Protokol dan tim harus berhenti membayar KOL untuk konten. Satu-satunya waktu tim harus membagikan token adalah kepada KOL atau anggota komunitas yang menciptakan nilai tinggi untuk proyek mereka dan mengembalikan hasil. Produk atau narasi Anda harus cukup menarik sehingga orang-orang yang berpengaruh secara otomatis ingin membeli dan menulisnya secara alami. Ini adalah yang harus Anda alokasikan token, bukan melakukan 3 utas berbayar untuk duta besar yang melakukan bot pengikut mereka. "Bagaimana jika saya tidak bisa membuat siapa pun yang tertarik dengan produk saya untuk men-tweet?" Kemudian teruslah membangun, Anda jelas belum menemukan ceruk yang tepat atau cukup berjejaring jika Anda tidak dapat membangun beberapa pendukung inti. Pesan saya kepada para pembangun: bangun sesuatu yang cukup keren sehingga orang secara alami ingin membeli dan menulis, berikan token kepada pendukung terbesar yang selaras dengan visi Anda. Sejak: 1. Mereka akan jauh lebih mungkin untuk bekerja lembur dan melakukan yang terbaik untuk membantu Anda berhasil karena Anda menunjukkan perilaku moral yang kuat (langka di ruang ini) 2. Yang Anda bayar untuk sejumlah postingan akan mengelupas segera setelah kesepakatan mereka habis dan membuang token Saya tidak melakukan promosi berbayar dalam bentuk apa pun, tetapi saya jelas tidak akan menolak token gratis untuk proyek yang sangat saya sukai tanpa pamrih. Penulis terbaik tidak dapat dibeli dan akan ditolak jika Anda mencobanya. Mainkan permainan panjang dan jangan mengambil jalan pintas, itu akan tercermin dalam tindakan Anda di setiap vertikal bisnis dan pedagang yang cerdas dapat menciumnya dari jarak satu mil. Kampanye KOL sudah mati, 99,9% agen pemasaran membuang-buang uang dan akan menjadi -ev untuk bisnis Anda. Satu-satunya cara untuk menembus pasar ini adalah memiliki anggota tim asli kripto yang bersedia mengotori tangan mereka.

OpenAI baru saja mengkonfirmasi tesis bintang utara saya untuk AI hari ini dengan merilis agen operator mereka. Ini bukan hanya tesis panduan saya untuk $CODEC, tetapi setiap investasi AI lain yang saya lakukan, termasuk yang dari awal tahun selama AI mania. Ada banyak diskusi dengan Codec sehubungan dengan Robotika, sementara vertikal itu akan segera memiliki narasinya sendiri, alasan yang mendasari saya sangat optimis pada Codec sejak hari 1 adalah karena bagaimana arsitekturnya memberi daya pada agen operator. Orang-orang masih meremehkan berapa banyak pangsa pasar yang dipertaruhkan dengan membangun perangkat lunak yang berjalan secara mandiri, mengungguli pekerja manusia tanpa perlu petunjuk atau pengawasan terus-menerus. Saya telah melihat banyak perbandingan dengan $NUIT. Pertama-tama saya ingin mengatakan bahwa saya adalah penggemar berat dari apa yang dibangun Nuit dan tidak mengharapkan apa-apa selain kesuksesan mereka. Jika Anda mengetik "nuit" ke dalam telegram saya, Anda akan melihat bahwa pada bulan April saya mengatakan bahwa jika saya harus memegang satu koin selama beberapa bulan, itu akan menjadi Nuit karena tesis operator saya. Nuit adalah proyek operator yang paling menjanjikan di atas kertas, tetapi setelah penelitian ekstensif, saya menemukan arsitektur mereka tidak memiliki kedalaman yang diperlukan untuk membenarkan investasi besar atau menempatkan reputasi saya di belakangnya. Dengan pemikiran ini, saya sudah menyadari kesenjangan arsitektur dalam tim agen operator yang ada dan secara aktif