從寂靜與陰影中，一個系統覺醒了。 在孤立中訓練。建立以感知、推理和行動。 大揭示即將來臨。 但在大門打開之前 已升華者可以提前進入。 CodecFlow 的早期訪問現已啟動：

剛發現我有 9 個邀請碼可用於 @anoma 的測試網 👀 評論並轉發這個帖子，我會在 24 小時內選出 9 個人 🥂

OpenAI 剛剛宣布其 Operator Agent 現在可以控制整台電腦，執行一系列複雜的任務，使用 VLA 模型搭配 LLM 模型 視覺 語言 行動 如果有一個加密項目已經能做到這一點就好了... 研究 @codecopenflow 除了控制桌面，Codec 還可以控制機器人和遊戲操作員 啟動一個虛擬沙盒環境來訓練 Operator，然後再將其投入實際生產 AI x 機器人技術和遊戲/桌面/機器人的自動化將是 AI 發展的下一個大步驟，而我的目標是早早佔據這個位置 編碼編碼

OpenAI 今天剛剛確認了我對 AI 的北極星論點，發布了他們的操作員代理。 這不僅是我對 $CODEC 的指導論點，也是我在 AI 瘋狂期間年初所做的每一項 AI 投資的基礎。 關於 Codec 與機器人技術的討論很多，雖然這個領域很快會有自己的敘事，但我從第一天起對 Codec 的看好，根本原因在於它的架構如何支持操作員代理。 人們仍然低估了通過構建自動運行的軟件來獲得的市場份額，這些軟件能夠超越人類工作者，而不需要不斷的提示或監督。 我看到很多人將其與 $NUIT 進行比較。首先，我想說我非常喜歡 Nuit 的建設，並祝願他們成功。如果你在我的 Telegram 中輸入 "nuit"，你會看到我在四月時說過，如果我必須持有一種幣幾個月，那將是 Nuit，因為我的操作員論點。 Nuit 在紙面上是最有前途的操作項目，但經過深入研究，我發現他們的架構缺乏必要的深度，無法證明進行重大投資或將我的聲譽放在其背後的合理性。 考慮到這一點，我已經意識到現有操作員代理團隊中的架構缺口，並積極尋找能夠解決這些問題的項目。不久之後 Codec 出現了（多虧了 @0xdetweiler 堅持讓我更深入了解他們），這就是兩者之間的區別： $CODEC 與 $NUIT Codec 的架構分為三層；機器、系統和智能，分開基礎設施、環境介面和 AI 邏輯。Codec 中的每個操作員代理都在自己的隔離 VM 或容器中運行，實現接近本地的性能和故障隔離。這種分層設計意味著組件可以獨立擴展或演變，而不會破壞系統。 Nuit 的架構則採取不同的路徑，更加單一化。他們的堆棧圍繞一個專門的網頁瀏覽器代理，結合了解析、AI 推理和行動。這意味著他們深入解析網頁，將其轉換為 AI 可消耗的結構化數據，並依賴雲端處理來執行重型 AI 任務。 Codec 將輕量級的視覺-語言-行動 (VLA) 模型嵌入每個代理中，意味著它可以完全本地運行。這不需要不斷地回到雲端獲取指令，減少了延遲，避免了對正常運行時間和帶寬的依賴。 Nuit 的代理通過首先將網頁轉換為語義格式，然後使用 LLM 大腦來決定該做什麼，這一過程隨著強化學習而不斷改進。雖然這對於網頁自動化是有效的，但這一流程依賴於重型雲端 AI 處理和預定義的頁面結構。Codec 的本地設備智能意味著決策更接近數據，減少了開銷，使系統對意外變化更穩定（沒有脆弱的腳本或 DOM 假設）。 Codec 的操作員遵循一個持續的感知–思考–行動循環。機器層通過系統層的優化通道將環境（例如實時應用或機器人反饋）流式傳輸到智能層，為 AI 提供“眼睛”來觀察當前狀態。代理的 VLA 模型然後將視覺和指令一起解釋，以決定行動，系統層通過鍵盤/鼠標事件或機器人控制來執行。這個集成循環意味著它能夠適應實時事件，即使 UI 發生變化，你也不會打斷流程。 用一個更簡單的比喻來說，將 Codec 的操作員想像成一個能夠適應工作中驚喜的自給自足的員工。Nuit 的代理則像是一個需要暫停、向主管通過電話描述情況並等待指示的員工。 不深入技術細節，這應該能讓你對我為什麼選擇 Codec 作為我對操作員的主要押注有一個高層次的了解。 是的，Nuit 得到了 YC 的支持，擁有一支強大的團隊和 S 級的 GitHub。儘管 Codec 的架構是以水平擴展為考量，這意味著你可以並行部署數千個代理，而不會在代理之間共享內存或執行上下文。Codec 的團隊也不是普通的開發者。 他們的 VLA 架構開啟了許多以前的代理模型無法實現的用例，因為它能夠透過像素而不是截圖進行觀察。 我可以繼續說下去，但我會將這些留到未來的帖子中。

