Protokoly a týmy by měly přestat platit KOL za obsah. Jediný případ, kdy by týmy měly rozdávat tokeny, je KOL nebo členům komunity, kteří vytvářejí vysokou hodnotu pro svůj projekt a vracejí výsledky. Váš produkt nebo příběh by měl být natolik zajímavý, aby ho lidé s vlivem chtěli automaticky nakupovat a psát o něm přirozeně. To jsou ti, kterým byste měli přidělovat tokeny, ne dělat 3 placená vlákna pro ambasadory, kteří botují své následovníky. "Co když se mi nepodaří přimět nikoho, aby se zajímal o můj produkt, aby tweetoval?" Pak pokračujte v budování, zjevně jste nenašli tu správnou mezeru nebo dostatečně propojenou síť, pokud si nemůžete vybudovat několik skalních podporovatelů. Můj vzkaz pro stavitele: postavte něco dostatečně skvělého, co lidé přirozeně chtějí kupovat a psát o tom, dejte žetony největším podporovatelům, kteří se ztotožňují s vaší vizí. Jelikož: 1. Bude mnohem pravděpodobnější, že budou pracovat přesčas a udělají vše pro to, aby vám pomohli uspět, protože jste prokázali silné morální chování (což je v této oblasti vzácnost) 2. Ti, kterým zaplatíte za určitý počet příspěvků, se odlupují, jakmile vyprší jejich dohoda, a vyhodí tokeny Nedělám placené propagační akce jakéhokoli druhu, ale samozřejmě neodmítnu bezplatné tokeny pro projekt, na který jsem extrémně optimistický, bez jakýchkoli podmínek. Nejlepší spisovatele si nemůžete koupit a pokud se o to pokusíte, budou odmítnuti. Hrajte dlouhou hru a nedělejte zkratky, bude se to odrážet ve vašich akcích v každé vertikále podnikání a chytří obchodníci to cítí na míle daleko. KOL kampaně jsou mrtvé, 99.9% marketingových agentur jsou vyhozené peníze a budou pro vaše podnikání -ev. Jediným způsobem, jak proniknout na tento trh, je mít členy krypto nativního týmu, kteří jsou ochotni si ušpinit ruce.

OpenAI dnes potvrdila mou severskou tezi o AI tím, že uvolnila svého agenta operátora. To byla nejen moje hlavní teze pro $CODEC, ale i pro všechny ostatní investice do umělé inteligence, které jsem provedl, včetně těch ze začátku roku během mánie umělé inteligence. S Codecem se hodně diskutovalo ohledně robotiky, zatímco tato vertikála bude mít velmi brzy svůj vlastní příběh, základním důvodem, proč jsem byl od prvního dne ohledně Codecu tak optimistický, je to, jak jeho architektura pohání operátory. Lidé stále podceňují, jak velký podíl na trhu je v sázce tím, že vytvářejí software, který běží autonomně a překonává lidské pracovníky bez potřeby neustálých výzev nebo dohledu. Viděl jsem spoustu srovnání s $NUIT. V první řadě chci říct, že jsem velkým fanouškem toho, co Nuit budují a nepřeji jim nic jiného než jejich úspěch. Pokud do mého telegramu napíšete "nuit", uvidíte, že v dubnu jsem řekl, že kdybych měl držet jednu minci několik měsíců, byla by to Nuit, a to kvůli mé operátorské diplomové práci. Nuit byl na papíře nejslibnějším projektem operátora, ale po rozsáhlém výzkumu jsem zjistil, že jejich architektura postrádá hloubku potřebnou k ospravedlnění velké investice nebo k tomu, abych za ní postavil svou pověst. S ohledem na tuto skutečnost jsem si již byl vědom architektonických mezer ve stávajících týmech operátorů a aktivně jsem hledal projekt, který by je řešil. Krátce poté se objevil Codec (díky @0xdetweiler naléhání, abych se na ně podíval