitvoeren. "We weten nog niet wat mensen allemaal zullen creëren, en dat gaan we met z'n allen ontdekken. Het is mooi om daar een rol in te spelen", zegt Quinn.