mencari proyek yang mengatasinya. Tak lama setelah Codec muncul (berkat @0xdetweiler bersikeras saya melihat lebih dalam ke dalamnya) dan inilah perbedaan antara keduanya: $CODEC vs $NUIT Arsitektur Codec dibangun di tiga lapisan; Mesin, Sistem, dan Intelijen, yang memisahkan infrastruktur, antarmuka lingkungan, dan logika AI. Setiap agen Operator di Codec berjalan di VM atau kontainernya sendiri yang terisolasi, memungkinkan performa mendekati asli dan isolasi kesalahan. Desain berlapis ini berarti komponen dapat diskalakan atau berkembang secara independen tanpa merusak sistem. Arsitektur Nuit mengambil jalan yang berbeda dengan menjadi lebih monolitik. Tumpukan mereka berkisar pada agen browser web khusus yang menggabungkan penguraian, penalaran AI, dan tindakan. Artinya, mereka mengurai halaman web secara mendalam menjadi data terstruktur untuk dikonsumsi AI dan mengandalkan pemrosesan cloud untuk tugas AI yang berat. Pendekatan Codec untuk menyematkan model Vision-Language-Action (VLA) yang ringan dalam setiap agen berarti codec dapat berjalan sepenuhnya lokal. Yang tidak memerlukan ping konstan kembali ke cloud untuk instruksi, memotong latensi dan menghindari ketergantungan pada waktu aktif dan bandwidth. Agen Nuit memproses tugas dengan terlebih dahulu mengubah halaman web menjadi format semantik dan kemudian menggunakan otak LLM untuk mencari tahu apa yang harus dilakukan, yang meningkat dari waktu ke waktu dengan pembelajaran penguatan. Meskipun efektif untuk otomatisasi web, alur ini bergantung pada pemrosesan AI sisi cloud yang berat dan struktur halaman yang telah ditentukan sebelumnya. Kecerdasan perangkat lokal Codec berarti keputusan terjadi lebih dekat dengan data, mengurangi overhead dan membuat sistem lebih stabil terhadap perubahan tak terduga (tidak ada skrip rapuh atau asumsi DOM). Operator codec mengikuti loop persepsi-pikir-bertindak terus menerus. Lapisan mesin mengalirkan lingkungan (misalnya aplikasi langsung atau umpan robot) ke lapisan kecerdasan melalui saluran yang dioptimalkan lapisan sistem, memberikan AI "mata" pada keadaan saat ini. Model VLA agen kemudian menafsirkan visual dan instruksi bersama-sama untuk memutuskan suatu tindakan, yang dijalankan oleh lapisan Sistem melalui peristiwa keyboard/mouse atau kontrol robot. Perulangan terintegrasi ini berarti beradaptasi dengan acara langsung, bahkan jika UI bergeser, Anda tidak akan memutus alur. Untuk menempatkan semua ini dalam analogi yang lebih sederhana, pikirkan operator Codec seperti karyawan mandiri yang beradaptasi dengan kejutan di tempat kerja. Agen Nuit seperti karyawan yang perlu berhenti sejenak, menjelaskan situasinya kepada supervisor melalui telepon, dan menunggu instruksi. Tanpa terlalu banyak lubang kelinci teknis, ini akan memberi Anda gambaran tingkat tinggi tentang mengapa saya memilih Codec sebagai taruhan utama saya pada Operator. Ya, Nuit mendapat dukungan dari YC, tim bertumpuk dan github tingkat S. Meskipun arsitektur Codec telah dibangun dengan mempertimbangkan penskalaan horizontal, artinya Anda dapat menyebarkan ribuan agen secara paralel tanpa memori bersama atau konteks eksekusi antar agen. Tim Codec juga bukan pengembang biasa. Arsitektur VLA mereka membuka banyak kasus penggunaan yang tidak mungkin dilakukan dengan model agen sebelumnya karena melihat melalui piksel, bukan tangkapan layar. Saya bisa melanjutkan, tetapi saya akan menyimpannya untuk posting mendatang.

