Протоколи та команди повинні припинити платити KOL за контент. Єдиний випадок, коли команди повинні роздавати токени KOL або членам спільноти, які створюють високу цінність для свого проекту та повертають результати. Ваш продукт або наратив повинен бути досить цікавим, щоб впливові люди автоматично захотіли купити і написати про нього природним чином. Це ті, на кого ви повинні виділяти токени, а не робити 3 платні треди для амбасадорів, які ботують своїх підписників. «Що робити, якщо я не можу зацікавити нікого моїм продуктом у Твіттері?» Тоді продовжуйте будувати, ви явно не знайшли відповідну нішу або недостатньо налагодили зв'язки, якщо ви не можете створити кілька основних прихильників. Моє послання будівельникам: створюйте щось достатньо круте, що люди природно хочуть купувати та писати про це, даруйте токени найбільшим прихильникам, які поділяють ваше бачення. З: 1. Вони з набагато більшою ймовірністю працюватимуть понаднормово і зроблять все можливе, щоб допомогти вам досягти успіху, оскільки ви продемонстрували сильну моральну поведінку (рідкість у цій сфері) 2. Ті, які ви платите за певну кількість постів, злетять, як тільки їхня угода закінчиться, і скинуть токени Я не проводжу жодних платних акцій, але я, очевидно, не збираюся відмовлятися від безкоштовних токенів для проекту, щодо якого я налаштований дуже оптимістично і без будь-яких зобов'язань. Найкращих письменників не купиш, і їм відмовлять, якщо ви спробуєте. Грайте в довгу гру і не йдіть короткими шляхами, це відобразиться у ваших діях у кожній вертикалі бізнесу, і розумні трейдери зможуть відчути його запах за милю. Кампанії KOL мертві, 99,9% маркетингових агентств є марною тратою грошей і будуть -ev для вашого бізнесу. Єдиний спосіб проникнути на цей ринок – це мати членів команди криптовалют, які готові забруднити руки.

Сьогодні OpenAI щойно підтвердила мою тезу про північну зірку щодо штучного інтелекту, випустивши свого оператора-агента. Не тільки це була моя керівна теза для $CODEC, але й усі інші інвестиції в штучний інтелект, які я робив, включно з тими, що були зроблені на початку року під час манії штучного інтелекту. Було багато дискусій з Codec щодо робототехніки, хоча ця вертикаль дуже скоро матиме свій власний наратив, основна причина, через яку я так оптимістично оцінював Codec з першого дня, полягає в тому, як його архітектура впливає на операторів-агентів. Люди все ще недооцінюють, яка частка ринку поставлена на карту, створюючи програмне забезпечення, яке працює автономно, перевершуючи людських працівників без необхідності постійних підказок або контролю. Я бачив багато порівнянь з $NUIT. По-перше, я хочу сказати, що я великий шанувальник того, що будує Nuit, і бажаю лише їхнього успіху. Якщо ви наберете "nuit" у мій телеграм, то побачите, що ще у квітні я сказав, що якби мені довелося тримати одну монету протягом кількох місяців, то це була б Nuit через мою операторську дисертацію. Nuit був найперспективнішим проектом оператора на папері, але після ретельного дослідження я виявив, що їхній архітектурі не вистачає глибини, необхідної для виправдання великих інвестицій або забезпечення моєї репутації. Маючи це на увазі, я вже усвідомлював архітектурні прогалини в існуючих командах операторів-агентів і активно шукав проект, який би їх вирішував. Незабаром після цього з'явилися Codec (дякуючи @0xdetweiler наполягаю, я дивлюся на них глибше), і