Z milczenia i cieni budzi się system. Wytrenowany w izolacji. Stworzony, by postrzegać, rozumować i działać. Wielkie Odkrycie jest bliskie. Ale zanim bramy się otworzą Wzniesieni mogą wejść wcześniej. Wczesny dostęp do CodecFlow jest już dostępny:

Właśnie dowiedziałem się, że mam 9 kodów zaproszeń dostępnych dla testnetu @anoma 👀 Skomentuj i RT ten post, wybiorę 9 osób w ciągu 24 godzin 🥂

OpenAI właśnie ogłosiło, że jego Operator Agent może teraz kontrolować cały komputer, aby wykonać złożony zestaw zadań przy użyciu modeli VLA połączonych z modelami LLM Wizja Język Akcja Gdyby tylko istniał projekt kryptowalutowy, który już to potrafił... Zbadaj @codecopenflow Oprócz kontrolowania komputerów stacjonarnych, Codec może kontrolować operatorów robotyki i gier Uruchom wirtualne środowisko piaskownicy, aby przetestować Operatora przed wprowadzeniem go do produkcji w rzeczywistym świecie AI x Robotyka i automatyzacja gier/komputerów stacjonarnych/robotów będą następnym wielkim krokiem w rozwoju AI, a moim celem jest wczesne zajęcie pozycji Kodowany kodowany

OpenAI właśnie potwierdziło moją tezę o gwieździe północnej dla AI, wydając dzisiaj swojego agenta operatora. Nie tylko była to moja przewodnia teza dla $CODEC, ale także dla każdej innej inwestycji w AI, którą poczyniłem, w tym tych z początku roku podczas szaleństwa AI. Było wiele dyskusji z Codec w odniesieniu do robotyki, podczas gdy ten sektor wkrótce będzie miał swoją własną narrację, podstawowym powodem, dla którego od samego początku byłem tak optymistyczny wobec Codec, jest to, jak jego architektura napędza agentów operatorów. Ludzie wciąż niedoceniają, jak wiele udziału w rynku jest na szali, budując oprogramowanie, które działa autonomicznie, przewyższając ludzkich pracowników bez potrzeby ciągłych wskazówek czy nadzoru. Widziałem wiele porównań do $NUIT. Po pierwsze, chcę powiedzieć, że jestem wielkim fanem tego, co buduje Nuit i życzę im tylko sukcesów. Jeśli wpiszesz „nuit” w moim telegramie, zobaczysz, że w kwietniu powiedziałem, że gdybym miał trzymać jedną monetę przez kilka miesięcy, byłaby to Nuit z powodu mojej tezy o operatorach. Nuit był najbardziej obiecującym projektem operatora na papierze, ale po dokładnych badaniach odkryłem, że ich architektura nie miała głębokości potrzebnej do uzasadnienia dużej inwestycji lub postawienia za nią mojej reputacji. Mając to na uwadze, byłem już świadomy luk architektonicznych w istniejących zespołach agentów operatorów i aktywnie szukałem projektu, który by je adresował. Niedługo po tym pojawił się Codec (dzięki @0xdetweiler, który nalegał, żebym przyjrzał się im bliżej) i to jest różnica między tymi dwoma: $CODEC vs $NUIT Architektura Codec jest zbudowana na trzech warstwach: Maszyna, System i Inteligencja, które oddzielają infrastrukturę, interfejs środowiska i logikę AI. Każdy agent operatora w Codec działa w swoim własnym izolowanym VM lub