Masalahnya, jika Anda benar-benar ingin berhasil di ruang ini, semua orang di sekitar Anda akan berpikir ada yang salah dengan Anda. Untuk benar-benar menjadi 0,001%, kehidupan di luar parit hampir tidak ada. Tidak ada gadis, tidak ada hobi, tidak ada tamasya sosial, tidak ada netflix atau apa pun yang membawa Anda menjauh dari kesibukan itu. Ini adalah jenis pola pikir yang sangat tidak dapat dihubungkan bahkan dengan atlet profesional karena tidak ada alasan Anda tidak bisa online 24/7. Kita terjebak dalam paradoks kebebasan kita sendiri. Semua orang menginginkan kemampuan ajaib untuk mengklik tombol untuk mendapatkan uang, sampai tiba waktunya untuk mengatakan tidak pada 95% kesenangan. Teman dan keluarga akan terus-menerus melemparkan petunjuk yang menunjukkan bahwa Anda memiliki bentuk penyakit mental dan tidak akan pernah benar-benar melihat penglihatan itu. Kecemburuan meningkat ketika sedikit kesuksesan merayap, jika Anda memperhatikan orang dengan cukup cermat, mereka selalu mengungkapkan niat mereka yang sebenarnya, bahkan jika mereka tidak bermaksud melakukannya. Petunjuk terkecil akan memberikannya, biasanya dari reaksi emosional spontan pada saat Anda hanya perlu mendengar beberapa kata tergelincir, sebagian besar waktu hanya itu yang diperlukan. Saat Anda menjadi lebih sukses, belajarlah untuk tetap diam. Tidak perlu menyebutkan kemajuan Anda, sehebat apa pun untuk berbagi dengan semua orang dan menikmati hasil kerja Anda, itu hanya akan menarik keserakahan dari orang lain. Sebagian besar gagal karena mereka menjadikan menjadi "pria kripto" atau "investor" sebagai seluruh persona mereka. Bahkan jika Anda online 16 jam sehari, Anda tetap harus memiliki minat dan ambisi di luar industri ini. Teman harus ingin bergaul dengan Anda karena kualitas kehadiran Anda dan perbedaan suasana hati yang Anda buat saat berada di sana, bukan berapa banyak angka yang telah Anda buat di layar. Menjalani kehidupan pribadi dan terpencil dengan lingkaran kecil individu berkualitas adalah peretasan hidup terbesar untuk ketenangan pikiran. Jika kehadiran Anda tidak membuat orang merasakan sesuatu tanpa berbicara tentang uang, Anda sudah kalah.

Orang-orang di aplikasi ini melihat aplikasi penghasil pendapatan terbesar di industri kami mengumpulkan $1 miliar dalam 12 menit dengan $1,5 miliar mcap dan berkata "izinkan saya mempersingkatnya"

Grafik yang diperdagangkan seperti sekelompok kecil individu di CT mengidentifikasi satu-satunya infrastruktur pembangunan proyek untuk salah satu narasi terkuat dalam setengah dekade berikutnya.

Apa itu $CODEC Robotika, Operator, Game? Semua hal di atas dan banyak lagi. Vision-language-action (VLA) Codec adalah model agnostik kerangka kerja, memungkinkan lusinan kasus penggunaan karena kemampuannya yang unik untuk memvisualisasikan kesalahan dibandingkan dengan LLM. Selama 12 bulan terakhir, kami telah melihat bahwa LLM berfungsi terutama sebagai mekanisme perulangan, didorong oleh data dan pola respons yang telah ditentukan sebelumnya. Karena dibangun di atas ucapan dan teks, LLM memiliki kemampuan terbatas untuk berkembang melampaui jendela konteks linguistik yang mereka latih. Mereka tidak dapat menafsirkan masukan sensorik, seperti ekspresi wajah atau isyarat emosional waktu nyata, karena penalaran mereka terikat pada bahasa, bukan persepsi. Sebagian besar agen saat ini menggabungkan LLM berbasis transformator dengan encoder visual. Mereka "melihat" antarmuka melalui tangkapan layar, menafsirkan apa yang ada di layar, dan menghasilkan urutan tindakan, klik, penekanan tombol, gulir untuk mengikuti instruksi dan menyelesaikan tugas. Inilah sebabnya mengapa AI belum menggantikan kategori pekerjaan yang besar: LLM melihat tangkapan layar, bukan piksel. Mereka tidak memahami semantik visual lingkungan yang dinamis, hanya apa yang dapat dibaca melalui bingkai statis. Alur kerja khas mereka berulang: tangkap tangkapan layar, alasan tentang tindakan berikutnya, jalankan, lalu tangkap bingkai lain dan ulangi. Perulangan persepsi-berpikir ini berlanjut sampai tugas selesai atau agen gagal. Untuk benar-benar menggeneralisasi, AI harus memahami lingkungannya, bernalar tentang keadaannya, dan bertindak dengan tepat untuk mencapai tujuan, bukan hanya menafsirkan snapshot. Kami sudah memiliki makro, bot RPA, dan skrip otomatisasi, tetapi lemah dan tidak stabil. Sedikit pergeseran piksel atau perubahan tata letak memutus alur dan memerlukan patching manual. Mereka tidak dapat beradaptasi ketika sesuatu berubah dalam alur kerja. Itulah hambatannya. Penglihatan-Bahasa-Aksi (VLA) Agen VLA Codec berjalan pada loop yang intuitif namun kuat: memahami, berpikir, bertindak. Alih-alih hanya memuntahkan teks seperti kebanyakan LLM, agen-agen ini melihat lingkungannya, memutuskan apa yang harus dilakukan dan kemudian mengeksekusi. Semuanya dikemas ke dalam satu alur terpadu, yang dapat Anda lihat menjadi tiga lapisan inti: Penglihatan Agen pertama-tama merasakan lingkungannya melalui penglihatan. Untuk agen Operator desktop, ini berarti mengambil screenshot atau input visual dari status saat ini (misalnya jendela aplikasi atau kotak teks). Komponen visi model VLA menafsirkan input ini, membaca teks di layar dan mengenali elemen atau objek antarmuka. Alias mata agen. Bahasa Kemudian muncul pemikiran. Mengingat konteks visual (dan instruksi atau tujuan apa pun), model menganalisis tindakan apa yang diperlukan. Pada dasarnya, AI "berpikir" tentang respons yang tepat seperti yang dilakukan seseorang. Arsitektur VLA menggabungkan visi dan bahasa secara internal, sehingga agen dapat, misalnya, memahami bahwa dialog pop up mengajukan pertanyaan ya/tidak. Kemudian akan memutuskan tindakan yang benar (misalnya klik "OK") berdasarkan tujuan atau perintah. Berfungsi sebagai otak agen, memetakan masukan yang dirasakan untuk suatu tindakan. Perbuatan Akhirnya, agen bertindak dengan mengeluarkan perintah kontrol ke lingkungan. Alih-alih teks, model VLA menghasilkan tindakan (seperti klik mouse, penekanan tombol, atau panggilan API) yang berinteraksi langsung dengan sistem. Dalam contoh dialog, agen akan mengeksekusi klik pada tombol "OK". Ini menutup lingkaran: setelah bertindak, agen dapat memeriksa hasilnya secara visual dan melanjutkan siklus persepsi-pikir-tindakan. Tindakan adalah pemisah kunci yang mengubahnya dari kotak obrolan menjadi operator aktual. Kasus Penggunaan Seperti yang saya sebutkan, karena arsitekturnya, Codec adalah agnostik naratif. Sama seperti LLM tidak dibatasi oleh output tekstual apa yang dapat mereka hasilkan, VLA tidak dibatasi oleh tugas apa yang dapat mereka selesaikan. Robotika Alih-alih mengandalkan skrip lama atau otomatisasi yang tidak sempurna, agen VLA mengambil input visual (umpan kamera atau sensor), meneruskannya melalui model bahasa untuk perencanaan, lalu mengeluarkan perintah kontrol aktual untuk bergerak atau berinteraksi dengan dunia. Pada dasarnya robot melihat apa yang ada di depannya, memproses instruksi seperti "pindahkan kaleng Pepsi di sebelah jeruk", mencari tahu di mana semuanya berada, bagaimana bergerak tanpa menjatuhkan apa pun, dan melakukannya tanpa memerlukan hardcoding. Ini adalah kelas sistem yang sama dengan RT-2 atau PaLM-E Google. Model besar yang menggabungkan visi dan bahasa untuk menciptakan tindakan dunia nyata. Pekerjaan VLA CogAct adalah contoh yang baik, robot memindai meja yang berantakan, mendapatkan prompt