ось різниця між ними: $CODEC проти $NUIT Архітектура Codec побудована на трьох рівнях; Машина, система та інтелект, які розділяють інфраструктуру, інтерфейс середовища та логіку штучного інтелекту. Кожен операторський агент у Codec працює у власній ізольованій віртуальній машині або контейнері, що забезпечує майже вбудовану продуктивність та ізоляцію несправностей. Така багаторівнева конструкція означає, що компоненти можуть масштабуватися або розвиватися незалежно без порушення системи. Архітектура Nuit йде іншим шляхом, будучи більш монолітною. Їхній стек обертається навколо спеціалізованого агента веб-браузера, який поєднує в собі парсинг, міркування штучного інтелекту та дії. Це означає, що вони глибоко аналізують веб-сторінки в структуровані дані для споживання штучним інтелектом і покладаються на хмарну обробку для важких завдань штучного інтелекту. Підхід Codec, який полягає у вбудовуванні легкої моделі Vision-Language-Action (VLA) у кожен агент, означає, що вона може працювати повністю локально. Що не вимагає постійного зворотного зв'язку з поверненням у хмару для отримання інструкцій, що дозволяє скоротити затримку та уникнути залежності від часу безвідмовної роботи та пропускної здатності. Агент Nuit обробляє завдання, спочатку перетворюючи веб-сторінки в семантичний формат, а потім використовуючи мозок LLM, щоб з'ясувати, що робити, що з часом покращується завдяки навчанню з підкріпленням. Хоча цей процес ефективний для веб-автоматизації, він залежить від важкої обробки штучного інтелекту на стороні хмари та попередньо визначеної структури сторінок. Локальний інтелект пристрою Codec означає, що рішення приймаються ближче до даних, зменшуючи накладні витрати та роблячи систему більш стабільною до несподіваних змін (без крихких сценаріїв або припущень DOM). Оператори кодека слідують безперервному циклу сприйняття-мислення-дія. Машинний рівень передає потокову передачу навколишнього середовища (наприклад, живий додаток або канал робота) на рівень інтелекту через оптимізовані канали системного рівня, надаючи штучному інтелекту «очі» на поточний стан. Потім модель VLA агента інтерпретує візуальні ефекти та інструкції разом, щоб прийняти рішення про дію, яку системний рівень виконує за допомогою подій клавіатури/миші або керування роботом. Цей інтегрований цикл означає, що він адаптується до подій у реальному часі, навіть якщо інтерфейс користувача зміниться, ви не перервете потік. Щоб провести більш просту аналогію, подумайте про операторів Codec як про самодостатнього працівника, який пристосовується до сюрпризів на роботі. Агент Nuit схожий на співробітника, якому потрібно зробити паузу, описати ситуацію керівнику по телефону і дочекатися вказівок. Не заглиблюючись у технічну кролячу нору, це повинно дати вам загальне уявлення про те, чому я обрав Codec як основну ставку на операторів. Так, Nuit має підтримку від YC, складеної команди та github рівня S. Хоча архітектура Codec була побудована з урахуванням горизонтального масштабування, що означає, що ви можете розгортати тисячі агентів паралельно без спільного використання пам'яті або контексту виконання між агентами. Команда Codec — це не звичайні розробники. Їхня архітектура VLA відкриває безліч варіантів використання, що було неможливо з попередніми моделями агентів через бачення через пікселі, а не скріншоти. Я міг би продовжувати, але я збережу це для майбутніх постів.