hlouběji) a toto je rozdíl mezi těmito dvěma: $CODEC vs $NUIT Architektura kodeku je postavena ve třech vrstvách; Stroj, systém a inteligenci, které oddělují infrastrukturu, rozhraní prostředí a logiku umělé inteligence. Každý agent operátora v kodeku běží ve svém vlastním izolovaném virtuálním počítači nebo kontejneru, což umožňuje téměř nativní výkon a izolaci chyb. Tento vrstvený design znamená, že komponenty se mohou škálovat nebo vyvíjet nezávisle, aniž by došlo k narušení systému. Architektura Nuit se ubírá jinou cestou tím, že je více monolitická. Jejich zásobník se točí kolem specializovaného agenta webového prohlížeče, který kombinuje analýzu, uvažování pomocí umělé inteligence a akci. To znamená, že hluboce analyzují webové stránky do strukturovaných dat, která může umělá inteligence konzumovat, a spoléhají se na cloudové zpracování pro náročné úkoly umělé inteligence. Přístup kodeku, který do každého agenta zabuduje odlehčený model Vision-Language-Action (VLA), znamená, že může běžet plně lokálně. Což nevyžaduje neustálé pingování zpět do cloudu pro pokyny, snižuje latenci a vyhýbá se závislosti na provozuschopnosti a šířce pásma. Agent společnosti Nuit zpracovává úkoly tak, že nejprve převádí webové stránky do sémantického formátu a poté pomocí mozku LLM zjistí, co dělat, což se postupem času zlepšuje díky zpětnovazebnímu učení. I když je tento tok efektivní pro automatizaci webu, závisí na náročném zpracování umělé inteligence na straně cloudu a předdefinovaných strukturách stránek. Inteligence lokálního zařízení kodeku znamená, že rozhodnutí se dějí blíže k datům, snižuje režijní náklady a činí systém stabilnějším vůči neočekávaným změnám (žádné křehké skripty nebo předpoklady DOM). Operátoři kodeku se řídí nepřetržitou smyčkou vnímání-myšlení-jednání. Strojová vrstva streamuje prostředí (např. živou aplikaci nebo kanál robota) do vrstvy inteligence prostřednictvím optimalizovaných kanálů systémové vrstvy, což umělé inteligenci poskytuje "oči" o aktuálním stavu. VLA model agenta pak interpretuje vizuály a instrukce společně a rozhoduje o akci, kterou systémová vrstva provádí prostřednictvím událostí klávesnice/myši nebo ovládání robota. Tato integrovaná smyčka znamená, že se přizpůsobí živým událostem, a i když se uživatelské rozhraní posune, nepřerušíte tok. Abychom to vše uvedli do jednodušší analogie, představte si operátory Codecu jako soběstačného zaměstnance, který se přizpůsobuje překvapením v práci. Agent Nuit je jako zaměstnanec, který se potřebuje zastavit, popsat situaci nadřízenému po telefonu a počkat na pokyny. Aniž bychom se příliš pouštěli do technické králičí nory, mělo by vám to poskytnout představu o tom, proč jsem si vybral Codec jako svou primární sázku na operátory. Ano, Nuit má podporu od YC, naskládaného týmu a githubu úrovně S. I když byla architektura Codecu vytvořena s ohledem na horizontální škálování, znamená to, že můžete nasadit tisíce agentů paralelně s nulovou sdílenou pamětí nebo kontextem provádění mezi agenty. Tým Codecu také nejsou průměrní vývojáři. Jejich architektura VLA otevírá velké množství případů použití, které u předchozích modelů agentů nebylo možné kvůli vidění skrz pixely, nikoli snímky obrazovky. Mohl bych pokračovat, ale to si nechám na budoucí příspěvky.

