从沉默和阴影中，一个系统觉醒了。 在孤立中训练。构建以感知、推理和行动。 伟大的揭示即将来临。 但在大门打开之前 升华者可以提前进入。 CodecFlow的早期访问现已上线：

刚发现我有9个可用的邀请代码用于@anoma的测试网👀 评论并转发此帖子，我将在24小时内选择9个人 🥂

OpenAI刚刚宣布，其操作员代理现在可以控制整个计算机，以使用VLA模型与LLM模型配对执行复杂的任务。 视觉 语言 行动 如果有一个加密项目已经可以做到这一点就好了…… 研究@codecopenflow 除了控制桌面，Codec还可以控制机器人和游戏操作员。 启动一个虚拟沙盒环境，以在将操作员投入实际生产之前进行训练。 AI与机器人技术以及游戏/桌面/机器人的自动化将是AI发展的下一个重大步骤，我的目标是尽早定位。 编码编码

OpenAI今天通过发布他们的操作员代理确认了我对AI的北极星理论。 这不仅是我对$CODEC的指导理论，也是我在AI狂热期间年初所做的每一项AI投资的基础。 关于Codec与机器人技术的讨论很多，虽然这个领域很快会有自己的叙述，但我从第一天起对Codec如此看好的根本原因在于它的架构如何支持操作员代理。 人们仍然低估了通过构建能够自主运行的软件而占据的市场份额，这些软件能够超越人类工作者，而无需不断的提示或监督。 我看到很多与$NUIT的比较。首先，我想说我非常喜欢Nuit正在构建的东西，并祝愿他们成功。如果你在我的电报中输入“nuit”，你会看到我在四月时说过，如果我必须持有一种币几个月，那就是Nuit，因为我的操作员理论。 Nuit在纸面上是最有前景的操作员项目，但经过广泛的研究，我发现他们的架构缺乏深度，无法证明进行重大投资或将我的声誉置于其后面是合理的。 考虑到这一点，我已经意识到现有操作员代理团队中的架构缺口，并积极寻找一个能够解决这些问题的项目。Codec出现后不久（多亏了@0xdetweiler坚持让我更深入地了解他们），这就是两者之间的区别： $CODEC与$NUIT Codec的架构分为三个层次：机器、系统和智能，分别分离基础设施、环境接口和AI逻辑。Codec中的每个操作员代理都在自己的隔离虚拟机或容器中运行，允许接近本地的性能和故障隔离。这种分层设计意味着组件可以独立扩展或演变，而不会破坏系统。 Nuit的架构采取了不同的路径，更加单一化。他们的堆栈围绕一个专门的网页浏览器代理展开，结合了解析、AI推理和行动。这意味着他们将网页深度解析为AI可以消费的结构化数据，并依赖云处理来完成重的AI任务。 Codec将轻量级的视觉-语言-行动（VLA）模型嵌入到每个代理中，这意味着它可以完全本地运行。这不需要不断地回到云端获取指令，减少了延迟，避免了对正常运行时间和带宽的依赖。 Nuit的代理通过首先将网页转换为语义格式，然后使用LLM大脑来决定该做什么，这一过程随着强化学习而不断改进。虽然这种流程对于网页自动化有效，但它依赖于重的云端AI处理和预定义的页面结构。Codec的本地设备智能意味着决策发生在离数据更近的地方，减少了开销，使系统在意外变化时更加稳定（没有脆弱的脚本或DOM假设）。 Codec的操作员遵循一个持续的感知-思考-行动循环。机器层通过系统层的优化通道将环境（例如实时应用或机器人馈送）流式传输到智能层，为AI提供“眼睛”以观察当前状态。代理的VLA模型然后将视觉和指令结合起来进行解释，以决定行动，系统层通过键盘/鼠标事件或机器人控制来执行。这种集成循环意味着它能够适应实时事件，即使UI发生变化，你也不会打断流程。 用一个更简单的类比来说明，想象Codec的操作员就像一个能够适应工作中意外情况的自给自足的员工。Nuit的代理就像一个需要暂停、通过电话向主管描述情况并等待指示的员工。 不深入技术细节，这应该能让你对我为什么选择Codec作为我在操作员领域的主要投资有一个高层次的了解。 是的，Nuit得到了YC的支持，拥有强大的团队和S级的github。尽管Codec的架构是以水平扩展为目标构建的，这意味着你可以并行部署数千个代理，而代理之间没有共享内存或执行上下文。Codec的团队也不是普通的开发者。 他们的VLA架构打开了许多以前的代理模型无法实现的用例，因为它能够透过像素而不是截图进行观察。 我可以继续说下去，但我会把这些留到未来的帖子中。

