Daytona gradi računala za AI agente koji moraju stvarno raditi

Latent Space je razgovarao s Ivanom Burazinom, CEO-om Daytone, o jednoj od praktičnijih tema u AI industriji: što se događa kada agentima više nije dovoljno samo vratiti tekst, nego moraju otvoriti okruženje, pokrenuti kod, manipulirati datotekama i preživjeti stvarne rubne slučajeve računalnog rada. Naslovna brojka je agresivna, 74 posto mjesečnog rasta, uz 850.000 dnevnih pokretanja. No zanimljiviji signal je smjer proizvoda: bare metal sandboxi, RL evaluacije i novi Agent Cloud.

To je razlika između agenta kao razgovornog sučelja i agenta kao izvršnog procesa. U prvom modelu korisnik pita, model odgovara, a sve osjetljivo ostaje izvan dosega. U drugom modelu agent dobiva računalni prostor u kojem može raditi: terminal, datoteke, ovisnosti, runtime, greške i ograničenja. Daytona tu pokušava postati infrastrukturni sloj za taj prijelaz, slično kao što su razvojna okruženja postala nevidljiva, ali presudna podloga za moderne softverske timove.

Bare metal sandboxi su zato važniji od marketinške oznake. Ako agent obavlja zadatak koji traje, gradi projekt, pokreće testove ili radi s neurednim stanjem sustava, izolacija i kontrola okruženja nisu dodatak nego osnovni uvjet. Klasični cloud kontejner može biti dovoljno dobar za velik dio posla, ali razgovor s Burazinom sugerira da Daytona želi pokriti zahtjevniji sloj: više performansi, jasnije granice izvršavanja i okruženja koja agent može tretirati kao pravo računalo, a ne kao kratkotrajni API alat.

Druga polovica priče su evaluacije. RL evals u ovom kontekstu nisu akademski ukras, nego način da se agenti testiraju ondje gdje obično pucaju: u slijedu radnji, pogrešnim pretpostavkama, datotekama koje nisu ondje gdje ih model očekuje, terminalskim naredbama koje ne prolaze i zadacima koji traže povratnu petlju. Ako se agenti trebaju poboljšavati kroz pokušaje, evaluacijsko okruženje mora biti dovoljno stvarno da kazni loše korake, ali dovoljno izolirano da ih sustav može ponavljati bez štete.

Agent Cloud tu zvuči kao logičan naziv za proizvodni sloj: upravljana mjesta na kojima agenti mogu raditi, biti nadzirani i evaluirani. Daytona već ima javni trag kao alat za razvojna okruženja, uključujući otvoreni kod na GitHubu, ali ova etapa je drukčija jer cilja na infrastrukturu za agente kao primarne korisnike računala. To mijenja i kriterij uspjeha. Nije dovoljno da se sandbox brzo podigne; mora biti pouzdan pod velikim brojem pokretanja, dovoljno izoliran za rizične zadatke i dovoljno transparentan da se može analizirati zašto je agent uspio ili pogriješio.

Zato je ova priča relevantna izvan same Daytone. AI agenti se često predstavljaju kroz sučelja, demonstracije i benchmarke, ali njihova korisnost sve više ovisi o dosadnoj, tvrdoj infrastrukturi: gdje se izvršavaju, što smiju dodirnuti, kako se resetiraju i kako se mjeri njihov rad. Ako brojke iz razgovora točno odražavaju potražnju, tržište ne traži samo pametnije modele. Traži i sigurnija računala za modele koji će raditi umjesto nas.