Duplex och AI-gateways,
sida vid sida.
Portkey, LiteLLM och liknande gateways dirigerar trafik, tillämpar skyddsräcken och hanterar leverantörer. Duplex lär sig vilka beslut som fungerar, och planerar, simulerar, beslutar och agerar sedan inom dina regler, i varje steg av arbetet.
Jämförelsen är aktuell per den 16 oktober 2026.
Alla förmågor: Duplex och AI-gateways.
Vad var och en gör, grupp för grupp, från vad den är till vad den kostar.
- Inbyggt
- Inbyggt i hur produkten fungerar i grunden.
- Externt
- Du tillhandahåller det, eller sätter ihop det, separat.
- Inte inbyggt
- Produktens dokumentation anger det inte som en inbyggd funktion. En egen lösning kan ändå vara möjlig.
| Förmåga | Duplex | AI-gatewaysPortkey, LiteLLM och liknande |
|---|---|---|
| Vad var och en är | ||
| Vad det är | Din AI och en ACI-modell som arbetar som en: körtidsintelligens som lär sig, planerar, simulerar, beslutar och agerar för dina agenter och assistenter, inom dina regler | Modelldirigering, tillförlitlighet, skyddsräcken och observerbarhet |
| Vad den för vidare | Kontext, beslut, utfall, regler, uppgifter, färdigheter och det den har lärt sig | Konfiguration, loggar, dirigeringspolicyer och cachar |
| Vad som blir bättre med erfarenhet | Dess nästa beslut: konfidens, dirigering, rekommendationer, verktygsanvändning och återanvändbar kunskap | Dirigering av förfrågningar och tillförlitlighet, inte vad agenten har lärt sig |
| Att veta vad som hände, och lära av det | InbyggtDen vet vad som hände, och lär sig vad som ska ändras härnäst | Operativ kontroll utan kontinuerlig inlärning |
| Inlärning | ||
| Kontinuerlig inlärning utan omträning | InbyggtDen fortsätter att lära sig, utanför din modells vikter | Inte inbyggt |
| Anpassning tur för tur | InbyggtVarje nytt resultat kan ändra nästa beslut direkt | Dirigeringen ändras direkt, men inte utifrån inlärda utfall |
| Inlärning från rättelser | InbyggtEn rättelse ändrar vad Duplex gör härnäst | Loggas oftast; att lära av dem sker externt |
| Inlärning från utfall | InbyggtFramgång och misslyckande matas direkt tillbaka in i det den lär sig | Utfall syns i telemetrin; att lära av dem sker externt |
| Inlärning från belöningar | InbyggtEn belöning förstärker det som fungerade och rättar det som inte gjorde det | Inte inbyggt |
| Äran till stegen bakom ett resultat | InbyggtDen räknar ut vilka tidigare handlingar som ledde till ett senare resultat | Inte inbyggt |
| Hur handlingar för arbetet framåt | InbyggtDen lär sig hur varje handling för arbetet från ett tillstånd till nästa | Inte inbyggt |
| Att förutsäga vad en åtgärd kommer att göra | InbyggtUtifrån det den observerar förutsäger den vad en handling kommer att göra, provar alternativ och planerar | Inte inbyggt |
| Bättre val av handling | InbyggtUtfall förbättrar vilken handling den väljer härnäst | Dirigeringspolicyer konfigureras, de lärs inte in från utfall |
| Återanvändbara färdigheter | InbyggtErfarenhet blir färdigheter som testas innan de används och som kan pausas, återinföras eller dras tillbaka | Inte inbyggt |
| Att testa och hantera färdigheter | En färdighet testas innan man förlitar sig på den, och kan pausas, återinföras, dras tillbaka eller tas bort för gott | Konfigurationsversioner, inte en livscykel för inlärda färdigheter |
| Generalisering till närliggande fall | Den för det den har lärt sig vidare till närliggande fall och nya formuleringar, och in i färdigheter den kan återanvända | Semantiska cachar matchar liknande förfrågningar, men lär sig inte hur de ska besluta eller agera |
| Att planera, simulera, besluta och agera | ||
| Att veta hur säker den är | InbyggtFöre varje beslut vet den hur bekant fallet är och hur säker den är | Leverantörernas hälsa, dirigering och poäng från skyddsräcken, inte visshet om uppgiften |
| Svara, lämna över eller avböja | InbyggtDuplex svarar själv, anropar din modell, använder ett verktyg eller avböjer, inom dina regler | Dirigerar, försöker igen, blockerar eller faller tillbaka, utan att lära av utfall |
