Replit ra mắt bầy tác nhân chạy theo ngân sách

AI coding illustration: a robotic arm fitting a red block into a structure

Ngày 17/11, Replit công bố Missions. Người dùng không còn phải ra lệnh cho tác nhân từng bước một: họ chỉ mô tả kết quả mong muốn, đặt ngân sách và quyền hạn, rồi Replit điều phối một nhóm tác nhân lên kế hoạch, phát triển, kiểm thử và tiến dần tới mục tiêu qua từng vòng. Cùng lúc, Replit mở mã nguồn DataCat, một nền tảng giám sát ứng dụng được làm ra bằng chính Missions.

Đây là động thái tác nhân thứ hai của Replit trong tháng này. Tuần trước, công ty vừa cho Replit Agent khả năng mua sắm và chạy quảng cáo Google thay người dùng; lần này, một tác nhân đơn lẻ được thay bằng cả một nhóm.

Một nhiệm vụ vận hành như thế nào

Ví dụ trong blog của Replit là "giành 10 khách hàng doanh nghiệp trả phí đầu tiên". Ở giai đoạn thiết lập, Missions sẽ hỏi lại tiêu chí thành công được tính ra sao, chẳng hạn một dự án thí điểm có trả phí thì có được tính hay không.

Tiếp theo là ngân sách và quy trình phê duyệt. Mức trần trong ví dụ là 1.000 USD, và trước khi liên hệ khách hàng tiềm năng, gửi đề xuất, chỉnh sửa tài liệu bán hàng hay đưa ra cam kết về sản phẩm, mọi việc đều phải được con người duyệt. Sau khi được duyệt, nhiều tác nhân làm việc song song: một tác nhân nghiên cứu người mua, một tác nhân làm bản demo; khi tin nhắn tiếp cận đã được gửi đi, hệ thống xem tin nào mang lại cuộc trò chuyện thực chất rồi điều chỉnh cho vòng kế tiếp.

Báo cáo tiến độ có thể chọn theo thời gian thực, tổng hợp hằng ngày hoặc hằng tuần. Các tác nhân chạy trên đám mây nên gập máy tính lại cũng không ảnh hưởng. Khi nhiệm vụ kết thúc, một bộ đánh giá AI độc lập sẽ nghiệm thu theo tiêu chuẩn đã thống nhất từ trước. Blog cũng nêu một kết cục khác: nếu ngân sách cạn trước, công việc sẽ dừng lại và kết quả vẫn còn bỏ ngỏ.

DataCat và nhóm đối chứng

DataCat là nền tảng giám sát mà Replit dùng Missions để tự xây cho mình, có bảng điều khiển, cảnh báo và truy vết (tracing), mất 2 ngày với ngân sách 3.000 USD. Phần được mở mã nguồn là phiên bản có thể tự lưu trữ, mã nằm trên GitHub tại replit/datacat; blog không nêu giấy phép.

Trong các bài kiểm thử có kiểm soát, Replit đưa ra một loạt con số:

  • Khi cố ý chèn một lỗi cơ sở dữ liệu, DataCat phát cảnh báo sau 38 giây, trong khi mục tiêu là 60 giây;
  • Trong bài kiểm tra tải 3 giờ, hệ thống ghi 26 triệu bản ghi hoạt động và 4,4 triệu dòng nhật ký mà không mất bản ghi nào, đồng thời vượt qua cả 51 hạng mục kiểm tra tính đúng đắn của dữ liệu và cảnh báo;
  • So với bản đối chứng dựng bằng Claude Code, thông lượng truy vết là 49.000 so với 9.800 mục mỗi giây, ghi chỉ số là 405.000 so với 225.000 mục mỗi giây, và trung vị truy xuất nhật ký là 0,5 giây so với 4,2 giây.

Phép so sánh này còn vài điểm chưa rõ. Blog không cho biết bản Claude Code dùng bao nhiêu ngân sách, mất bao lâu và dùng prompt nào. Chính Replit cũng nêu rõ rằng các thử nghiệm này không chứng minh DataCat tốt hơn dịch vụ lưu trữ được quản lý của các nền tảng thương mại mà nó thay thế, và cũng không đại diện cho hiệu năng trong môi trường production của Replit.

Nhiều tác nhân hơn có nhanh hơn không

Replit còn công bố một bài kiểm thử khả năng mở rộng gồm 13 tác vụ NumPy, xem số lượng tác nhân liên quan thế nào đến mức tăng tốc. Ở gói Max, 1 tác nhân tăng tốc tối đa 4 lần, 16 tác nhân đạt 17 lần và 32 tác nhân đạt 19 lần; ở gói Power, ba con số lần lượt là 2 lần, 7 lần và 9 lần.

Từ 16 lên 32 tác nhân, số tác nhân tăng gấp đôi nhưng mức tăng tốc chỉ thêm khoảng hai lần; lợi ích của việc chạy song song ở đoạn này đã phẳng đi rõ rệt.

So với các sản phẩm cũng lấy tác nhân chạy nền làm trọng tâm như Cursor hay Devin, điểm khác của Missions là đưa mức trần ngân sách, điểm phê duyệt và nghiệm thu bằng AI vào chính định nghĩa nhiệm vụ, đồng thời mở rộng mục tiêu từ "viết mã" sang các kết quả kinh doanh như tìm khách hàng. Về giá của Missions và số tác nhân song song mà từng gói cho phép, blog không đề cập, chỉ hướng người dùng doanh nghiệp liên hệ bộ phận kinh doanh.

Nguồn tham khảo: blog chính thức của Replit, CocoLoop, kho GitHub của DataCat; các con số hiệu năng đều theo cách đo trong thử nghiệm có kiểm soát của Replit, điều kiện xây dựng của các bản đối chứng chưa được công bố.