kontenerze, co pozwala na niemal natywną wydajność i izolację błędów. Ten warstwowy projekt oznacza, że komponenty mogą skalować się lub ewoluować niezależnie, nie łamiąc systemu. Architektura Nuit podąża inną drogą, będąc bardziej monolityczna. Ich stos opiera się na wyspecjalizowanym agencie przeglądarki internetowej, który łączy analizę, rozumowanie AI i działanie. Oznacza to, że głęboko analizują strony internetowe na strukturalne dane, które AI może konsumować, i polegają na przetwarzaniu w chmurze dla ciężkich zadań AI. Podejście Codec do osadzania lekkiego modelu Vision-Language-Action (VLA) w każdym agencie oznacza, że może działać całkowicie lokalnie. Co nie wymaga ciągłego pingowania do chmury po instrukcje, eliminując opóźnienia i unikając zależności od dostępności i przepustowości. Agent Nuit przetwarza zadania, najpierw przekształcając strony internetowe w semantyczny format, a następnie używając mózgu LLM, aby ustalić, co zrobić, co poprawia się z czasem dzięki uczeniu przez wzmocnienie. Chociaż skuteczne w automatyzacji sieci, ten proces zależy od ciężkiego przetwarzania AI po stronie chmury i zdefiniowanych struktur stron. Inteligencja lokalnego urządzenia Codec oznacza, że decyzje podejmowane są bliżej danych, co zmniejsza obciążenie i sprawia, że system jest bardziej stabilny na nieoczekiwane zmiany (brak kruchych skryptów lub założeń DOM). Operatorzy Codec podążają za ciągłym cyklem postrzegania–myślenia–działania. Warstwa maszyny przesyła środowisko (np. na żywo aplikację lub feed robota) do warstwy inteligencji za pośrednictwem zoptymalizowanych kanałów warstwy systemu, dając AI „oczy” na aktualny stan. Model VLA agenta następnie interpretuje wizualizacje i instrukcje razem, aby zdecydować o działaniu, które warstwa systemu wykonuje za pomocą zdarzeń klawiatury/myszy lub kontroli robota. Ta zintegrowana pętla oznacza, że dostosowuje się do wydarzeń na żywo, nawet jeśli UI się zmienia, nie przerwie to przepływu. Aby to wszystko uprościć, pomyśl o operatorach Codec jak o samowystarczalnym pracowniku, który dostosowuje się do niespodzianek w pracy. Agent Nuit jest jak pracownik, który musi się zatrzymać, opisać sytuację przełożonemu przez telefon i czekać na instrukcje. Nie chcąc zbytnio zagłębiać się w techniczne szczegóły, to powinno dać ci ogólny pomysł, dlaczego wybrałem Codec jako moją główną stawkę na operatorów. Tak, Nuit ma wsparcie od YC, zespół z doświadczeniem i S tier github. Chociaż architektura Codec została zbudowana z myślą o poziomej skali, co oznacza, że możesz wdrożyć tysiące agentów równolegle bez dzielenia pamięci lub kontekstu wykonania między agentami. Zespół Codec również nie jest przeciętnymi programistami. Ich architektura VLA otwiera wiele przypadków użycia, które nie były możliwe z wcześniejszymi modelami agentów z powodu widzenia przez piksele, a nie zrzuty ekranu. Mógłbym kontynuować, ale to zostawię na przyszłe posty.