Справа в тому, що якщо ви дійсно хочете пробитися в цьому просторі, всі навколо вас подумають, що з вами щось не так. Щоб дійсно бути 0,001%, життя поза окопами майже не існує. Жодних дівчат, жодних хобі, жодних світських виходів, жодного netflix чи чогось, що відволікає вас від рутини. Це тип мислення, який вкрай незрозумілий навіть для таких, як професійні спортсмени, тому що немає жодних причин, чому ви не можете бути онлайн 24/7. Ми застрягли у власному парадоксі свободи. Кожна людина хоче мати чарівну здатність натискати кнопки на гроші, поки не прийде час сказати «ні» 95% задоволень. Друзі та сім'я будуть постійно кидати натяки на те, що у вас є форма психічного захворювання і ви ніколи не побачите це бачення по-справжньому. Ревниво піднімається, коли прокрадаються шматочки успіху, якщо досить уважно спостерігати за людьми, вони завжди розкривають свої справжні наміри, навіть якщо не мали цього наміру. Найменші натяки видають їх, як правило, від спонтанних емоційних реакцій у момент, коли вам потрібно почути лише кілька слів, у більшості випадків це все, що потрібно. У міру того, як ви станете більш успішними, навчіться мовчати. Не варто згадувати про свої успіхи, як би чудово не було ділитися з усіма і насолоджуватися плодами своєї праці, це тільки приверне жадібність у оточуючих. Більшість з них зазнають невдачі, оскільки роблять роль «криптохлопця» або «інвестора» своєю персоною. Навіть якщо ви перебуваєте в мережі 16 годин на добу, вам все одно потрібно мати інтереси та амбіції за межами цієї галузі. Друзі повинні хотіти спілкуватися з вами за якість вашої присутності та різницю в настрої, яку ви робите, перебуваючи там, а не за те, скільки цифр ви зробили на екрані. Жити приватним, відокремленим життям із вузьким колом якісних людей – це найкращий лайфхак для душевного спокою. Якщо ваша присутність не змушує людей відчувати щось, не говорячи про гроші, ви вже програли.

Люди в цьому додатку побачили, що найбільший додаток для отримання доходу в нашій галузі зібрав 1 мільярд доларів за 12 хвилин при 1,5 мільярда доларів США і сказали: «Дозвольте мені його скоротити»

Графіки, які торгували як невелика група людей на CT, визначили єдиний проект, що будує інфраструктуру для одного з найсильніших наративів наступних півдесятиліття.

Що таке $CODEC Робототехніка, Оператори, Геймінг? Все перераховане вище і багато іншого. Vision-language-action (VLA) від Codec є незалежною від фреймворку моделлю, що дозволяє використовувати десятки випадків завдяки своїй унікальній здатності візуалізувати помилки в порівнянні з LLM. За останні 12 місяців ми побачили, що LLM функціонують переважно як циклічні механізми, керовані заздалегідь визначеними даними та шаблонами відповідей. Оскільки вони побудовані на мові та тексті, LLM мають обмежену здатність еволюціонувати за вікно лінгвістичного контексту, на якому вони навчаються. Вони не можуть інтерпретувати сенсорну інформацію, таку як вираз обличчя або емоційні сигнали в реальному часі, оскільки їхні міркування пов'язані з мовою, а не зі сприйняттям. Більшість агентів сьогодні поєднують ЛЛМ на основі трансформаторів з візуальними енкодерами. Вони «бачать» інтерфейс за допомогою скріншотів, інтерпретують те, що відображається на екрані, і генерують послідовності дій, кліків, натискань клавіш, прокручувань для виконання інструкцій і виконання завдань. Ось чому ШІ досі не замінив великі категорії вакансій: LLM бачать скріншоти, а не пікселі. Вони не розуміють динамічної візуальної семантики середовища, а лише того, що читається через статичні кадри. Їхній типовий робочий процес повторюється: зробіть знімок екрана, обміркуйте наступну дію, виконайте його, потім зробіть ще один кадр і повторіть. Цей цикл сприйняття і мислення триває до тих пір, поки завдання не буде виконано або агент не вийде з ладу. Щоб по-справжньому узагальнити, ШІ повинен сприймати навколишнє середовище, міркувати про його стан і діяти належним чином для досягнення цілей, а не просто інтерпретувати знімки. У нас вже є макроси, RPA боти та скрипти автоматизації, але вони слабкі та нестабільні. Невеликий зсув пікселя або зміна макета порушує потік і вимагає ручного виправлення. Вони не можуть адаптуватися, коли щось змінюється в робочому процесі. Ось і є вузьке місце. Візія-Мова-Дія (VLA) Агенти VLA Codec працюють за інтуїтивним, але потужним циклом: сприймати, думати, діяти. Замість того, щоб просто випльовувати текст, як більшість LLM, ці агенти бачать його оточення, вирішують, що робити, а потім виконують. Все це упаковано в одну уніфіковану воронку продажів, яку ви можете уявити на три основні рівні: Зір Агент спочатку сприймає навколишнє середовище за допомогою зору. Для оператора настільного комп'ютера це означає створення знімка екрана або візуального введення поточного стану (наприклад, вікна програми або текстового поля). Візуальний компонент моделі VLA інтерпретує цей вхід, зчитуючи текст на екрані та розпізнаючи елементи інтерфейсу або об'єкти. Він же очі агента. Мова Потім приходить думка. З огляду на візуальний контекст (і будь-які інструкції або цілі), модель аналізує, які дії потрібні. По суті, штучний інтелект «думає» про відповідну реакцію так само, як і людина. Архітектура VLA внутрішньо об'єднує бачення та мову, тому агент може, наприклад, зрозуміти, що спливаюче діалогове вікно ставить запитання «так/ні». Потім він прийме рішення про правильну дію (наприклад, натисне «ОК») на основі мети або підказки. Виконуючи роль мозку агента, відображаючи сприйняті вхідні дані на дію. Дія Нарешті, агент діє, виводячи в оточення команду управління. Замість тексту модель VLA генерує дію (наприклад, клацання мишею, натискання клавіші або виклик API), яка безпосередньо взаємодіє з системою. У діалоговому вікні агент виконає натискання на кнопку «ОК». Це замикає цикл: після дії агент може візуально перевірити результат і продовжити цикл сприйняття – мислення – дія. Дії є ключовим роздільником, який перетворює їх з чатів на реальних операторів. Випадки використання Як я вже згадував, через архітектуру Codec не залежить від наративу. Подібно до того, як LLM не обмежені тим, які текстові виходи вони можуть виробляти, VLA не обмежені тим, які завдання вони можуть виконати. Робототехніка Замість того, щоб покладатися на старі сценарії або недосконалу автоматизацію, агенти VLA приймають візуальний вхід (сигнал з камери або датчики), пропускають його через мовну модель для планування, а потім виводять реальні команди керування для переміщення або взаємодії зі світом. По суті, робот бачить, що перед ним, обробляє інструкції на кшталт «перемістіть банку Pepsi поруч з апельсином», з'ясовує, де що знаходиться, як рухатися, нічого не перекинувши, і робить це без необхідності жорсткого кодування. Це такий самий клас систем, як RT-2 або PaLM-E від Google. Великі моделі, які поєднують бачення та мову для створення реальних дій. Хорошим прикладом є робота VLA від CogAct, робот сканує захаращений стіл, отримує природну підказку та запускає повний цикл: ID об'єкта, планування шляху, виконання руху. Операторів У настільному та веб-середовищі агенти VLA в основному функціонують як цифрові працівники. Вони «бачать» екран через знімок екрана або пряму трансляцію, пропускають це через шар міркувань, побудований на мовній моделі, щоб зрозуміти як інтерфейс користувача, так і підказку завдання, а потім виконують дії за допомогою реального керування мишею та клавіатурою, як це робила б людина. Цей повний цикл сприйняття, мислення, дії проходить безперервно. Таким чином, агент не просто реагує один раз, він активно переміщається по інтерфейсу, обробляючи кілька потоків кроків без необхідності будь-яких жорстко закодованих скриптів. Архітектура являє