Tilstanden til skyttergravene.

Vill DM.

Syncswap var den beste dexen på de fleste kjeder. Pleide å ha 20m+ daglig volum. Nå er det 500k. Fortsatt ingen token.

Ser ut som fastlegen kommer til å gå for det.

kodek på et veldig sunt sted. Vi ser flere ferske lommebøker/nye kjøpere som kommer inn her ettersom eldre innehavere selger seg ut og tar fortjeneste. Klassisk omfordeling til nye diamanthender. - Jobber allerede med operatøragenter, ettersom OpenAI presser disse, kan denne fortellingen varmes opp i Web3 - robotikk og VLA-er begynner å bli snakket mer og mer om - Mange fornyelser og produktoppdateringer i pipelinen Kodet.

Så snart TG-chatten bare er fellesskapsmedlemmer som krangler med hverandre om prosjektet fortsatt er i live eller ikke, er det på tide å avslutte.

Vi introduserer bbHLP, det første desentraliserte tokeniserte Hyperliquidity Provider (HLP)-hvelvet som kun bruker Hyperliquids Core Writer. bbHLP lar deg sette inn stablecoins fra HyperEVM til Hyperliquids HLP. Lar brukere tjene avkastningen fra HLP, som er avledet fra market making og likvidasjoner, og mottar en del av alle handelsgebyrer på plattformen. 🫐 Berrys er Blueberrys poengprogram, som ligner på Hyperliquid. Vi vil spore individuelle bidrag til bruk og vekst av bbHLP. Gjennom dette programmet vil vi sette av 10 % av den totale BLB-forsyningen til dette formålet. Ja, du leste riktig. ⏳De to første ukene vil det være null avgifter for bbHLP. Etter det vil det være et administrasjonsgebyr, med 97 % av inntektene generert fra bbHLP vil bli brukt i Blueberrys likviditetsmodul, som støtter både BLB og Hyperliquid Ecosystem sammen. Kickstarter svinghjulet til et bærekraftig produkt. 🙏 Vårt forslag til deg er å velge bbHLP. Hvis fellesskapet velger bbHLP, vil det vinne løpet, og vi vil gi tilbake til fellesskapet ved å gi en enorm mengde eierskap til likviditetstilbyderne som hjalp bbHLP med å vinne. bbHLP er det første produktet som med vilje er utgitt av Blueberry på HyperLiquid, med andre hvelv som snart vil bli annonsert. Bli med oss!

OpenAI bekreftet nettopp min nordlige stjerneoppgave for AI i dag ved å frigi operatøragenten deres. Ikke bare var dette min veiledende oppgave for $CODEC, men alle andre AI-investeringer jeg gjorde, inkludert de fra tidligere på året under AI-mani. Det har vært mye diskusjon med Codec med hensyn til robotikk, mens den vertikalen vil ha sin egen fortelling veldig snart, er den underliggende grunnen til at jeg var så positiv til Codec fra dag 1 på grunn av hvordan arkitekturen driver operatøragenter. Folk undervurderer fortsatt hvor mye markedsandel som står på spill ved å bygge programvare som kjører autonomt, og overgår menneskelige arbeidere uten behov for konstante spørsmål eller tilsyn. Jeg har sett mange sammenligninger med $NUIT. For det første vil jeg si at jeg er en stor fan av det Nuit bygger og ønsker ingenting annet enn suksess. Hvis du skriver "nuit" i telegrammet mitt, vil du se at jeg tilbake i april sa at hvis jeg måtte holde en mynt i flere måneder, ville det ha vært Nuit på grunn av operatøroppgaven min. Nuit var det mest lovende operatørprosjektet på papiret, men etter omfattende undersøkelser fant jeg ut at arkitekturen deres manglet dybden som trengs for å rettferdiggjøre en stor investering eller legge omdømmet mitt bak det. Med dette i tankene var jeg allerede klar over de arkitektoniske hullene i eksisterende operatøragentteam og søkte aktivt etter et prosjekt som adresserte dem. Kort tid etter dukket Codec opp (takket være at @0xdetweiler insisterte på at jeg ser dypere inn i dem), og dette er forskjellen mellom de to: $CODEC mot $NUIT Codecs arkitektur er bygget over tre lag; Maskin, system og intelligens, som skiller infrastruktur, miljøgrensesnitt og AI-logikk. Hver operatøragent i Codec kjører i sin egen isolerte virtuelle maskin eller beholder, noe som gir nesten opprinnelig ytelse og feilisolering. Denne lagdelte designen betyr at komponenter kan skaleres eller utvikles uavhengig uten å ødelegge systemet. Nuits arkitektur tar en annen vei ved å være mer monolitisk. Stabelen deres dreier seg om en spesialisert nettleseragent som kombinerer parsing, AI-resonnement og handling. Det betyr at de dypt analyserer nettsider til strukturerte data som AI kan konsumere og er avhengige av skybehandling for tunge AI-oppgaver. Codecs tilnærming med å bygge inn en lett Vision-Language-Action (VLA)-modell i hver agent betyr at den kan kjøre helt lokalt. Noe som ikke krever konstant ping tilbake til skyen for instruksjoner, kutter ut ventetid og unngår avhengighet av oppetid og båndbredde. Nuits agent behandler oppgaver ved først å konvertere nettsider til et semantisk format og deretter bruke en LLM-hjerne for å finne ut hva de skal gjøre, noe som forbedres over tid med forsterkende læring. Selv om denne flyten er effektiv for nettautomatisering, avhenger den av tung AI-behandling på skysiden og forhåndsdefinerte sidestrukturer. Codecs lokale enhetsintelligens betyr at beslutninger skjer nærmere dataene, noe som reduserer overhead og gjør systemet mer stabilt for uventede endringer (ingen skjøre skript eller DOM-antakelser). Codecs operatører følger en kontinuerlig oppfatte-tenke-handle-sløyfe. Maskinlaget strømmer miljøet (f.eks. en live-app eller robotfeed) til intelligenslaget via systemlagets optimaliserte kanaler, noe som gir AI "øyne" på den nåværende tilstanden. Agentens VLA-modell tolker deretter bildene og instruksjonene sammen for å bestemme en handling, som systemlaget utfører gjennom tastatur-/musehendelser eller robotkontroll. Denne integrerte sløyfen betyr at den tilpasser seg live-arrangementer, selv om brukergrensesnittet skifter rundt, vil du ikke bryte flyten. For å sette alt dette i en enklere analogi, tenk på Codecs operatører som en selvforsynt ansatt som tilpasser seg overraskelser på jobben. Nuits agent er som en ansatt som må ta en pause, beskrive situasjonen til en veileder over telefon og vente på instruksjoner. Uten å gå for mye ned i et teknisk kaninhull, bør dette gi deg en idé på høyt nivå om hvorfor jeg valgte Codec som min primære innsats på operatører. Ja, Nuit har støtte fra YC, et stablet team og S-nivå github. Selv om Codecs arkitektur er bygget med horisontal skalering i tankene, noe som betyr at du kan distribuere tusenvis av agenter parallelt med null delt minne eller utførelseskontekst mellom agenter. Codecs team er heller ikke dine gjennomsnittlige utviklere. VLA-arkitekturen deres åpner en rekke brukstilfeller som ikke var mulig med tidligere agentmodeller på grunn av å se gjennom piksler, ikke skjermbilder. Jeg kunne fortsette, men jeg sparer det til fremtidige innlegg.

snart 👀