Os protocolos e as equipas devem parar de pagar KOLs por conteúdo. A única vez que as equipas devem distribuir tokens é para KOLs ou membros da comunidade que estão a criar valor elevado para o seu projeto e a trazer resultados. O seu produto ou narrativa deve ser interessante o suficiente para que pessoas influentes queiram automaticamente comprar e escrever sobre isso de forma natural. Estes são aqueles a quem você deve alocar tokens, e não fazer 3 threads pagas para embaixadores que aumentam o seu número de seguidores com bots. "E se eu não conseguir que ninguém se interesse pelo meu produto para twittar?" Então continue a construir, claramente você ainda não encontrou o nicho certo ou não fez networking suficiente se não consegue construir alguns apoiantes principais. A minha mensagem para os construtores: construa algo suficientemente interessante para que as pessoas queiram naturalmente comprar e escrever sobre isso, dê tokens aos maiores apoiantes que alinham com a sua visão. Uma vez que: 1. Eles estarão muito mais propensos a trabalhar horas extras e a ir além para ajudá-lo a ter sucesso, uma vez que você demonstrou um comportamento moral forte (uma raridade neste espaço) 2. Aqueles que você paga por um certo número de posts vão desistir assim que o seu contrato acabar e despejar os tokens Eu não faço promoções pagas de qualquer tipo, mas obviamente não vou recusar tokens gratuitos para um projeto em que estou extremamente otimista, sem condições. Os melhores escritores não podem ser comprados e serão afastados se você tentar. Jogue o jogo a longo prazo e não tome atalhos, isso refletirá nas suas ações em todos os verticais do negócio e os traders inteligentes conseguem perceber isso a milhas de distância. As campanhas de KOL estão mortas, 99,9% das agências de marketing são um desperdício de dinheiro e serão -ev para o seu negócio. A única maneira de penetrar neste mercado é ter membros da equipa nativos em cripto que estejam dispostos a sujar as mãos.

A OpenAI acabou de confirmar a minha tese de estrela do norte para a IA hoje ao lançar o seu agente operador. Não só foi esta a minha tese orientadora para o $CODEC, mas também para todos os outros investimentos em IA que fiz, incluindo aqueles do início do ano durante a mania da IA. Tem havido muita discussão com a Codec em relação à Robótica, enquanto esse setor terá a sua própria narrativa muito em breve, a razão subjacente pela qual fui tão otimista em relação à Codec desde o primeiro dia é devido à forma como a sua arquitetura alimenta os agentes operadores. As pessoas ainda subestimam quanta quota de mercado está em jogo ao construir software que funciona de forma autónoma, superando trabalhadores humanos sem a necessidade de constantes instruções ou supervisão. Vi muitas comparações com o $NUIT. Em primeiro lugar, quero dizer que sou um grande fã do que a Nuit está a construir e desejo nada menos que o seu sucesso. Se você digitar "nuit" no meu telegram, verá que em abril eu disse que se tivesse que segurar uma moeda por vários meses, teria sido a Nuit devido à minha tese de operador. A Nuit era o projeto operador mais promissor no papel, mas após uma pesquisa extensa, descobri que a sua arquitetura carecia da profundidade necessária para justificar um investimento significativo ou colocar a minha reputação por trás dela. Tendo isso em mente, já estava ciente das lacunas arquitetónicas nas equipas de agentes operadores existentes e ativamente à procura de um projeto que as abordasse. Pouco depois, a Codec apareceu (graças ao @0xdetweiler que insistiu para eu olhar mais a fundo para eles) e esta é a diferença entre os dois: $CODEC vs $NUIT A arquitetura da Codec é construída em três camadas; Máquina, Sistema e Inteligência, que separam a infraestrutura, a interface do ambiente e a lógica da IA. Cada agente operador na Codec funciona na sua própria VM ou container isolado, permitindo desempenho quase nativo e isolamento de falhas. Este design em camadas significa que os componentes podem escalar ou evoluir de forma independente sem quebrar o sistema. A arquitetura da Nuit segue um caminho diferente, sendo mais monolítica. A sua pilha gira em torno de um agente de navegador web especializado que combina análise, raciocínio de IA e ação. Isso significa que eles analisam profundamente as páginas web em dados estruturados para a IA consumir e dependem do processamento em nuvem para tarefas pesadas de IA. A abordagem da Codec de incorporar um modelo leve de Visão-Linguagem-Ação (VLA) dentro de cada agente significa que pode funcionar totalmente local. O que não requer constantes pings de volta para a nuvem para instruções, eliminando a latência e evitando a dependência de tempo de atividade e largura de banda. O agente da Nuit processa tarefas convertendo primeiro páginas web em um formato semântico e depois usando um cérebro LLM para descobrir o que fazer, o que melhora ao longo do tempo com aprendizado por reforço. Embora eficaz para automação web, este fluxo depende de processamento pesado de IA do lado da nuvem e estruturas de página predefinidas. A inteligência local do dispositivo da Codec significa que as decisões acontecem mais perto dos dados, reduzindo a sobrecarga e tornando o sistema mais estável a mudanças inesperadas (sem scripts frágeis ou suposições de DOM). Os operadores da Codec seguem um ciclo contínuo de perceber–pensar–agir. A camada da máquina transmite o ambiente (por exemplo, um feed de app ao vivo ou robô) para a camada de inteligência através dos canais otimizados da camada do sistema, dando à IA "olhos" sobre o estado atual. O modelo VLA do agente então interpreta os visuais e instruções juntos para decidir sobre uma ação, que a camada do Sistema executa através de eventos de teclado/mouse ou controle de robô. Este ciclo integrado significa que se adapta a eventos ao vivo, mesmo que a interface do usuário mude, você não quebrará o fluxo. Para colocar tudo isso em uma analogia mais simples, pense nos operadores da Codec como um empregado autossuficiente que se adapta a surpresas no trabalho. O agente da Nuit é como um empregado que precisa pausar, descrever a situação a um supervisor ao telefone e esperar por instruções. Sem entrar muito em um buraco técnico, isso deve lhe dar uma ideia de alto nível sobre por que escolhi a Codec como minha aposta principal em Operadores. Sim, a Nuit tem apoio da YC, uma equipe forte e um github de nível S. Embora a arquitetura da Codec tenha sido construída com escalabilidade horizontal em mente, o que significa que você pode implantar milhares de agentes em paralelo com zero memória compartilhada ou contexto de execução entre os agentes. A equipe da Codec também não é composta por desenvolvedores comuns. A sua arquitetura VLA abre uma multitude de casos de uso que não eram possíveis com modelos de agentes anteriores devido a ver através de pixels, não capturas de tela. Eu poderia continuar, mas vou guardar isso para futuros posts.

