Le due versioni sono allineate blocco per blocco, nell’ordine del testo: titolo, l’essenziale, poi paragrafo per paragrafo. Quando la traduzione ha fuso o diviso un paragrafo, la casella corrispondente resta vuota — non accostiamo mai due passaggi a occhio.
Picture an AI agent halfway through editing a video in one folder while, in another, it builds an iOS mini-game. Without a wall between the two, instructions from the first job can leak into the second. That is the problem PilotDeck 2.0 is built to stop. Released on October 15 by Tsinghua University's THUNLP lab with ModelBest, OpenBMB and AI9Stars, the open-source system is available on GitHub under the AGPL-3.0 license and runs on macOS, Linux and Windows, with Docker deployment also supported.
Immaginate un agente AI a metà del montaggio di un video in una cartella, mentre in un'altra sta costruendo un mini-gioco per iOS. Senza una barriera tra i due, le istruzioni del primo lavoro potrebbero filtrare nel secondo. È il problema che PilotDeck 2.0 è progettato per arginare. Rilasciato il 15 ottobre dal laboratorio THUNLP dell'Università Tsinghua con ModelBest, OpenBMB e AI9Stars, il sistema open source è disponibile su GitHub con licenza AGPL-3.0 e funziona su macOS, Linux e Windows, con supporto anche per l'installazione tramite Docker.
The core unit is the WorkSpace. Each project gets its own file system, memory store and skill set, so the two contexts stay fully separated. The team calls the leak "context pollution." Memory is also designed to be white-box: users see every entry the agent has stored, when it was written and which workspace it belongs to, and can edit, delete or pin entries directly, instead of writing prompts to make the agent forget. A Dream Mode merges and deduplicates scattered memories while the agent is idle, with one-click rollback if the clean-up loses an important detail.
L'unità centrale è il WorkSpace. Ogni progetto ha un proprio file system, un proprio archivio di memoria e un proprio insieme di competenze, in modo che i due contesti restino completamente separati. Il team chiama questa contaminazione «context pollution». La memoria è inoltre progettata per essere a vista: gli utenti vedono ogni voce memorizzata dall'agente, il momento in cui è stata scritta e il workspace di appartenenza, e possono modificare, eliminare o fissare le voci direttamente, invece di scrivere prompt per far dimenticare qualcosa all'agente. Una modalità Dream unisce ed elimina i duplicati tra i ricordi sparsi mentre l'agente è inattivo, con la possibilità di annullare con un clic se la pulizia fa perdere un dettaglio importante.
Smart Routing hands planning to a strong model and routine steps, such as formatting and polishing, to lighter ones. In a social-media workflow, the team says that using Claude Opus 4.5 as main agent and Sonnet 4.5 as sub-agent cut the cost of a run from $12.58 to $2.83. Across seven harder tasks, including multilingual podcast production and codebase documentation, pairing Claude Sonnet 4.6 with MiniMax-M2.7 scored 70.6 at $3.15, against 69.1 at $18.36 for Sonnet 4.6 alone, a saving of roughly 83%. On WorkBuddy Bench, PilotDeck running Qwen3.6-35B-A3B scored 79.1, against 77.3 for Claude Code. All these figures are the team's own; the release cites no outside check.
Lo Smart Routing affida la pianificazione a un modello potente e i passaggi di routine, come la formattazione e la revisione, a modelli più leggeri. In un flusso di lavoro per i social media, il team afferma che usare Claude Opus 4.5 come agente principale e Sonnet 4.5 come sotto-agente ha ridotto il costo di un'esecuzione da 12,58 dollari a 2,83 dollari. Su sette compiti più impegnativi, tra cui la produzione di podcast multilingue e la documentazione di codebase, abbinare Claude Sonnet 4.6 a MiniMax-M2.7 ha ottenuto 70,6 con 3,15 dollari, contro 69,1 con 18,36 dollari per il solo Sonnet 4.6, con un risparmio di circa l'83%. Su WorkBuddy Bench, PilotDeck con Qwen3.6-35B-A3B ha ottenuto 79,1, contro 77,3 di Claude Code. Tutte queste cifre sono del team; il comunicato non cita alcuna verifica esterna.
An Always-on mode keeps agents working after the chat window is closed. They run long monitoring jobs, surface candidate tasks and write results to local files with a progress summary. The system natively supports the Model Context Protocol, an open standard for connecting AI models to outside tools, and behaves the same across its web interface, its command line and enterprise messaging apps such as WeCom and Feishu.
La modalità Always-on mantiene gli agenti al lavoro anche dopo la chiusura della finestra di chat. Possono eseguire lunghi processi di monitoraggio, segnalare compiti candidati e scrivere i risultati su file locali accompagnati da un riepilogo dell'avanzamento. Il sistema supporta nativamente il Model Context Protocol, uno standard aperto per collegare i modelli di IA a strumenti esterni, e funziona allo stesso modo nell'interfaccia web, nella riga di comando e nelle app di messaggistica aziendale come WeCom e Feishu.
For anyone juggling several agents on separate projects, the practical gain is fewer things to supervise and fewer surprises from old instructions. For people who pay per run, the routing approach is the number to watch, though the savings are the team's measurements on its own tasks, and they will mean less for a workload that looks nothing like those seven. The version is already downloadable; the sources give no timeline beyond that.
Per chi gestisce più agenti su progetti separati, il vantaggio concreto è avere meno cose da supervisionare e meno sorprese dovute a vecchie istruzioni. Per chi paga a esecuzione, l'approccio di instradamento è il dato da seguire, anche se i risparmi sono misurazioni del team su propri compiti e valgono meno per un carico di lavoro molto diverso da quei sette. La versione è già scaricabile; le fonti non indicano scadenze ulteriori.