Los protocolos y los equipos deberían dejar de pagar a los KOL por el contenido. La única vez que los equipos deberían entregar tokens es a los KOL o miembros de la comunidad que están creando un alto valor para su proyecto y devolviendo resultados. Tu producto o narrativa debe ser lo suficientemente interesante como para que las personas con influencia quieran comprarlo automáticamente y escribir sobre él de forma natural. Estos son a los que deberías asignar tokens, no hacer 3 hilos pagados para los embajadores que botan a sus seguidores. "¿Qué pasa si no puedo hacer que nadie interesado en mi producto tuitee?" Luego sigue construyendo, claramente no has encontrado el nicho correcto o no has conectado lo suficiente si no puedes construir algunos seguidores principales. Mi mensaje para los constructores: construyan algo lo suficientemente genial como para que la gente naturalmente quiera comprar y escribir, entreguen tokens a los mayores seguidores que se alineen con su visión. Desde: 1. Es mucho más probable que trabajen horas extras y hagan todo lo posible para ayudarlo a tener éxito, ya que demostró un comportamiento moral sólido (una rareza en este espacio) 2. Los que pagas por una cierta cantidad de publicaciones se descascararán tan pronto como termine su trato y tirarán las fichas No hago promociones pagadas de ningún tipo, pero obviamente no voy a rechazar tokens gratis para un proyecto en el que soy extremadamente optimista sin condiciones. Los mejores escritores no se pueden comprar y serán rechazados si lo intentas. Juegue a largo plazo y no tome atajos, se reflejará en sus acciones en todas las verticales del negocio y los comerciantes inteligentes pueden olerlo a una milla de distancia. Las campañas de KOL están muertas, el 99.9% de las agencias de marketing son una pérdida de dinero y serán -ev para su negocio. La única forma de penetrar en este mercado es tener miembros del equipo nativos de criptomonedas que estén dispuestos a ensuciarse las manos.

OpenAI acaba de confirmar mi tesis de la estrella del norte para la IA hoy al lanzar su agente operador. No solo fue esta mi tesis rectora para $CODEC, sino para todas las demás inversiones en IA que hice, incluidas las de principios de año durante la manía de la IA. Ha habido mucha discusión con Codec con respecto a la robótica, aunque esa vertical tendrá su propia narrativa muy pronto, la razón subyacente por la que fui tan optimista sobre Codec desde el día 1 se debe a cómo su arquitectura impulsa a los agentes operadores. La gente todavía subestima cuánta participación de mercado está en juego al crear software que se ejecuta de forma autónoma, superando a los trabajadores humanos sin la necesidad de indicaciones o supervisión constantes. He visto muchas comparaciones con $NUIT. En primer lugar, quiero decir que soy un gran admirador de lo que Nuit está construyendo y no deseo nada más que su éxito. Si escribes "nuit" en mi telegrama, verás que en abril dije que si tuviera que mantener una moneda durante varios meses, habría sido Nuit debido a mi tesis de operador. Nuit era el proyecto de operador más prometedor sobre el papel, pero después de una extensa investigación, descubrí que su arquitectura carecía de la profundidad necesaria para justificar una inversión importante o poner mi reputación detrás de ella. Con esto en mente, ya era consciente de las brechas arquitectónicas en los equipos de agentes operadores existentes y buscaba activamente un proyecto que las abordara. Poco después apareció Codec (gracias a @0xdetweiler insistiendo en