A questão é que, se realmente quer ter sucesso neste espaço, todos à sua volta vão achar que há algo de errado consigo. Para realmente ser parte do 0,001%, a vida fora das trincheiras é quase inexistente. Sem raparigas, sem hobbies, sem saídas sociais, sem Netflix ou qualquer coisa que o afaste do trabalho árduo. É um tipo de mentalidade que é extremamente difícil de relacionar, mesmo para atletas profissionais, porque não há razão para não estar online 24/7. Estamos presos na nossa própria paradoxo de liberdade. Todos querem a habilidade mágica de clicar em botões para ganhar dinheiro, até que chega a hora de dizer não a 95% dos prazeres. Amigos e família vão constantemente lançar dicas sugerindo que você tem uma forma de doença mental e nunca verão verdadeiramente a visão. A inveja aumenta quando pequenos sucessos surgem, se você observar as pessoas de perto, elas sempre revelam suas verdadeiras intenções, mesmo que não tenham a intenção de fazê-lo. As menores dicas vão entregá-las, geralmente a partir de reações emocionais espontâneas no momento, onde você só precisa ouvir algumas palavras escaparem, na maioria das vezes, é tudo o que é necessário. À medida que você se torna mais bem-sucedido, aprenda a ficar em silêncio. Não há necessidade de mencionar seu progresso, por mais ótimo que seja compartilhar com todos e desfrutar os frutos do seu trabalho, isso só atrairá a ganância dos outros. A maioria falha nisso ao fazer de ser o "gajo do crypto" ou "investidor" toda a sua persona. Mesmo que você esteja online 16 horas por dia, ainda precisa ter interesses e ambições fora desta indústria. Os amigos devem querer passar tempo consigo pela qualidade da sua presença e pela diferença de humor que você traz, não por quantos números você fez numa tela. Viver uma vida privada, isolada, com um pequeno círculo de indivíduos de qualidade é o maior truque de vida para paz de espírito. Se a sua presença não faz as pessoas sentirem algo sem falar sobre dinheiro, você já perdeu.

As pessoas neste aplicativo viram o maior aplicativo gerador de receita na nossa indústria levantar $1 bilhão em 12 minutos com uma capitalização de mercado de $1,5 bilhão e disseram "deixa-me fazer short".

Negociações em gráficos como um pequeno grupo de indivíduos no CT identificaram o único projeto que está a construir infraestrutura para uma das narrativas mais fortes da próxima meia década.

O que é $CODEC Robótica, Operadores, Jogos? Tudo isso e mais. A visão-linguagem-ação (VLA) da Codec é um modelo independente de framework, permitindo dezenas de casos de uso devido à sua capacidade única de visualizar erros em comparação com os LLMs. Nos últimos 12 meses, vimos que os LLMs funcionam principalmente como mecanismos de looping, impulsionados por dados e padrões de resposta predefinidos. Como são construídos com base em fala e texto, os LLMs têm uma capacidade limitada de evoluir além da janela de contexto linguístico em que foram treinados. Eles não conseguem interpretar entradas sensoriais, como expressões faciais ou pistas emocionais em tempo real, pois seu raciocínio está vinculado à linguagem, não à percepção. A maioria dos agentes hoje combina LLMs baseados em transformadores com codificadores visuais. Eles “veem” a interface através de capturas de tela, interpretam o que está na tela e geram sequências de ações, cliques, pressionamentos de teclas e rolagens para seguir instruções e completar tarefas. É por isso que a IA ainda não substituiu grandes categorias de empregos: os LLMs veem capturas de tela, não pixels. Eles não entendem a semântica visual dinâmica do ambiente, apenas o que é legível através de quadros estáticos. Seu fluxo de trabalho típico é repetitivo: capturar uma captura de tela, raciocinar sobre a próxima ação, executá-la, depois capturar outro quadro e repetir. Este ciclo de perceber-pensar continua até que a tarefa seja concluída ou o agente falhe. Para realmente generalizar, a IA deve perceber seu ambiente, raciocinar sobre seu estado e agir de forma apropriada para alcançar objetivos, não apenas interpretar instantâneas. Já temos macros, bots de RPA e scripts de automação, mas eles são fracos e instáveis. Um pequeno deslocamento de pixel ou mudança de layout quebra o fluxo e requer correção manual. Eles não conseguem se adaptar quando algo muda no fluxo de trabalho. Esse é o gargalo. Visão-Linguagem-Ação (VLA) Os agentes VLA da Codec operam em um loop intuitivo, mas poderoso: perceber, pensar, agir. Em vez de apenas gerar texto como a maioria dos LLMs, esses agentes veem seu ambiente, decidem o que fazer e, em seguida, executam. Tudo isso é embalado em um único pipeline unificado, que você pode visualizar em três camadas principais: Visão O agente primeiro percebe seu ambiente através da visão. Para um agente Operador de desktop, isso significa capturar uma captura de tela ou entrada visual do estado atual (por exemplo, uma janela de aplicativo ou caixa de texto). O componente de visão do modelo VLA interpreta essa entrada, lendo o texto na tela e reconhecendo elementos ou objetos da interface. Ou seja, os olhos do agente. Linguagem Então vem o pensamento. Dado o contexto visual (e quaisquer instruções ou objetivos), o modelo analisa qual ação é necessária. Essencialmente, a IA “pensa” sobre a resposta apropriada, assim como uma pessoa faria. A arquitetura VLA funde visão e linguagem internamente, para que o agente possa, por exemplo, entender que um diálogo pop-up está fazendo uma pergunta de sim/não. Ele então decidirá sobre a ação correta (por exemplo, clicar em “OK”) com base no objetivo ou prompt. Servindo como o cérebro do agente, mapeando entradas percebidas para uma ação. Ação Finalmente, o agente age emitindo um comando de controle para o ambiente. Em vez de texto, o modelo VLA gera uma ação (como um clique do mouse, pressionamento de tecla ou chamada de API) que interage diretamente com o sistema. No exemplo do diálogo, o agente executaria o clique no botão “OK”. Isso fecha o ciclo: após agir, o agente pode verificar visualmente o resultado e continuar o ciclo perceber–pensar–agir. As ações são o separador chave que os transforma de caixas de chat em operadores reais. Casos de Uso Como mencionei, devido à arquitetura, a Codec é narrativa independente. Assim como os LLMs não estão