CoreWeave verbindt training en inferencing voor sterkere AI-agents

In dit artikel:

CoreWeave introduceert een geïntegreerd platform dat training en inference voor AI‑agents samenbrengt, met als doel agents in productie continu te laten leren en verbeteren. De kern van de aanpak is een gesloten feedbacklus — door het bedrijf aangeduid als de “superintelligence loop” — waarin agents realtime ervaringen terugvoeden naar training en zo sneller fouten ontdekken en oplossen dan via traditionele ontwikkelcycli. De basis voor de observabilitylaag komt voort uit de overname van Weights & Biases vorig jaar; die tooling levert tracking, tracing en evaluatiecapaciteiten.

Het platform bestaat uit vier onderdelen: 1) Serverless RL, waarmee enterprises LLMs kunnen post‑trainen voor multi‑turn agenttaken zonder eigen GPU‑beheer; CoreWeave claimt hiermee zo’n 1,4x snellere training en tot 40% lagere kosten zonder kwaliteitsverlies. 2) CoreWeave Inference, ontworpen voor continu draaiende inference‑workloads met ingebouwde monitoring voor schaalgedrag en systeemgezondheid. 3) W&B Weave als observabilitylaag die foutmodi in multi‑agent workflows detecteert en een evaluatiekader biedt om regressies te voorkomen. 4) W&B Skills gecombineerd met een MCP‑server, waardoor generieke coding agents worden omgevormd tot autonome ‘AI‑onderzoekers’ die andere agents kunnen verbeteren door direct toegang tot experiment‑ en dataresources.

Alle nieuwe functionaliteit is per direct beschikbaar. De oplossing richt zich op organisaties die willen versnellen in het bouwen en onderhouden van agentgedreven toepassingen en die realtime feedback en verbetercycli in productie nodig hebben.