que los investigara más profundamente) y esta es la diferencia entre los dos: $CODEC frente a $NUIT La arquitectura de Codec se construye en tres capas; Máquina, sistema e inteligencia, que separan la infraestructura, la interfaz del entorno y la lógica de IA. Cada agente de operador en Codec se ejecuta en su propia máquina virtual o contenedor aislado, lo que permite un rendimiento casi nativo y aislamiento de fallas. Este diseño en capas significa que los componentes pueden escalar o evolucionar de forma independiente sin romper el sistema. La arquitectura de Nuit toma un camino diferente al ser más monolítica. Su pila gira en torno a un agente de navegador web especializado que combina análisis, razonamiento de IA y acción. Lo que significa que analizan profundamente las páginas web en datos estructurados para que la IA los consuma y se basan en el procesamiento en la nube para tareas pesadas de IA. El enfoque de Codec de incrustar un modelo ligero de Visión-Lenguaje-Acción (VLA) dentro de cada agente significa que puede ejecutarse completamente local. Lo que no requiere un ping constante a la nube para obtener instrucciones, lo que reduce la latencia y evita la dependencia del tiempo de actividad y el ancho de banda. El agente de Nuit procesa las tareas convirtiendo primero las páginas web a un formato semántico y luego usando un cerebro LLM para averiguar qué hacer, lo que mejora con el tiempo con el aprendizaje por refuerzo. Si bien es efectivo para la automatización web, este flujo depende del procesamiento pesado de IA del lado de la nube y las estructuras de página predefinidas. La inteligencia de dispositivos locales de Codec significa que las decisiones ocurren más cerca de los datos, lo que reduce la sobrecarga y hace que el sistema sea más estable ante cambios inesperados (sin scripts frágiles ni suposiciones DOM). Los operadores de Codec siguen un bucle continuo de percibir-pensar-actuar. La capa de la máquina transmite el entorno (por ejemplo, una aplicación en vivo o una fuente de robot) a la capa de inteligencia a través de los canales optimizados de la capa del sistema, lo que le da a la IA "ojos" en el estado actual. Luego, el modelo VLA del agente interpreta las imágenes y las instrucciones juntas para decidir una acción, que la capa del sistema ejecuta a través de eventos de teclado / mouse o control de robot. Este bucle integrado significa que se adapta a eventos en vivo, incluso si la interfaz de usuario cambia, no interrumpirá el flujo. Para poner todo esto en una analogía más simple, piense en los operadores de Codec como un empleado autosuficiente que se adapta a las sorpresas en el trabajo. El agente de Nuit es como un empleado que necesita hacer una pausa, describir la situación a un supervisor por teléfono y esperar instrucciones. Sin caer demasiado en una madriguera de conejo técnica, esto debería darle una idea de alto nivel de por qué elegí Codec como mi apuesta principal en Operadores. Sí, Nuit cuenta con el respaldo de YC, un equipo apilado y un github de nivel S. Aunque la arquitectura de Codec se ha construido teniendo en cuenta el escalado horizontal, lo que significa que puede implementar miles de agentes en paralelo sin memoria compartida ni contexto de ejecución entre agentes. El equipo de Codec tampoco es un desarrollador promedio. Su arquitectura VLA abre una multitud de casos de uso que no eran posibles con los modelos de agentes anteriores debido a la visión a través de píxeles, no capturas de pantalla. Podría continuar, pero lo guardaré para futuras publicaciones.