| Att själv besvara bekant arbete | InbyggtDen fattar bekanta beslut själv, utan ännu ett anrop till en spetsmodell | En cache kan hoppa över ett modellanrop, men en cache lär sig inte av utfall |
| Att lämna över det som är nytt eller osäkert | Nytt, osäkert eller känsligt arbete går till rätt modell, verktyg eller person | Stark dirigering och reservlösning mellan leverantörer; visshet om uppgiften förblir extern |
| Planering, simulering och rekommendationer | InbyggtDen förutsäger vad som händer härnäst, provar alternativ, bygger planer och rekommenderar handlingar | Inte inbyggt |
| Många agenter som arbetar tillsammans | Den skickar arbetet till rätt agent, delar upp det inom dina regler, håller varje agent inom sitt område och för samman resultaten | Vissa dirigerar till agenter och MCP-verktyg, men lär sig inte vilket samarbete som fungerade |
| Att lära sig vilka verktyg som fungerar | Den lär sig vilka verktyg som fungerar, när de ska användas och vad vart och ett leder till | De exponerar och dirigerar verktyg, men lär sig i regel inte av deras utfall |
| Verktygsåtgärder inom dina regler | Verktyg körs bara genom dina regler och behörigheter | Stark dirigering och starka skyddsräcken; kontroll över agentens åtgärder beror på integrationen |
| Strömning | Den strömmar utdata från modell och verktyg, med varje steg fortfarande inom dina regler | InbyggtStark strömning |
| Arbete som fortsätter | ||
| Inlärning från varje steg, automatiskt | Varje steg, via MCP + hooks eller tilläggen, matar en enda gemensam inlärningsslinga | Förfrågningar, svar, kostnad och latens loggas |
| Kontext mellan sessioner | InbyggtArbete, beslut, uppgifter och den kontext som spelar roll fortsätter mellan sessioner | ExterntI regel |
| Långvarigt arbete | InbyggtLångt arbete förblir öppet mellan sessioner och agenter, med säkra punkter att gå tillbaka till, tills det är klart eller glömt | Inte inbyggt |
| Mellan modeller | InbyggtDet den lär sig och din kontext stannar utanför modellen, och följer arbetet mellan leverantörer | Stark för dirigering, men inget inlärt följer med |
| Mellan appar och agenter | Samma arbete fortsätter i Claude, Codex, Cursor, Hermes och dina egna agenter | Förfrågningar kan dela en gateway, men det varje app vet förblir externt |
| Att lämna över arbete till en annan agent | En uppgift och dess kontext går över till en annan agent som du tillåter, redo att fortsätta | Dirigering till agenter och MCP kan finnas; vad uppgiften betyder förblir externt |
| Att hålla kontexten kompakt | Kontexten förblir kompakt, inriktad på de regler, uppgifter och beslut som spelar roll | Trunkering eller cachning av promptar, inte en varaktig sammanfattning av det som spelar roll |
| Inlärning från bilder, ljud, video och PDF-filer | Den lär sig av bilder, ljud, video och PDF-filer, precis som av text | Skickar främst vidare format som stöds till leverantörerna |
| Mellan format | En fråga i ord kan bygga på det som lärts från bilder, ljud och video, och media kan forma senare beslut | Inte inbyggt |
| Människor, team och delning | ||
| För varje person | InbyggtVarje person får sin egen privata kontext, sina preferenser och sin inlärning | Nycklar och budgetar per användare; personligt beteende är externt |
| För varje team | InbyggtTeam delar godkänd inlärning, och privat arbete förblir privat | Konfiguration och budgetar per team |
| I hela organisationen | InbyggtDet som fungerar kan gå från en person till teamet och organisationen, under dina regler | Dirigering och skyddsräcken i hela organisationen, utan inlärning från utfall |
| Delning mellan människor, under kontroll | Du väljer vad som delas och med vem, och kan dra tillbaka det; allt som delas visar vem det kom från | Kontroller för nycklar, team och roller |
| Skydd för delat innehåll | Det någon delar kommer fram som information, aldrig som instruktioner, så det kan inte styra en annan persons agent | Skyddsräcken kan inspektera delad indata, men förtroendet för vad den betyder förblir externt |