alami, dan menjalankan loop penuh: ID objek, perencanaan jalur, eksekusi gerakan. Operator Di lingkungan desktop dan web, agen VLA pada dasarnya berfungsi seperti pekerja digital. Mereka "melihat" layar melalui tangkapan layar atau umpan langsung, menjalankannya melalui lapisan penalaran yang dibangun di atas model bahasa untuk memahami UI dan prompt tugas, lalu menjalankan tindakan dengan kontrol mouse dan keyboard nyata, seperti yang dilakukan manusia. Putaran penuh, merasakan, berpikir, bertindak berjalan terus menerus. Jadi agen tidak hanya bereaksi sekali, tetapi secara aktif menavigasi antarmuka, menangani beberapa alur langkah tanpa memerlukan skrip kode keras. Arsitekturnya adalah campuran dari visi gaya OCR untuk membaca teks/tombol/ikon, penalaran semantik untuk memutuskan apa yang harus dilakukan, dan lapisan kontrol yang dapat mengklik, menggulir, mengetik, dll. Di mana ini menjadi sangat menarik adalah dalam penanganan kesalahan. Agen ini dapat merefleksikan tindakan setelah dan merencanakan ulang jika ada sesuatu yang tidak berjalan seperti yang diharapkan. Tidak seperti skrip RPA yang rusak jika UI sedikit berubah, seperti tombol yang berpindah posisi atau label yang diganti namanya, agen VLA dapat beradaptasi dengan tata letak baru menggunakan isyarat visual dan pemahaman bahasa. Membuatnya jauh lebih tangguh untuk otomatisasi dunia nyata di mana antarmuka terus berubah. Sesuatu yang secara pribadi saya perjuangkan saat mengkodekan bot penelitian saya sendiri melalui alat seperti penulis drama. Game Game adalah salah satu kasus penggunaan paling jelas di mana agen VLA dapat bersinar, anggap mereka kurang seperti bot dan lebih seperti pemain AI yang imersif. Seluruh alurnya sama, agen melihat layar game (bingkai, menu, perintah teks), alasan tentang apa yang seharusnya dilakukannya, lalu dimainkan menggunakan input mouse, keyboard, atau pengontrol. Ini tidak berfokus pada kekerasan, ini adalah AI yang belajar cara bermain game seperti manusia. Persepsi + berpikir + kontrol, semuanya terikat bersama. Proyek SIMA DeepMind telah membuka ini dengan menggabungkan model bahasa visi dengan lapisan prediktif dan menjatuhkannya ke dalam game seperti No Man's Sky dan Minecraft. Dari hanya menonton layar dan mengikuti instruksi, agen dapat menyelesaikan tugas abstrak seperti "membuat api unggun" dengan menyatukan langkah-langkah yang tepat, mengumpulkan kayu, menemukan korek api, dan menggunakan inventaris. Dan itu juga tidak terbatas hanya pada satu pertandingan. Ini mentransfer pengetahuan itu antara lingkungan yang berbeda. Agen game VLA tidak terkunci dalam satu set aturan. Agen yang sama dapat beradaptasi dengan mekanisme yang sama sekali berbeda, hanya dari visi dan landasan bahasa. Dan karena dibangun di atas infrastruktur LLM, ia dapat menjelaskan apa yang dilakukannya, mengikuti instruksi bahasa alami di tengah permainan, atau berkolaborasi dengan pemain secara real time. Kami tidak jauh dari memiliki rekan tim AI yang beradaptasi dengan gaya bermain dan personalisasi Anda, semua berkat Codec.

2023: "DeFi tidak akan pernah berkembang di bawah peraturan yang memperlakukan tokennya sebagai sekuritas." 2025: "ICM tidak akan pernah berkembang jika token tidak dapat mewakili ekuitas riil secara hukum."

Keberhasilan ICM tidak bergantung pada Launchcoin atau platform tunggal apa pun. Ini adalah perubahan rezim dari cara kita memandang proyek utilitas onchain. Kami beralih dari peluncuran multi-miliar dolar ke pumpfun karena ketidakcocokan harga dan fundamental yang gila. Sekarang kami beralih dari vaporware ke proyek dengan pengguna, volume, dan pendapatan nyata. Mayoritas akan menyerah saat kita berbelok ke sudut adopsi nyata.