La cuestión es que, si realmente quieres triunfar en este espacio, todos los que te rodean pensarán que algo anda mal contigo. Para ser realmente el 0,001%, la vida fuera de las trincheras es casi inexistente. Sin chicas, sin pasatiempos, sin salidas sociales, sin netflix ni nada que te aleje de la rutina. Es un tipo de mentalidad con la que es extremadamente difícil de relacionar incluso con los atletas profesionales porque no hay razón por la que no puedas estar en línea las 24 horas del día, los 7 días de la semana. Estamos atrapados en nuestra propia paradoja de la libertad. Todo el mundo quiere la capacidad mágica de hacer clic en los botones por dinero, hasta que llega el momento de decir no al 95% de los placeres. Los amigos y la familia te insinúan constantemente que tienes una forma de enfermedad mental y nunca verás realmente la visión. Los celos aumentan cuando se cuelan trozos de éxito, si observas a las personas lo suficientemente de cerca, siempre revelan sus verdaderas intenciones, incluso si no tenían la intención de hacerlo. Las pistas más pequeñas los delatarán, generalmente a partir de reacciones emocionales espontáneas en el momento en el que solo necesitas escuchar unas pocas palabras, la mayoría de las veces eso es todo lo que se necesita. A medida que tengas más éxito, aprende a quedarte callado. No hace falta mencionar tu progreso, por muy grande que sea compartirlo con todo el mundo y disfrutar de los frutos de tu trabajo, sólo atraerá la codicia de los demás. La mayoría falla en esto, ya que hacen de ser el "chico de las criptomonedas" o el "inversor" toda su personalidad. Incluso si está en línea 16 horas al día, aún necesita tener intereses y ambiciones fuera de esta industria. Los amigos deben querer pasar el rato contigo por la calidad de tu presencia y la diferencia de humor que haces mientras estás allí, no por la cantidad de números que has hecho en una pantalla. Vivir una vida privada y aislada con un pequeño círculo de personas de calidad es el mejor truco de vida para la tranquilidad. Si tu presencia no hace que la gente sienta algo sin hablar de dinero, ya has perdido.

Las personas en esta aplicación vieron a la aplicación generadora de ingresos más grande de nuestra industria recaudar $ 1 mil millones en 12 minutos a $ 1.5 mil millones mcap y dijeron "déjame cortarlo"

Los gráficos que se negocian como un pequeño grupo de individuos en CT identificaron el único proyecto de construcción de infraestructura para una de las narrativas más sólidas de la próxima media década.

¿Qué es $CODEC ¿Robótica, operadores, juegos? Todo lo anterior y más. El códec vision-language-action (VLA) es un modelo independiente del marco, que permite docenas de casos de uso debido a su capacidad única para visualizar errores en comparación con los LLM. En los últimos 12 meses, hemos visto que los LLM funcionan principalmente como mecanismos de bucle, impulsados por datos predefinidos y patrones de respuesta. Debido a que se basan en el habla y el texto, los LLM tienen una capacidad limitada para evolucionar más allá de la ventana de contexto lingüístico en la que se entrenan. No pueden interpretar la información sensorial, como las expresiones faciales o las señales emocionales en tiempo real, ya que su razonamiento está ligado al lenguaje, no a la percepción. Hoy en día, la mayoría de los agentes combinan LLM basados en transformadores con codificadores visuales. "Ven" la interfaz a través de capturas de pantalla, interpretan lo que está en pantalla y generan secuencias de acciones, clics, pulsaciones de teclas, desplazamientos para seguir instrucciones y completar tareas. Esta es la razón por la que la IA aún no ha reemplazado grandes categorías de trabajos: los LLM ven capturas de pantalla, no píxeles. No entienden la semántica visual dinámica del entorno, solo lo que es legible a través de fotogramas estáticos. Su flujo de trabajo típico es repetitivo: capturar una captura de pantalla, razonar sobre la siguiente acción, ejecutarla, luego capturar otro fotograma y repetir. Este bucle de percepción-pensamiento continúa hasta que se completa la tarea o se produce un error en el agente. Para