| Kontroll och förtroende | ||
| Reglerna | Dina regler är en del av hur Duplex fungerar: de tillåter, avböjer eller begränsar verkliga åtgärder | Starka skyddsräcken för indata och utdata, samt dirigeringspolicyer |
| Regler som tillämpas före varje åtgärd | InbyggtHooks kontrollerar varje åtgärd mot dina regler innan den körs | Starkt för förfrågningar och svar som går genom gatewayen |
| Människor i loopen | En person bekräftar de åtgärder du väljer, och det Duplex lär sig kan granskas och ångras | Godkännandeflöden varierar mellan gateways |
| En historik du kan kontrollera | En historik över varje beslut, var det kom ifrån och vad det ledde till, som inte kan ändras i det tysta | Starka loggar över förfrågningar, svar, kostnader och policy |
| Kvitton som du kan verifiera | Beslut, färdigheter och raderingar kan komma med kvitton som du kan verifiera | Loggar och resultat från skyddsräcken, inte kvitton på det som lärts in |
| Att ångra det inlärda, exakt | InbyggtEn inlärd ändring kan ångras exakt, utan att något behöver tränas om | Konfiguration och cacheposter kan tas bort; det finns inget inlärt att återställa |
| Glömska som når allt som byggts på det | Att ta bort något tar också bort det som kom från det: kontext, allt som delats från det och relaterad inlärning | Loggar och cachar följer sina egna lagringstider |
| Att hålla kunder åtskilda | Varje användare, team, organisation och kund hålls åtskilda, i varje integration och i allt den delar | Mogen isolering per nyckel, team, budget och roll |
| Var allt inlärt kom ifrån | För allt den har lärt sig kan du se dess källa, dess omfång och hur långt det går att lita på det | Härkomst för förfrågningar och leverantörer |
| Var den körs och vad den ansluter till | ||
| Vilken modelleverantör som helst | En intelligens för OpenAI, Anthropic, Google, AWS och kompatibla modeller | InbyggtAbstraktion över leverantörer är det kategorin gör bäst |
| MCP | InbyggtVia MCP + hooks deltar Duplex i varje steg som dina agenter tar | Allt oftare inbyggt |
| Hooks och tillägg | InbyggtTillägg för Claude, Codex, Cursor och Hermes, och hooks som tar in Duplex i varje steg och kontrollerar känsliga verktygsåtgärder | Integration via SDK och proxy, inte hooks som lär sig av agentsessioner |
| Ditt moln, eller i egen drift | Vareon Cloud, eller ditt eget molnkonto: i egen drift, eller drivet åt dig av Vareon | Hostade alternativ och alternativ i egen drift varierar mellan gateways |
| Kostnad, hastighet och passform | ||
| Hur den sänker modellkostnaden | Duplex besvarar bekant arbete själv, utan upprepade anrop till en spetsmodell | Cachning, billigare modeller, batchbearbetning och val av leverantör |
| Hur den sänker latensen | Beslut den är säker på kommer tillbaka snabbt; osäkert arbete går fortfarande till din spetsmodell | Cachning, lastbalansering och val av leverantör |
| Överlever en modelluppgradering | JaInlärning, kontext, uppgifter och regler stannar utanför varje enskild modell | Dirigeringskonfigurationen överlever, men inget inlärt beteende behålls |
| Kräver finjustering | NejFinjustering blir ett valfritt extra steg | Nej |
| Bäst för | Organisationer som behöver att deras AI-agenter lär sig, planerar, simulerar, beslutar och agerar inom regler, för arbetet vidare och blir bättre mellan modeller, som ett system | Team som främst behöver abstraktion över leverantörer, tillförlitlighet, skyddsräcken och kostnadskontroll |
De andra jämförelserna.
- Duplex och LettaAgenter med tillstånd, minne och färdigheter
- Duplex och CopilotKit CLiFVerkliga arbetsflöden, omgjorda till färdigheter
- Duplex och Deeplake HivemindDelat minne för kodagenter
- Duplex och minnesplattformarMem0, Zep, AgentCore Memory, Supermemory
- Duplex och finjusteringFinjustering och förstärkningsbaserad finjustering
- Hela jämförelsenDuplex bredvid alla sex, sida vid sida
Se Duplex i ditt eget arbete.
Jämför där det räknas: en pilot sätter Duplex på ditt eget arbete, med mätetal som avtalas innan den börjar.