confinados ao que podem produzir como saídas textuais, os VLA não estão confinados ao que podem completar como tarefas. Robótica Em vez de depender de scripts antigos ou automação imperfeita, os agentes VLA recebem entrada visual (fluxo de câmera ou sensores), passam por um modelo de linguagem para planejamento e, em seguida, emitem comandos de controle reais para mover ou interagir com o mundo. Basicamente, o robô vê o que está à sua frente, processa instruções como “mova a lata de Pepsi ao lado da laranja”, descobre onde tudo está, como se mover sem derrubar nada e faz isso sem necessidade de codificação rígida. Este é o mesmo tipo de sistema que o RT-2 ou PaLM-E do Google. Grandes modelos que fundem visão e linguagem para criar ações no mundo real. O trabalho VLA da CogAct é um bom exemplo, o robô escaneia uma mesa bagunçada, recebe um prompt natural e executa um ciclo completo: identificação de objeto, planejamento de caminho, execução de movimento. Operadores No ambiente de desktop e web, os agentes VLA funcionam basicamente como trabalhadores digitais. Eles “veem” a tela através de uma captura de tela ou feed ao vivo, executam isso através de uma camada de raciocínio construída em um modelo de linguagem para entender tanto a interface do usuário quanto o prompt da tarefa, e então executam as ações com controle real do mouse e do teclado, como um humano faria. Este ciclo completo, perceber, pensar, agir, roda continuamente. Portanto, o agente não está apenas reagindo uma vez, ele está ativamente navegando pela interface, lidando com fluxos de múltiplos passos sem precisar de scripts codificados rigidamente. A arquitetura é uma mistura de visão estilo OCR para ler texto/botões/ícones, raciocínio semântico para decidir o que fazer e uma camada de controle que pode clicar, rolar, digitar, etc. Onde isso se torna realmente interessante é no tratamento de erros. Esses agentes podem refletir após as ações e replanejar se algo não ocorrer como esperado. Ao contrário dos scripts de RPA que quebram se uma interface mudar ligeiramente, como um botão mudando de posição ou um rótulo sendo renomeado, um agente VLA pode se adaptar ao novo layout usando pistas visuais e compreensão da linguagem. Isso torna a automação do mundo real muito mais resiliente, onde as interfaces mudam constantemente. Algo com que eu pessoalmente lutei ao codificar meus próprios bots de pesquisa através de ferramentas como o playwright. Jogos Os jogos são um dos casos de uso mais claros onde os agentes VLA podem brilhar, pense neles menos como bots e mais como jogadores de IA imersivos. Todo o fluxo é o mesmo, o agente vê a tela do jogo (quadros, menus, prompts de texto), raciocina sobre o que deve fazer e, em seguida, joga usando entradas de mouse, teclado ou controle. Não se concentra na força bruta, esta é a IA aprendendo a jogar como um humano faria. Percepção + pensamento + controle, tudo interligado. O projeto SIMA da DeepMind desbloqueou isso ao combinar um modelo de visão-linguagem com uma camada preditiva e inseri-lo em jogos como No Man’s Sky e Minecraft. Apenas assistindo à tela e seguindo instruções, o agente poderia completar tarefas abstratas como “construir uma fogueira” encadeando os passos corretos, coletar madeira, encontrar fósforos e usar o inventário. E não estava limitado a apenas um jogo. Ele transferiu esse conhecimento entre diferentes ambientes. Os agentes de jogos VLA não estão presos a um único conjunto de regras. O mesmo agente pode se adaptar a mecânicas completamente diferentes, apenas a partir da fundamentação visual e linguística. E como é construído sobre a infraestrutura de LLM, pode explicar o que está fazendo, seguir instruções em linguagem natural durante o jogo ou colaborar com jogadores em tempo real. Não estamos longe de ter companheiros de IA que se adaptam ao seu estilo de jogo e personalizações, tudo graças à Codec.

