Analog AI

Analog AI positioniert sich als "zweites Gehirn" für KI-Agenten und will zwei chronische Probleme lösen: unkontrollierten Token-Verbrauch und Gedächtnisverlust von Agenten. Trifft ein Agent auf eine wirklich neue Herausforderung, ruft Analog AI einmalig ein Frontier-Modell auf, lässt es das Problem durchdenken und kompiliert dieses Reasoning zu einer wiederverwendbaren prozeduralen Fähigkeit, die im lokalen Gedächtnis verankert wird. Spätere ähnliche Anfragen umgehen das Frontier-Modell vollständig und werden von leichten kleinen Modellen bearbeitet, die die gespeicherte Gedächtnisspur abspielen. Die Website nennt bis zu 40-fach geringeren Token-Verbrauch und rund 99% bei repetitiven Aufgaben.

Das System ist um zwei Module organisiert. DeepThink übernimmt das Reasoning: Es bewertet mehrere Hypothesen, prüft auf logische Fehler und verfeinert sein internes Denken, bevor es antwortet, statt die erste plausible Ausgabe zu liefern. DeepAct verwandelt dieses Reasoning in autonomes Handeln – es führt Code aus, ruft APIs auf und passt Schritte anhand von Echtzeit-Feedback über mehrstufige Aufgaben hinweg an. Das Gedächtnis ist in Fakten, Erfahrungen, Präferenzen und Prozeduren gegliedert, wobei veraltete Informationen aktiv verworfen werden.

Analog AI veröffentlicht außerdem Benchmark-Ergebnisse zu Gedächtnis und Reasoning, darunter Microsoft State-Bench, HotPotQA und BEAM, und bietet Integrationen über eine Chat-Completion-API und ein Python-SDK, mit Unterstützung für Plattformen wie VS Code, Cursor und Agenten-Setups im LangChain-Stil. Der Zugang erfolgt derzeit auf Anfrage. Das Unternehmen publiziert zudem Forschung zu emotionaler Intelligenz; die frühere Positionierung als "Analog Assistant" mit emotional bewussten digitalen Menschen bleibt Teil der Arbeit.