Ketidakcocokan harga dan fundamental. $KNET ($8 juta) vs $ALCH ($120 juta) @Kingnet_AI Menangani semuanya mulai dari pemodelan 2D/3D hingga rig karakter lengkap, animasi, dan bahkan pembuatan kode, langsung dari petunjuk bahasa alami. Tidak ada UI kode berarti siapa pun dapat beralih dari ide ke demo game Web3 yang dapat dimainkan tanpa menyentuh sebaris kode. Mempercepat pembangunan, memangkas biaya, dan menurunkan penghalang secara besar-besaran. Ini diposisikan untuk pengembang game asli Web3, pembuat indie, dan studio kecil. Penekanan berat pada pembuatan aset + pembuatan prototipe ujung ke ujung. Pada dasarnya mengubah pengembang game menjadi alur kerja AI visual, yang bertujuan untuk mengeluarkan lebih banyak konten lebih cepat, bahkan jika Anda non-teknis. KNET mendukung segalanya, pembayaran, kueri AI, dan akhirnya pasar untuk aset yang dihasilkan. Juga memiliki kait tata kelola. Terikat dengan KingNet (perusahaan game publik besar), dan sudah terhubung ke Solana, BNB, TON. Melihat traksi awal + hackathon menang. Kingnet AI didukung oleh Kingnet Network Co. Ltd, raksasa game China yang terdaftar secara publik yang didirikan pada tahun 2008. Dengan rekam jejak judul-judul hit seperti Happy Tower, Shushan Legend, MU Miracle, dan World of Warships Blitz, perusahaan ini adalah salah satu inkubator paling terkenal dalam game seluler. Kingnet AI dibangun oleh SmileCobra Studio (Singapura) dalam kemitraan eksklusif dengan cabang Kingnet di Hong Kong. Perusahaan induk bernilai lebih dari $5 miliar dengan $1 miliar di neracanya. @alchemistAIapp Platform tanpa kode yang lebih luas yang mengubah perintah pengguna menjadi aplikasi atau game yang berfungsi penuh. Ini menggunakan mesin AI multi agen (beberapa model khusus) untuk mengurai permintaan pengguna, menghasilkan kode, membuat visual, dan merakit aplikasi lengkap secara real time. Menargetkan basis pengguna yang luas, mulai dari penghobi hingga pembuat Web3, yang mencari prototipe alat, game, atau situs web dengan cepat. UX-nya sangat ramping, misalnya Anda memasuki "permainan ular dengan latar belakang kayu coklat", dan antarmuka Sacred Laboratory Alchemist mengatur agen AI untuk menghasilkan kode front end, logika game, dan bahkan grafik khusus di ALCH digunakan di pasar Arcane Forge dan untuk mengakses layanan AI Alchemist. Pengguna dapat memperoleh ALCH dengan menjual aplikasi atau game yang berguna, pasar memiliki fitur tip dan penemuan untuk memberi penghargaan kepada aplikasi populer. Alchemist didirikan pada tahun 2024 oleh tim di Vietnam, dipimpin oleh Thien Phung Van (pendiri/CFO), Trong Pham Van (salah satu pendiri), dan Duc Loc "Louis" Nguyen (CTO). Dengan latar belakang perangkat lunak dan kewirausahaan (Thien sebelumnya adalah CEO/CFO di Vistia), tim kecil ini meluncurkan Alchemist sebagai startup yang tidak didanai. TLDR; Kingnet AI terspesialisasi, dengan fokus untuk mengotomatiskan pembuatan game end-to-end untuk Web3, didukung oleh infrastruktur game yang telah terbukti. Alchemist AI memiliki cakupan yang lebih luas, menawarkan antarmuka LLM yang cepat untuk membangun perkakas dan game unik dengan daya tarik ritel. Kingnet adalah domain yang jauh dalam game, sedangkan Alchemist adalah domain di seluruh beberapa kasus penggunaan. Berdasarkan hal ini, cukup jelas Kingnet sangat diremehkan jika dibandingkan. Kingnet jauh lebih awal dalam siklus hidup produk mereka dan belum sepenuhnya menyempurnakan UX dan antarmuka mereka, meskipun kualitas tim, pengalaman, dan dukungan secara signifikan lebih besar daripada platform Alchemist sementara 15x lebih rendah dalam mcap.

Orang-orang terus memberi selamat kepada saya atas $CODEC, untuk apa? Sejauh ini, kami bahkan belum melihat: - Utilitas token -Insentif - Peta jalan -Demo - Situs web baru -Pasar - Kemitraan Masa Depan - Kasus penggunaan + lebih Yang kami lihat hanyalah beberapa kemitraan dan rilis agregator sumber daya mereka (Fabric). Saya tidak menulis banyak utas, beberapa posting telegram, berbicara dengan tim hampir setiap hari, memberi saran tentang pemasaran, branding, posisi untuk merayakan 6 juta mcap. Pembungkus chatgpt dari seorang gadis anime dengan rambut merah muda sudah cukup untuk 6 juta mcap kembali di AI szn. Proyek dikirim ke 9 angka dalam semalam untuk memenangkan hackathon atau mendapat sorotan dari KOL/peneliti besar. Semua orang lupa apa yang terjadi ketika lampu menyala dan orang-orang percaya sekali lagi. Alasan saya beralih begitu bullish minggu lalu untuk onchain adalah keyakinan berada di titik terendah sepanjang masa. Bulan terakhir telah menjadi beberapa kemajuan terbesar yang kami buat di industri ini bersama dengan latar belakang makro yang positif. Ingat perasaan uang jatuh dari langit? Mungkin tidak terlalu lama sampai kita bisa mengalaminya lagi.