generalizar realmente, la IA debe percibir su entorno, razonar sobre su estado y actuar adecuadamente para lograr los objetivos, no solo interpretar instantáneas. Ya tenemos macros, bots de RPA y scripts de automatización, pero son débiles e inestables. Un ligero desplazamiento de píxeles o un cambio de diseño interrumpe el flujo y requiere la aplicación manual de parches. No pueden adaptarse cuando algo cambia en el flujo de trabajo. Ese es el cuello de botella. Visión-Lenguaje-Acción (VLA) Los agentes VLA de Codec se ejecutan en un bucle intuitivo pero potente: percibir, pensar, actuar. En lugar de limitarse a escupir texto como la mayoría de los LLM, estos agentes ven su entorno, deciden qué hacer y luego lo ejecutan. Todo está empaquetado en una canalización unificada, que se puede visualizar en tres capas principales: Visión El agente percibe primero su entorno a través de la visión. Para un agente operador de escritorio, esto significa capturar una captura de pantalla o una entrada visual del estado actual (por ejemplo, una ventana de aplicación o un cuadro de texto). El componente de visión del modelo VLA interpreta esta entrada, leyendo el texto en pantalla y reconociendo elementos u objetos de la interfaz. Es decir, los ojos del agente. Idioma Luego viene el pensamiento. Dado el contexto visual (y las instrucciones u objetivos), el modelo analiza qué acción se requiere. Esencialmente, la IA "piensa" en la respuesta apropiada como lo haría una persona. La arquitectura VLA fusiona la visión y el lenguaje internamente, por lo que el agente puede, por ejemplo, entender que un cuadro de diálogo emergente hace una pregunta de sí/no. A continuación, decidirá la acción correcta (por ejemplo, haga clic en "Aceptar") en función del objetivo o la indicación. Sirve como el cerebro del agente, mapeando las entradas percibidas a una acción. Acción Por último, el agente actúa enviando un comando de control al entorno. En lugar de texto, el modelo VLA genera una acción (como un clic del mouse, una pulsación de tecla o una llamada a la API) que interactúa directamente con el sistema. En el ejemplo del cuadro de diálogo, el agente ejecutaría el clic en el botón "Aceptar". Esto cierra el ciclo: después de actuar, el agente puede comprobar visualmente el resultado y continuar el ciclo percibir-pensar-actuar. Las acciones son el separador de claves, lo que las convierte de cuadros de chat a operadores reales. Casos de uso Como mencioné, debido a la arquitectura, Codec es independiente de la narrativa. Al igual que los LLM no están limitados por las salidas textuales que pueden producir, los VLA no están limitados por las tareas que pueden completar. Robótica En lugar de depender de scripts antiguos o de una automatización imperfecta, los agentes de VLA reciben información visual (alimentación de la cámara o sensores), la pasan a través de un modelo de lenguaje para la planificación y, a continuación, emiten comandos de control reales para moverse o interactuar con el mundo. Básicamente, el robot ve lo que está frente a él, procesa instrucciones como "mover la lata de Pepsi al lado de la naranja", averigua dónde está todo, cómo moverse sin derribar nada, y lo hace sin necesidad de codificación. Esta es la misma clase de sistema que el RT-2 o PaLM-E de Google. Grandes modelos que fusionan visión y lenguaje para crear acciones del mundo real. El trabajo VLA de CogAct es un buen ejemplo, el robot escanea una mesa desordenada, recibe un aviso natural y ejecuta un bucle completo: ID de objeto, planificación de rutas, ejecución de movimientos. Operadores En el entorno de escritorio y web, los agentes de VLA funcionan básicamente como trabajadores digitales. "Ve" la pantalla a través de una captura de pantalla o una transmisión en vivo, la ejecutan a través de una capa de razonamiento construida sobre un modelo de lenguaje para comprender tanto la interfaz de usuario como el mensaje de tarea, luego ejecutan las acciones con el control real del mouse y el teclado, como lo haría un humano. Este bucle completo, percibir, pensar, actuar se ejecuta continuamente. Por lo tanto, el agente no solo reacciona una vez, sino que