Jde o to, že pokud se opravdu chcete prosadit v tomto prostoru, všichni kolem vás si budou myslet, že je s vámi něco špatně. Být skutečně oněmi 0,001%, život mimo zákopy téměř neexistuje. Žádné holky, žádné koníčky, žádné společenské výlety, žádný netflix nebo cokoli, co vás odvádí od rutiny. Je to typ myšlení, který je extrémně nepříbuzný dokonce i pro profesionální sportovce, protože není důvod, proč byste nemohli být online 24 hodin denně, 7 dní v týdnu. Uvízli jsme ve svém vlastním paradoxu svobody. Každý chce kouzelnou schopnost klikat na tlačítka za peníze, dokud není čas říci ne 95% požitků. Přátelé a rodina vám budou neustále naznačovat, že máte nějakou formu duševní nemoci a nikdy tuto vizi doopravdy neuvidí. Žárlivost stoupá, když se vplíží kousky úspěchu, pokud lidi sledujete dostatečně pozorně, vždy odhalí své skutečné záměry, i když to neměli v úmyslu. Prozradí je i ty nejmenší náznaky, obvykle ze spontánních emocionálních reakcí v okamžiku, kdy vám stačí slyšet jen pár slov, většinou to stačí. Až se stanete úspěšnějšími, naučte se zůstat v klidu. Není třeba zmiňovat váš pokrok, jakkoli by bylo skvělé sdílet se všemi a užívat si plody své práce, bude to jen přitahovat chamtivost ostatních. Většina z nich v tom selhává, protože z toho, že jsou "krypto chlapíci" nebo "investori", dělají celou svou osobnost. I když jste online 16 hodin denně, stále musíte mít zájmy a ambice mimo toto odvětví. Přátelé by s vámi měli chtít trávit čas kvůli kvalitě vaší přítomnosti a rozdílu v náladě, kterého tam budete, ne kvůli tomu, kolik čísel jste udělali na obrazovce. Žít soukromý, izolovaný život s malým kruhem kvalitních lidí je nejlepší životní hack pro klid v duši. Pokud vaše přítomnost v lidech něco nevyvolá, aniž by mluvili o penězích, už jste prohráli.

Lidé v této aplikaci viděli, jak aplikace generující největší příjmy v našem oboru získala 1 miliardu dolarů za 12 minut při mcap 1,5 miliardy dolarů, a řekli "dovolte mi to zkrátit"

Grafy obchodující jako malá skupina jednotlivců na ČT identifikovaly jediný projekt budující infrastrukturu pro jeden z nejsilnějších příběhů příští poloviny desetiletí.

Co je $CODEC Robotika, operátoři, hry? To vše a ještě více. Vision-language-action (VLA) kodeku je rámcově agnostický model, který umožňuje desítky případů použití díky své jedinečné schopnosti vizualizovat chyby ve srovnání s LLM. Během posledních 12 měsíců jsme viděli, že LLM fungují především jako mechanismy smyčky, které jsou řízeny předem definovanými daty a vzorci odezvy. Protože jsou LLM postaveny na řeči a textu, mají omezenou schopnost vyvíjet se za okno lingvistického kontextu, na kterém jsou trénovány. Nemohou interpretovat smyslové vstupy, jako jsou výrazy obličeje nebo emocionální podněty v reálném čase, protože jejich uvažování je vázáno na jazyk, nikoli na vnímání. Většina agentů dnes kombinuje LLM založené na transformátorech s vizuálními kodéry. "Vidí" rozhraní prostřednictvím snímků obrazovky, interpretují, co je na obrazovce, a generují sekvence akcí, kliknutí, stisků kláves, posouvání podle pokynů a plnění úkolů. To je důvod, proč umělá inteligence ještě nenahradila velké kategorie pracovních míst: LLM vidí snímky obrazovky, ne pixely. Nerozumí dynamické vizuální sémantice prostředí, pouze tomu, co je čitelné prostřednictvím statických snímků. Jejich typický pracovní