собою суміш бачення стилю OCR для читання тексту/кнопок/іконок, семантичних міркувань для прийняття рішення про те, що робити, і керуючого шару, який може натискати, прокручувати, вводити текст тощо. Де це стає дійсно цікавим, так це в обробці помилок. Ці агенти можуть розмірковувати про дії та переплановувати, якщо щось піде не так, як очікувалося. На відміну від сценаріїв RPA, які ламаються, якщо інтерфейс користувача трохи змінюється, наприклад, зміщує позицію кнопки або перейменовується мітка, агент VLA може адаптуватися до нового макета, використовуючи візуальні підказки та розуміння мови. Робить його набагато стійкішим для автоматизації в реальному світі, де інтерфейси постійно змінюються. Це те, з чим я особисто боровся, коли кодував власних наукових ботів за допомогою таких інструментів, як драматург. Ігровий Ігри є одним із найяскравіших випадків використання, коли агенти VLA можуть сяяти, сприймаючи їх менше як ботів, а більше як захоплюючих гравців зі штучним інтелектом. Весь потік однаковий, агент бачить екран гри (рамки, меню, текстові підказки), міркування про те, що він повинен робити, а потім грає, використовуючи введення миші, клавіатури або контролера. Він не зосереджений на грубій силі, це штучний інтелект, який вчиться грати як людина. Сприйняття + мислення + контроль, все це пов'язано разом. Проект SIMA від DeepMind розкрив це, поєднавши модель мови бачення з прогностичним шаром, і впустив її в такі ігри, як No Man's Sky і Minecraft. Просто спостерігаючи за екраном і дотримуючись інструкцій, агент міг виконувати абстрактні завдання, такі як «розвести багаття», з'єднуючи правильні кроки, збирати дрова, знаходити сірники та використовувати інвентар. І не обмежувалася лише однією грою. Він передавав ці знання між різними середовищами. Ігрові агенти VLA не обмежені одним набором правил. Один і той же агент може підлаштовуватися під абсолютно різні механіки, просто від зору до заземлення мови. А оскільки він побудований на інфраструктурі LLM, він може пояснювати, що він робить, слідувати інструкціям природної мови в середині гри або співпрацювати з гравцями в режимі реального часу. Ми недалеко пішли від того, щоб мати товаришів по команді зі штучним інтелектом, які адаптуються до вашого стилю гри та персоналізації, і все це завдяки Codec.

2023: «DeFi ніколи не процвітатиме під регулюванням, яке розглядає його токен як цінні папери». 2025: «ICM ніколи не буде процвітати, якщо токени не зможуть юридично представляти реальний капітал».

Успіх ICM не залежить від Launchcoin або якоїсь окремої платформи. Це зміна режиму в порівнянні з тим, як ми розглядаємо комунальні проекти в мережі. Ми перейшли від багатомільярдних запусків до пампфанів через шалені розбіжності в ціні та фундаментальних показниках. Зараз ми переходимо від vaporware до проєктів з реальними користувачами, обсягом та доходом. Більшість здасться саме тоді, коли ми повернемо кут реального усиновлення.

Невідповідність ціни та фундаментальних показників. $KNET ($8 млн) проти $ALCH ($120 млн) @Kingnet_AI Керує всім, від 2D/3D моделювання до повних оснасток персонажів, анімації та навіть генерації коду, прямо з підказок природною мовою. Відсутність інтерфейсу користувача коду означає, що будь-хто може перейти від ідеї до демонстраційної версії гри Web3, не торкаючись жодного рядка коду. Прискорює будівництво, скорочує витрати та значно знижує бар'єр. Вона орієнтована на нативних розробників ігор Web3, інді-білдерів та невеликі студії. Великий акцент на генерації активів + наскрізне прототипування. По суті, перетворює геймдев на візуальний робочий процес штучного інтелекту, спрямований на швидшу публікацію більшої кількості контенту, навіть якщо ви не володієте технічними питаннями. KNET забезпечує роботу всього: платежі, запити штучного інтелекту і, зрештою, ринок згенерованих активів. Також має