navega activamente por la interfaz, manejando flujos de múltiples pasos sin necesidad de scripts codificados. La arquitectura es una mezcla de visión de estilo OCR para leer texto/botones/iconos, razonamiento semántico para decidir qué hacer y una capa de control que puede hacer clic, desplazarse, escribir, etc. Donde esto se vuelve realmente interesante es en el manejo de errores. Estos agentes pueden reflexionar sobre las acciones posteriores y replanificar si algo no sale como se esperaba. A diferencia de los scripts de RPA que se rompen si una interfaz de usuario cambia ligeramente, como un botón que cambia de posición o una etiqueta que cambia de nombre, un agente de VLA puede adaptarse al nuevo diseño utilizando señales visuales y comprensión del lenguaje. Lo hace mucho más resistente para la automatización del mundo real, donde las interfaces cambian constantemente. Algo con lo que personalmente he luchado al codificar mis propios bots de investigación a través de herramientas como Playwright. Juego Los videojuegos son uno de los casos de uso más claros en los que los agentes de VLA pueden brillar, piense en ellos menos como bots y más como jugadores de IA inmersivos. Todo el flujo es el mismo, el agente ve la pantalla del juego (marcos, menús, indicaciones de texto), razona sobre lo que se supone que debe hacer y luego juega con las entradas del mouse, el teclado o el controlador. No se centra en la fuerza bruta, se trata de una IA que aprende a jugar como lo haría un humano. Percepción + pensamiento + control, todo unido. El proyecto SIMA de DeepMind ha desbloqueado esto combinando un modelo de lenguaje de visión con una capa predictiva y lo ha lanzado en juegos como No Man's Sky y Minecraft. Con solo mirar la pantalla y seguir instrucciones, el agente podría completar tareas abstractas como "construir una fogata" encadenando los pasos correctos, recolectar madera, encontrar fósforos y usar el inventario. Y no se limitó a un solo juego. Transfirió ese conocimiento entre diferentes entornos. Los agentes de juego de VLA no están limitados a un conjunto de reglas. El mismo agente puede adaptarse a mecánicas completamente diferentes, solo a partir de la visión y la base del lenguaje. Y debido a que se basa en la infraestructura de LLM, puede explicar lo que está haciendo, seguir instrucciones en lenguaje natural a mitad del juego o colaborar con los jugadores en tiempo real. No estamos lejos de tener compañeros de equipo de IA que se adapten a tu estilo de juego y personalizaciones, todo gracias a Codec.

2023: "DeFi nunca prosperará bajo una regulación que trate a su token como valores". 2025: "El ICM nunca prosperará si los tokens no pueden representar legalmente el capital real".

El éxito de ICM no depende de Launchcoin ni de ninguna plataforma en particular. Es un cambio de régimen de cómo vemos los proyectos de servicios públicos en la cadena. Pasamos de lanzamientos multimillonarios a pumpfun debido a desajustes locos en el precio y los fundamentos. Ahora estamos pasando del vaporware a proyectos con usuarios, volumen e ingresos reales. La mayoría se dará por vencida a medida que demos la vuelta a la esquina de la adopción real.

Un desajuste entre el precio y los fundamentos. $KNET (8 millones de dólares) vs $ALCH (120 millones de dólares) @Kingnet_AI Maneja todo, desde el modelado 2D/3D hasta las plataformas completas de personajes, animaciones e incluso la generación de código, directamente a partir de indicaciones de lenguaje natural. La interfaz de usuario sin código significa que cualquiera puede pasar de la idea a la demostración del juego Web3 jugable sin tocar una línea de código. Acelera las construcciones, reduce los costos y reduce la barrera masivamente. Está posicionado para desarrolladores de juegos nativos de Web3, creadores independientes y pequeños estudios. Gran énfasis en la generación de activos + creación de prototipos de extremo a extremo. Básicamente, convierte el desarrollo de juegos en un flujo de trabajo visual de IA, destinado a publicar más contenido más rápido, incluso si no eres técnico. KNET impulsa todo, los pagos, las consultas de IA y, finalmente, el mercado de