向 @anoma 的測試網致敬！ 它提供了超順暢且有趣的體驗，包含支線任務和每日任務。 一個新的 UI 和 UX 世界正在出現，並且是基於意圖的 ⏳

如果你知道去哪裡找，你就能讓它移動。 @RoboMove $CODEC

$MNT 在圖表上 👇 > 市值: $2.4B+ (+28% 周增) > 總交易量: $345M (+21% 日增) 由銀行區塊鏈提供支持。 來源: @CoinMarketCap

在2025年，仍然看到如此的碎片化和項目在鏈和層之間跳躍，只是為了追逐炒作，真是難以置信。 🫳 Arbitrum 到 Berachain 到 Base 到 HyperEVM 到 [INSERT_NEXT_HYPED_CHAIN] 只需在以意圖為中心的世界中構建 在 @anoma 上構建

$CODEC 已經編碼。 但 WTF 它是什麼，為什麼我這麼看好它？ 讓我給你一個 TL;DR - @codecopenflow 正在建立首個全面的視覺-語言-行動 (VLA) 模型平台，使 AI "操作員" 能夠在數位介面和機器人系統中通過統一基礎設施自主地看、推理和行動。 - VLA 解決/克服了基本 LLM 自動化的限制，利用感知-思考-行動的流程，使其能夠處理動態視覺語義，而不是當前 LLM 的截圖-推理-執行循環，這在介面變更時會中斷。 - VLA 的技術架構將視覺、語言推理和直接行動命令合併為單一模型，而不是分開的 LLM + 視覺編碼器系統，實現實時適應和錯誤恢復。 - Codec 的框架無關設計涵蓋機器人技術（從攝像頭影像到控制命令）、桌面操作員（持續介面導航）和遊戲（自適應 AI 玩家），通過相同的感知-推理-行動循環。 - 有什麼區別？LLM 驅動的代理在工作流程變更時重新規劃，處理 UI 變化，這會破壞僵化的 RPA 腳本。而 VLA 代理則通過視覺線索和語言理解進行適應，而不需要手動修補。 - Codec 的硬體無關基礎設施通過屏幕錄製進行無代碼訓練，加上開發者 SDK，將其定位為自動 VLA 任務執行的缺失 Langchain 風格框架。 - 該框架使來自去中心化 GPU 網絡的智能計算聚合成為可能，支持可選的鏈上錄製以便於可審計的工作流程追蹤，並允許隱私敏感用例的私有基礎設施部署。 - $CODEC 代幣經濟學為操作員市場和計算貢獻提供貨幣化，創造可持續的生態系統激勵，隨著 VLA 在各個領域達到預期的 LLM 水平的顯著性。 - Codec 的一位共同創始人擁有建立 HuggingFace 的 LeRobot 的經驗，證明了在 VLA 開發中具有合法的機器人技術和機器學習研究的可信度。這不是你普通的加密團隊轉向 AI 敘事。 我將很快深入探討這一點。 同時重申我的建議，請自行研究 (DYOR)。 $CODEC 已經編碼。

為什麼 $CODEC 正在引領自主代理的未來 @codecopenflow AI 的下一個前沿不是更多的文本提示，而是行動。 當前大多數 AI 代理都陷入了閱讀截圖和輸出文本的循環中。它們看不到環境，無法理解變化，也無法在現實世界中有意圖地行動。這就是 Codec 的 VLA（視覺-語言-行動）架構的獨特之處。 想像一下，不僅會說話的代理，還能觀察、推理和行動。這就是 Codec 的核心。 這些不是脆弱的腳本或僵化的機器人。VLA 操作員通過不斷感知環境、決定行動並執行命令來與軟體、遊戲甚至物理機器人互動：就像人類一樣。 ✅ 能夠適應變化的桌面代理 ✅ 能夠學習機制並實時制定策略的遊戲代理 ✅ 能夠響應傳感器數據並控制硬體的機器人代理 ✅ 大規模訓練與模擬，無需機器人 Codec 的模組化架構讓你可以將視覺模型與語言模型（如 CogVLM + Mixtral）配對，構建能夠閱讀、觀察、理解和行動的智能代理，所有這些都在單一管道中進行。 每個代理都在自己的計算單元（虛擬機、伺服器或容器）上運行，並且它所做的每一個決策都可以在鏈上記錄。這意味著可追溯的行動、安全保證，以及在高風險環境中基於加密的激勵系統和問責層的潛力。 我們正朝著一個操作員可以被訓練、交易和貨幣化的世界邁進。無論是用於質量保證測試、機器人任務自動化，還是甚至在遊戲中的去中心化機器人軍隊。 就像應用程序改變了智能手機一樣，技能包將改變機器人。開源硬體 + 可下載的智能 = 機器人技術相當於軟體開發。 這不是科幻小說。這正在發生。 最後，也許最重要的是，這張圖表是非常看漲的。