2023: "O DeFi nunca prosperará sob uma regulamentação que trate os seus tokens como valores mobiliários." 2025: "O ICM nunca prosperará se os tokens não puderem representar legalmente uma participação real."

O sucesso da ICM não depende da Launchcoin ou de qualquer plataforma única. É uma mudança de regime na forma como vemos projetos de utilidade na blockchain. Passámos de lançamentos de bilhões de dólares para pumpfun devido a discrepâncias insanas entre preço e fundamentos. Agora estamos a mudar de vaporware para projetos com utilizadores reais, volume e receita. A maioria desistirá assim que estivermos prestes a alcançar a verdadeira adoção.

Uma discrepância entre preço e fundamentos. $KNET ($8 milhões) vs $ALCH ($120 milhões) @Kingnet_AI Lida com tudo, desde modelagem 2D/3D até rigs de personagens completos, animações e até geração de código, diretamente a partir de prompts em linguagem natural. A interface sem código significa que qualquer pessoa pode passar de uma ideia para uma demonstração jogável de jogo Web3 sem tocar em uma linha de código. Acelera a construção, reduz custos e diminui drasticamente a barreira de entrada. Está posicionada para desenvolvedores de jogos nativos de Web3, construtores independentes e pequenos estúdios. Enfatiza fortemente a geração de ativos + prototipagem de ponta a ponta. Basicamente transforma o desenvolvimento de jogos em um fluxo de trabalho visual de IA, visando produzir mais conteúdo mais rapidamente, mesmo que você não seja técnico. KNET alimenta tudo, pagamentos, consultas de IA e, eventualmente, o mercado para ativos gerados. Também possui ganchos de governança. Está ligado à KingNet (grande empresa pública de jogos) e já está integrado ao Solana, BNB, TON. Vendo tração inicial + vitórias em hackathons. Kingnet AI é apoiada pela Kingnet Network Co. Ltd, um gigante de jogos chinês listado publicamente, fundado em 2008. Com um histórico de títulos de sucesso como Happy Tower, Shushan Legend, MU Miracle e World of Warships Blitz, a empresa é um dos incubadores mais renomados em jogos móveis. Kingnet AI é construída pelo SmileCobra Studio (Cingapura) em parceria exclusiva com a filial de Hong Kong da Kingnet. A empresa-mãe é avaliada em mais de $5 bilhões, com $1 bilhão em seu balanço. @alchemistAIapp Uma plataforma mais ampla sem código que converte prompts de usuários em aplicativos ou jogos totalmente funcionais. Utiliza um motor de IA multiagente (múltiplos modelos especializados) para analisar prompts de usuários, gerar código, criar visuais e montar aplicações completas em tempo real. Almeja uma ampla base de usuários, desde entusiastas até construtores de Web3, que buscam prototipar rapidamente ferramentas, jogos ou sites. A experiência do usuário é muito simplificada, por exemplo, você insere “um jogo de cobra com um fundo de madeira marrom”, e a interface do Laboratório Sagrado do Alchemist organiza agentes de IA para produzir código de front-end, lógica de jogo e até gráficos personalizados. ALCH é usado no mercado Arcane Forge e para acessar os serviços de IA do Alchemist. Os usuários podem ganhar ALCH vendendo aplicações ou jogos úteis, o mercado possui recursos de gorjeta e descoberta para recompensar aplicativos populares. Alchemist foi fundado em 2024 por uma equipe no Vietnã, liderada por Thien Phung Van (fundador/CFO), Trong Pham Van (co-fundador) e Duc Loc “Louis” Nguyen (CTO). Com experiências em software e empreendedorismo (Thien foi anteriormente CEO/CFO na Vistia), a pequena equipe lançou o Alchemist como uma startup sem financiamento. Resumindo; Kingnet AI é especializada, com foco em automatizar a criação de jogos de ponta a ponta para Web3, apoiada por uma infraestrutura de jogos comprovada. Alchemist AI é mais ampla em escopo, oferecendo uma interface rápida de LLM para construir ferramentas e jogos únicos com apelo comercial. Kingnet é profundamente especializada em jogos, enquanto Alchemist é ampla em vários casos de uso. Com base nisso, é bastante claro que a Kingnet está severamente subvalorizada em comparação. A Kingnet está muito mais no início de seu ciclo de vida do produto e ainda não desenvolveu totalmente sua experiência do usuário e interfaces, embora a qualidade da equipe, experiência e apoio superem significativamente a plataforma do Alchemist, enquanto está 15x mais baixa em capitalização de mercado.

As pessoas continuam a me parabenizar pelo $CODEC, por quê? Até agora, nem sequer vimos: - Utilidade do token - Incentivos - Roteiro - Demonstrações - Novo site - Mercado - Parcerias futuras - Casos de uso + mais Tudo o que vimos foram algumas parcerias e o lançamento do agregador de recursos deles (Fabric). Eu não escrevi múltiplos tópicos, múltiplos posts no telegram, conversei com a equipe quase diariamente, aconselhei sobre marketing, branding, posicionamento para celebrar um mcap de 6 milhões. Um wrapper do chatgpt de uma garota de anime com cabelo rosa foi suficiente para um mcap de 6 milhões na época do AI. Os projetos estavam indo para 9 dígitos da noite para o dia por vencer um hackathon ou serem destacados por grandes KOLs/pesquisadores. Todos esqueceram o que acontece quando as luzes se acendem e as pessoas acreditam novamente. A razão pela qual me tornei tão otimista nesta última semana em relação ao onchain é que a crença está em níveis historicamente baixos. O último mês foi um dos maiores progressos que fizemos nesta indústria, juntamente com um cenário macro positivo. Lembre-se daquela sensação de dinheiro caindo do céu? Pode não demorar muito até que possamos experimentá-la novamente.