activos generados. También tiene ganchos de gobernanza. Vinculado a KingNet (gran empresa pública de juegos), y ya conectado a Solana, BNB, TON. Ver tracción temprana + victorias en hackathon. Kingnet AI está respaldada por Kingnet Network Co. Ltd, un gigante chino de los juegos que cotiza en bolsa fundado en 2008. Con un historial de títulos exitosos como Happy Tower, Shushan Legend, MU Miracle y World of Warships Blitz, la compañía es una de las incubadoras más reconocidas en juegos móviles. Kingnet AI es construido por SmileCobra Studio (Singapur) en asociación exclusiva con la rama de Kingnet en Hong Kong. La empresa matriz está valorada en más de 5.000 millones de dólares, con 1.000 millones de dólares en su balance. @alchemistAIapp Una plataforma sin código más amplia que convierte las indicaciones del usuario en aplicaciones o juegos completamente funcionales. Utiliza un motor de IA multiagente (múltiples modelos especializados) para analizar las indicaciones del usuario, generar código, crear imágenes y ensamblar aplicaciones completas en tiempo real. Se dirige a una amplia base de usuarios, desde aficionados hasta creadores de Web3, que buscan crear rápidamente prototipos de herramientas, juegos o sitios web. La experiencia de usuario es muy optimizada, por ejemplo, ingresas a "un juego de serpientes con un fondo de madera marrón", y la interfaz de Alchemist's Sacred Laboratory organiza a los agentes de IA para producir código front-end, lógica de juego e incluso gráficos personalizados en ALCH se utiliza en el mercado de Arcane Forge y para acceder a los servicios de IA de Alchemist. Los usuarios pueden ganar ALCH vendiendo aplicaciones o juegos útiles, el mercado tiene funciones de propina y descubrimiento para recompensar las aplicaciones populares. Alchemist fue fundada en 2024 por un equipo en Vietnam, está dirigida por Thien Phung Van (fundador/CFO), Trong Pham Van (cofundador) y Duc Loc "Louis" Nguyen (CTO). Con experiencia en software y emprendimiento (Thien fue anteriormente CEO/CFO en Vistia), el pequeño equipo lanzó Alchemist como una startup sin financiamiento. TLDR; Kingnet AI está especializado, con un enfoque en automatizar la creación de juegos de extremo a extremo para Web3, respaldado por una infraestructura de juegos probada. Alchemist AI tiene un alcance más amplio y ofrece una interfaz rápida de LLM para crear herramientas y juegos únicos con atractivo para el comercio minorista. Kingnet es un dominio profundo en los juegos, mientras que Alchemist es un dominio amplio en varios casos de uso. En base a esto, está bastante claro que Kingnet está muy infravalorado en comparación. Kingnet se encuentra mucho más temprano en el ciclo de vida de su producto y no ha desarrollado completamente su UX e interfaces, aunque la calidad del equipo, la experiencia y el respaldo superan significativamente a la plataforma de Alchemist, mientras que es 15 veces más baja en mcap.

La gente me sigue felicitando por $CODEC, ¿para qué? Hasta ahora, ni siquiera hemos visto: - Utilidad de token -Incentivos - Hoja de ruta -Demos - Nueva página web -Mercado - Futuras asociaciones - Casos de uso + más Todo lo que hemos visto es algunas asociaciones y el lanzamiento de su agregador de recursos (Fabric). No escribí múltiples hilos, múltiples publicaciones en Telegram, no hablé con el equipo casi a diario, no asesoré sobre el marketing, la marca, el posicionamiento para celebrar un mcap de 6 mil. Un envoltorio de chatgpt de una chica de anime con cabello rosa fue suficiente para un mcap de 6 mil en AI szn. Los proyectos se enviaban a 9 cifras de la noche a la mañana por ganar un hackathon o ser destacados por grandes KOL/investigadores. Todo el mundo ha olvidado lo que pasa cuando se encienden las luces y la gente vuelve a creer. La razón por la que he cambiado tan optimista la semana pasada por onchain es que la creencia está en mínimos históricos. El último mes ha sido uno de los mayores avances que hemos logrado en esta industria, junto con un contexto macroeconómico positivo. ¿Recuerdas esa sensación de dinero cayendo del cielo? Puede que no pase mucho tiempo hasta que podamos volver a experimentarlo.