гачки управління. Прив'язаний до KingNet (велика публічна ігрова компанія), і вже підключений до Solana, BNB, TON. Бачачи ранню тягу + перемоги на хакатоні. Kingnet AI підтримується Kingnet Network Co. Ltd, китайським ігровим гігантом, що котирується на біржі, заснованим у 2008 році. Завдяки послужному списку таких хітів, як Happy Tower, Shushan Legend, MU Miracle і World of Warships Blitz, компанія є одним із найвідоміших інкубаторів мобільних ігор. Kingnet AI створено студією SmileCobra (Сінгапур) в ексклюзивному партнерстві з гонконгським підрозділом Kingnet. Материнська компанія оцінюється в понад $5 млрд з $1 млрд на балансі. @alchemistAIapp Більш широка платформа без коду, яка перетворює підказки користувача в повнофункціональні додатки або ігри. Він використовує багатоагентний механізм штучного інтелекту (кілька спеціалізованих моделей) для аналізу підказок користувача, генерації коду, створення візуальних ефектів і складання повних додатків у режимі реального часу. Націлений на широку базу користувачів, від любителів до конструкторів Web3, які шукають швидкі прототипи інструментів, ігор або веб-сайтів. UX дуже обтічний, наприклад, ви вводите «гру в змійку з коричневим дерев'яним фоном», а інтерфейс Alchemist's Sacred Laboratory організовує агентів штучного інтелекту для створення фронтенд-коду, логіки гри і навіть користувацької графіки на ALCH використовується на ринку Arcane Forge і для доступу до послуг штучного інтелекту Alchemist. Користувачі можуть заробляти ALCH, продаючи корисні програми чи ігри, на ринку є функції чайових і виявлення для винагороди популярних програм. Alchemist був заснований у 2024 році командою у В'єтнамі на чолі з Тхіен Фунг Ван (засновник/фінансовий директор), Тронг Фам Ван (співзасновник) і Дюк Лок «Луїс» Нгуєн (технічний директор). Маючи досвід у галузі програмного забезпечення та підприємництва (Тієн раніше був генеральним директором/фінансовим директором у Vistia), невелика команда запустила Alchemist як стартап, що не фінансується. грн.; Kingnet AI спеціалізується на автоматизації наскрізного створення ігор для Web3 за підтримки перевіреної ігрової інфраструктури. Alchemist AI має ширший масштаб, пропонуючи швидкий інтерфейс LLM для створення унікальних інструментів та ігор із роздрібною привабливістю. Kingnet має глибокий домен в іграх, тоді як Alchemist має широкий домен у кількох випадках використання. Виходячи з цього, цілком очевидно, що Kingnet сильно недооцінений у порівнянні. Kingnet знаходиться набагато раніше в життєвому циклі свого продукту і не повністю конкретизував свій UX та інтерфейси, хоча якість команди, досвіду та підтримки значно переважає платформу Alchemist, при цьому вона в 15 разів нижча за mcap.

Мене постійно вітають з $CODEC, навіщо? Поки що ми навіть не бачили: - Утиліта токена -Стимули - Дорожня карта -Демо - Новий сайт -Ринку - Майбутні партнерства - Випадки використання + Детальніше Все, що ми побачили, це кілька партнерств і реліз їх агрегатора ресурсів (Fabric). Я не писав кілька тредів, не писав кілька постів у телеграмі, не розмовляв з командою майже щодня, не консультував з питань маркетингу, брендингу, позиціонування, щоб відсвяткувати 6 мільйонів mcap. Обгортки chatgpt аніме-дівчини з рожевим волоссям вистачило на 6 mil mcap ще в AI szn. Проєкти за одну ніч надсилалися до 9-значних сум за перемогу на хакатоні або потрапляння в поле зору великих KOL/дослідників. Всі забули, що відбувається, коли вмикається світло, і люди знову вірять. Причина, через яку минулого тижня я так оптимістично переключився на ончейн, полягає в тому, що я завжди перебував на мінімумах. Минулий місяць став одним із найбільших прогресів, яких ми досягли в цій галузі, а також позитивним макрофоном. Пам'ятаєте те відчуття, коли з неба падають гроші? Можливо, пройде не так багато часу, перш ніж ми зможемо відчути це знову.