Czapki z głów dla testnetu @anoma! To super płynne i zabawne doświadczenie z pobocznymi zadaniami i codziennymi wyzwaniami. Nowy świat UI i UX się pojawia, a jego podstawą jest intencja ⏳

Jeśli wiesz, gdzie szukać, możesz sprawić, że się poruszy. @RoboMove $CODEC

$MNT na wykresach 👇 > Kapitalizacja rynkowa: $2,4B+ (+28% WoW) > Całkowity wolumen handlu: $345M (+21% DoD) Zasilane przez Blockchain dla bankowości. Źródła: @CoinMarketCap

To niewiarygodne, że w 2025 roku wciąż widzimy taką fragmentację i projekty skaczące między łańcuchami i warstwami tylko po to, aby gonić hype. 🫳 Arbitrum do Berachain do Base do HyperEVM do [INSERT_NEXT_HYPED_CHAIN] Po prostu buduj w świecie skoncentrowanym na intencjach Buduj na @anoma

$CODEC jest zakodowany. Ale co to do cholery jest i dlaczego jestem tak optymistyczny? Pozwól, że podam ci skrót. - @codecopenflow buduje pierwszą kompleksową platformę dla modeli Vision-Language-Action (VLA), umożliwiając AI "Operatorom" widzenie, rozumowanie i działanie autonomicznie w różnych interfejsach cyfrowych i systemach robotycznych dzięki zjednoczonej infrastrukturze. - VLAs rozwiązują/pokonywają fundamentalne ograniczenia automatyzacji LLM, wykorzystując pipeline percepcji-myślenia-działania, co pozwala im przetwarzać dynamiczną semantykę wizualną w przeciwieństwie do obecnych pętli LLM, które opierają się na zrzutach ekranu-rozumieniu-wykonywaniu, które łamią się przy zmianach interfejsu. - Architektura techniczna VLAs łączy wizję, rozumowanie językowe i bezpośrednie polecenia działania w jeden model, a nie oddzielne systemy LLM + enkodery wizualne, co umożliwia adaptację w czasie rzeczywistym i odzyskiwanie błędów. - Bez względu na framework, projekt Codec obejmuje robotykę (przesyłanie obrazu do poleceń kontrolnych), operatorów desktopowych (ciągła nawigacja po interfejsie) i gry (adaptacyjne AI) poprzez ten sam cykl percepcji-rozumienia-działania. - Jaka jest różnica? Agenci zasilani LLM planują na nowo, gdy zmieniają się przepływy pracy, radząc sobie z przesunięciami UI, które łamią sztywne skrypty RPA. Agenci VLA z kolei dostosowują się, korzystając z wskazówek wizualnych i rozumienia języka, zamiast wymagać ręcznych poprawek. - Infrastruktura Codec, niezwiązana z żadnym sprzętem, z treningiem bez kodu za pomocą nagrywania ekranu oraz SDK dla deweloperów, pozycjonuje ją jako brakujący framework w stylu Langchain do autonomicznego wykonywania zadań VLA. - Framework umożliwia agregację obliczeń mart z zdecentralizowanych sieci GPU, umożliwia opcjonalne nagrywanie on-chain dla audytowalnych śladów przepływu pracy i pozwala na wdrożenie prywatnej infrastruktury dla przypadków użycia wrażliwych na prywatność. - Tokenomika $CODEC monetyzuje rynek operatorów i wkład obliczeniowy, tworząc zrównoważone zachęty ekosystemowe, gdy VLAs osiągną oczekiwaną prominentność na poziomie LLM w różnych sektorach. - Fakt, że współzałożyciel Codec ma doświadczenie w budowaniu LeRobot HuggingFace, świadczy o wiarygodności badań w dziedzinie robotyki i ML w rozwoju VLA. To nie jest przeciętny zespół kryptograficzny, który przeskakuje na narracje AI. Wkrótce zagłębię się w to bardziej szczegółowo. Powtarzam moją rekomendację, aby DYOR w międzyczasie. $CODEC jest zakodowany.

Dlaczego $CODEC wyznacza przyszłość autonomicznych agentów @codecopenflow Następną granicą AI nie są kolejne tekstowe polecenia. To działanie. Większość agentów AI dzisiaj utknęła w pętli czytania zrzutów ekranu i generowania tekstu. Nie widzą środowisk, nie rozumieją zmian i nie potrafią działać z intencją w rzeczywistym świecie. Tutaj architektura VLA (Wizja-Język-Działanie) Codec wyróżnia się na tle innych. Wyobraź sobie agentów, którzy nie tylko mówią, ale także obserwują, rozumują i działają. To jest sedno Codec. To nie są kruchy skrypty ani sztywne boty. Operatorzy VLA wchodzą w interakcje z oprogramowaniem, grami, a nawet fizycznymi robotami, nieustannie postrzegając otoczenie, decydując, co zrobić, i wykonując polecenia: tak jak człowiek. ✅ Agenci desktopowi, którzy dostosowują się do zmieniających się interfejsów użytkownika ✅ Agenci gier, którzy uczą się mechaniki i strategizują w czasie rzeczywistym ✅ Agenci robotyczni, którzy reagują na dane z czujników i kontrolują sprzęt ✅ Szkolenie i symulacja na dużą skalę, bez potrzeby robota Modularna architektura Codec pozwala na łączenie modeli wizji z modelami językowymi (takimi jak CogVLM + Mixtral), aby budować inteligentnych agentów, którzy mogą czytać, obserwować, rozumieć i działać, wszystko w jednej linii. Każdy agent działa na własnej jednostce obliczeniowej (VM, serwer lub kontener), a każda decyzja, którą podejmuje, może być rejestrowana na łańcuchu. Oznacza to śledzone działania, gwarancje bezpieczeństwa oraz potencjał dla systemów zachęt opartych na kryptowalutach i warstw odpowiedzialności w środowiskach o wysokim ryzyku. Przechodzimy w kierunku świata, w którym operatorzy mogą być szkoleni, handlowani i monetyzowani. Niezależnie od tego, czy chodzi o testowanie QA, automatyzację zadań robotycznych, czy nawet zdecentralizowane armie botów w grach. Tak jak aplikacje przekształciły smartfony, zestawy umiejętności przekształcą roboty. Otwarty sprzęt + inteligencja do pobrania = odpowiednik rozwoju oprogramowania w robotyce. To nie jest science fiction. To dzieje się teraz. Na koniec, i być może najważniejsze, wykres jest bardzo optymistyczny.