postup se opakuje: pořiďte snímek obrazovky, zdůvodněte další akci, proveďte ji, poté pořiďte další snímek a opakujte. Tato smyčka vnímání a myšlení pokračuje, dokud není úloha dokončena nebo dokud agent neselže. Aby bylo možné skutečně zobecnit, musí umělá inteligence vnímat své prostředí, uvažovat o svém stavu a vhodně jednat k dosažení cílů, nejen interpretovat snímky. Už máme makra, RPA boty a automatizační skripty, ale jsou slabé a nestabilní. Mírný posun pixelů nebo změna rozvržení přeruší tok a vyžaduje ruční záplatování. Nemohou se přizpůsobit, když se v pracovním postupu něco změní. To je úzké hrdlo. Vize-jazyk-akce (VLA) Agenti VLA v Codecu běží na intuitivní, ale výkonné smyčce: vnímat, myslet, jednat. Místo toho, aby jen chrlili text jako většina LLM, tito agenti vidí jeho prostředí, rozhodnou se, co udělají, a poté jej provedou. To vše je zabaleno do jednoho sjednoceného kanálu, který můžete zobrazit do tří základních vrstev: Vidění Jednající nejprve vnímá své okolí prostřednictvím zraku. V případě desktopového operátora to znamená zachycení snímku obrazovky nebo vizuálního vstupu aktuálního stavu (např. okna aplikace nebo textového pole). Komponenta vidění modelu VLA interpretuje tento vstup, čte text na obrazovce a rozpoznává prvky nebo objekty rozhraní. Alias oči agenta. Jazyk Pak přichází na řadu myšlení. S ohledem na vizuální kontext (a všechny pokyny nebo cíle) model analyzuje, jaká akce je vyžadována. Umělá inteligence v podstatě "přemýšlí" o vhodné reakci podobně jako člověk. Architektura VLA interně slučuje vidění a jazyk, takže agent může například pochopit, že vyskakovací dialogové okno klade otázku ano/ne. Poté rozhodne o správné akci (např. kliknutím na "OK") na základě cíle nebo výzvy. Slouží jako mozek agenta, mapuje vnímané vstupy do akce. Akce Nakonec agent jedná tak, že do prostředí odešle řídicí příkaz. Místo textu model VLA generuje akci (například kliknutí myší, stisk klávesy nebo volání rozhraní API), která přímo komunikuje se systémem. V příkladu dialogu by agent provedl kliknutí na tlačítko "OK". Tím se smyčka uzavře: po akci může agent vizuálně zkontrolovat výsledek a pokračovat v cyklu vnímání – myšlení – jednání. Akce jsou oddělovačem kláves, který je mění z chat boxů na skutečné operátory. Případy použití Jak jsem zmínil, vzhledem k architektuře je Codec narativní agnostic. Stejně jako LLM nejsou omezeni tím, jaké textové výstupy mohou vyprodukovat, VLA nejsou omezeni tím, jaké úkoly mohou dokončit. Robotika Místo toho, aby se agenti VLA spoléhali na staré skripty nebo nedokonalou automatizaci, přijímají vizuální vstup (přenos z kamery nebo senzory), předávají jej jazykovému modelu pro plánování a poté vydávají skutečné řídicí příkazy pro pohyb nebo interakci se světem. Robot v podstatě vidí, co je před ním, zpracovává pokyny jako "přesuňte plechovku Pepsi vedle pomeranče", zjistí, kde co je, jak se pohybovat, aniž by se něco převrhlo, a dělá to bez nutnosti pevného kódování. Jedná se o stejnou třídu systému jako RT-2 nebo PaLM-E od Googlu. Velké modely, které spojují vizi a jazyk a vytvářejí akce v reálném světě. Dobrým příkladem je práce VLA společnosti CogAct, robot prohledá přeplněnou tabulku, dostane přirozenou výzvu a spustí celou smyčku: ID objektu, plánování cesty, provedení pohybu. Operátoři V desktopovém a webovém prostředí fungují