向 @anoma 的测试网致敬！ 它提供了超级流畅和有趣的体验，包括支线任务和日常任务。 一个新的用户界面和用户体验世界正在出现，它是基于意图的 ⏳

如果你知道在哪里寻找，你可以让它动起来。@RoboMove $CODEC

$MNT 在图表上 👇 > 市值: $24亿+ (+28% 周比) > 总交易量: $3.45亿 (+21% 日比) 由区块链驱动的银行服务。 来源: @CoinMarketCap

在2025年，看到如此的碎片化和项目在链与层之间跳跃以追逐炒作，真是难以置信。 🫳 从Arbitrum到Berachain，再到Base，再到HyperEVM，再到[INSERT_NEXT_HYPED_CHAIN] 只需在以意图为中心的世界中构建 在@anoma上构建

$CODEC 已经编码。 但 WTF 它是什么，我为什么如此看好？ 让我给你一个 TL;DR - @codecopenflow 正在构建第一个全面的视觉-语言-行动 (VLA) 模型平台，使 AI "操作员" 能够在数字界面和机器人系统中通过统一基础设施自主地看、推理和行动。 - VLA 解决/克服了 LLM 自动化的基本限制，利用感知-思考-行动的流程，使其能够处理动态视觉语义，而不是当前 LLM 的截图-推理-执行循环，这在界面变化时会中断。 - VLA 的技术架构将视觉、语言推理和直接行动命令合并为单一模型，而不是分开的 LLM + 视觉编码器系统，从而实现实时适应和错误恢复。 - Codec 的框架无关设计涵盖了机器人（从摄像头馈送到控制命令）、桌面操作员（持续界面导航）和游戏（自适应 AI 玩家），通过相同的感知-推理-行动循环。 - 有什么区别？LLM 驱动的代理在工作流程变化时重新规划，处理打破僵化 RPA 脚本的 UI 变化。而 VLA 代理则通过视觉线索和语言理解进行适应，而不需要手动修补。 - Codec 的硬件无关基础设施通过屏幕录制实现无代码训练，加上开发者 SDK，使其成为缺失的 Langchain 风格框架，用于自主 VLA 任务执行。 - 该框架支持来自去中心化 GPU 网络的智能计算聚合，支持可选的链上记录以便审计工作流程痕迹，并允许针对隐私敏感用例进行私有基础设施部署。 - $CODEC 代币经济通过运营商市场和计算贡献进行货币化，创造可持续的生态系统激励，因为 VLA 在各个领域达到预期的 LLM 级别的显著性。 - Codec 的一位联合创始人拥有构建 HuggingFace 的 LeRobot 的经验，证明了在 VLA 开发中具有合法的机器人和机器学习研究可信度。这不是你普通的加密团队转向 AI 叙事。 我会很快深入探讨这个话题。 在此期间重申我的建议，DYOR。 $CODEC 已经编码。

为什么 $CODEC 正在引领自主代理的未来 @codecopenflow 人工智能的下一个前沿不是更多的文本提示，而是行动。 如今大多数人工智能代理都陷入了读取截图和输出文本的循环中。它们看不到环境，不理解变化，也无法在现实世界中有意图地行动。这就是 Codec 的 VLA（视觉-语言-行动）架构的独特之处。 想象一下，不仅会说话，还会观察、推理和行动的代理。这就是 Codec 的核心。 这些不是脆弱的脚本或僵化的机器人。VLA 操作员通过持续感知环境、决定该做什么并执行命令，与软件、游戏甚至物理机器人互动：就像人类一样。 ✅ 适应变化的用户界面的桌面代理 ✅ 学习机制并实时制定策略的游戏代理 ✅ 响应传感器数据并控制硬件的机器人代理 ✅ 大规模培训与模拟，无需机器人 Codec 的模块化架构让你可以将视觉模型与语言模型（如 CogVLM + Mixtral）配对，构建能够阅读、观看、理解和行动的智能代理，所有这些都在一个单一的管道中。 每个代理都在自己的计算单元（虚拟机、服务器或容器）上运行，它所做的每个决策都可以在链上记录。这意味着可追溯的行动、安全保障，以及在高风险环境中基于加密的激励系统和问责层的潜力。 我们正朝着一个操作员可以被训练、交易和货币化的世界迈进。无论是用于质量保证测试、机器人任务自动化，还是在游戏中去中心化的机器人军队。 就像应用程序改变了智能手机一样，技能包将改变机器人。开源硬件 + 可下载智能 = 机器人技术的相当于软件开发。 这不是科幻小说。这正在发生。 最后，也许最重要的是，图表非常看涨。