agenti VLA v podstatě jako digitální pracovníci. "Vidí" obrazovku prostřednictvím snímku obrazovky nebo živého přenosu, provedou ji vrstvou uvažování postavenou na jazykovém modelu, aby porozuměli uživatelskému rozhraní i úkolovému příkazu, a poté provádějí akce pomocí skutečného ovládání myší a klávesnicí, jako by to dělal člověk. Tato plná smyčka, vnímání, myšlení, akt běží nepřetržitě. Agent tedy nereaguje pouze jednou, ale aktivně se pohybuje v rozhraní a zpracovává více krokových toků, aniž by potřeboval pevně zakódované skripty. Architektura je kombinací vidění ve stylu OCR pro čtení textu/tlačítek/ikon, sémantického uvažování pro rozhodování o tom, co dělat, a ovládací vrstvy, která může klikat, posouvat, psát atd. Kde se to stává opravdu zajímavým, je zpracování chyb. Tito agenti mohou reflektovat následné akce a přeplánovat, pokud něco nejde podle očekávání. Na rozdíl od skriptů RPA, které se přeruší, pokud se uživatelské rozhraní mírně změní, například při změně polohy tlačítka nebo přejmenování popisku, se agent VLA může přizpůsobit novému rozvržení pomocí vizuálních podnětů a porozumění jazyku. Díky tomu je mnohem odolnější pro automatizaci v reálném světě, kde se rozhraní neustále mění. Něco, s čím jsem se osobně potýkal při kódování svých vlastních výzkumných robotů pomocí nástrojů, jako je dramatik. Hraní Hraní her je jedním z nejjasnějších případů použití, kde mohou agenti VLA zazářit, přemýšlet o nich méně jako o botech a více jako o pohlcujících hráčích s umělou inteligencí. Celý postup je stejný, agent vidí herní obrazovku (rámce, menu, textové výzvy), důvody, co má dělat, a poté hraje pomocí vstupů myši, klávesnice nebo ovladače. Není to zaměřeno na hrubou sílu, je to umělá inteligence, která se učí, jak hrát jako člověk. Vnímání + myšlení + kontrola, vše propojené. Projekt SIMA společnosti DeepMind to odemkl kombinací modelu jazyka vidění s prediktivní vrstvou a vložil jej do her jako No Man's Sky a Minecraft. Pouhým sledováním obrazovky a dodržováním pokynů mohl agent plnit abstraktní úkoly, jako je "rozdělat táborák", a to zřetězením správných kroků, sběrem dřeva, hledáním zápalek a používáním inventáře. A nebylo to omezeno jen na jednu hru. Přenášela tyto znalosti mezi různými prostředími. Herní agenti VLA nejsou vázáni na jednu sadu pravidel. Stejný agent se může přizpůsobit zcela odlišným mechanikám, pouze z hlediska vidění a jazykových základů. A protože je postaven na infrastruktuře LLM, může vysvětlit, co dělá, řídit se pokyny v přirozeném jazyce uprostřed hry nebo spolupracovat s hráči v reálném čase. Nejsme daleko od toho, abychom měli spoluhráče s umělou inteligencí, kteří se přizpůsobí vašemu hernímu stylu a personalizacím, a to vše díky kodeku.

2023: "DeFi nikdy nebude prosperovat pod regulací, která zachází s jeho tokenem jako s cennými papíry." 2025: "ICM nikdy nebude prosperovat, pokud tokeny nebudou moci legálně reprezentovat skutečný kapitál."

Úspěch ICM nezávisí na Launchcoinu ani na žádné jednotlivé platformě. Je to změna režimu oproti tomu, jak se díváme na projekty veřejných služeb v řetězci. Přešli jsme od uvedení na trh za několik miliard dolarů k pumpfun kvůli šílenému nesouladu v cenách a základech. Nyní se přesouváme od vaporwaru k projektům se skutečnými uživateli, objemem a výnosy. Většina to vzdá hned, jak zahneme za roh skutečné adopce.

Nesoulad mezi cenou a fundamenty. $KNET (8 mil. USD) vs $ALCH (120 mil. USD) @Kingnet_AI Zvládá vše od 2D/3D modelování až po kompletní rigy postav, animace a dokonce i generování kódu přímo z výzev v přirozeném jazyce. Uživatelské rozhraní bez kódu znamená, že kdokoli může přejít od nápadu k hratelnému ukázce hry Web3, aniž by se dotkl jediného řádku kódu. Zrychluje výstavbu, snižuje náklady a masivně snižuje bariéru. Je zaměřen na nativní vývojáře her Web3, nezávislé tvůrce a malá studia. Velký důraz na generování aktiv + prototypování od začátku do konce. V podstatě mění vývoj her na vizuální pracovní postup umělé inteligence, jehož cílem je dostat více obsahu ven rychleji, i když nejste technicky zdatní. KNET pohání vše, platby, dotazy AI a nakonec i tržiště pro generovaná aktiva. Má také háčky na správu. Vázán na KingNet (velká veřejná herní společnost), a již zapojen do Solana, BNB, TON. Vidět brzkou trakci + vítězství v hackathonu. Společnost Kingnet AI je podporována společností Kingnet Network Co. Ltd, veřejně obchodovaným čínským herním gigantem založeným v roce 2008. S řadou hitových titulů, jako jsou Happy Tower, Shushan Legend, MU Miracle a World of Warships Blitz, je společnost jedním z nejznámějších inkubátorů v oblasti mobilních her. Kingnet AI je vytvořena společností SmileCobra Studio (Singapur) v exkluzivním partnerství s hongkongskou pobočkou společnosti Kingnet. Mateřská společnost je oceněna na více než 5 miliard dolarů, přičemž v její rozvaze je 1 miliarda dolarů. @alchemistAIapp Širší platforma bez kódu, která převádí uživatelské výzvy na plně funkční aplikace nebo hry. Využívá multi agent AI engine (více specializovaných modelů) k analýze uživatelských výzev, generování kódu, vytváření vizuálů a sestavování plných aplikací v reálném čase. Zaměřuje se na širokou uživatelskou základnu, od fandy po tvůrce Web3, kteří chtějí rychle prototypovat nástroje, hry nebo webové stránky. UX je velmi zjednodušené, například zadáte "hadí hru s hnědým dřevěným pozadím" a rozhraní Alchemist's Sacred Laboratory organizuje agenty umělé inteligence, aby vytvářeli frontendový kód, herní logiku a dokonce i vlastní grafiku ALCH se používá na tržišti Arcane Forge a pro přístup ke službám umělé inteligence společnosti Alchemist. Uživatelé mohou vydělávat ALCH prodejem užitečných aplikací nebo her, tržiště má funkce spropitného a objevování, které odměňují oblíbené aplikace. Společnost Alchemist byla založena v roce 2024 týmem ve Vietnamu, vedou ji Thien Phung Van (zakladatel/finanční ředitel), Trong Pham Van (spoluzakladatel) a Duc Loc "Louis" Nguyen (technický ředitel). Malý tým se zkušenostmi v oblasti softwaru a podnikání (Thien byl dříve generálním ředitelem/finančním ředitelem společnosti Vistia) založil Alchemist jako nefinancovaný startup. TLDR; Kingnet AI se specializuje na automatizaci komplexní tvorby her pro Web3, která se opírá o osvědčenou herní infrastrukturu. Alchemist AI má širší záběr a nabízí rychlé rozhraní LLM pro vytváření jedinečných nástrojů a her s maloobchodní přitažlivostí. Kingnet je doména hluboko v herním průmyslu, zatímco Alchemist je v několika případech použití. Na základě toho je zcela jasné, že Kingnet je ve srovnání s tím silně podhodnocený. Kingnet je mnohem dříve v životním cyklu svých produktů a ještě plně nepropracoval své UX a rozhraní, i když kvalita týmu, zkušeností a podpory výrazně převažuje nad platformou Alchemist, přičemž je 15x nižší v mcap.

Lidé mi k $CODEC gratulují, proč? Zatím jsme ani neviděli: - Nástroj tokenu -Pobídky - Cestovní mapa -Svobodný lid - Nové webové stránky -Tržiště - Budoucí partnerství - Případy použití + více Vše, co jsme viděli, je několik partnerství a vydání jejich agregátoru zdrojů (Fabric). Nepsal jsem několik vláken, několik příspěvků na telegramu, nemluvil jsem s týmem téměř denně, neradil jsem s marketingem, brandingem, umístěním na oslavu 6 mil. mcap. Obal chatgpt anime dívky s růžovými vlasy stačil na 6 mil mcap zpět v AI szn. Projekty byly přes noc posílány na 9místnou částku za vítězství v hackathonu nebo za to, že se na ně zaměřily velké KOL/výzkumníci. Všichni zapomněli, co se stane, když se rozsvítí světla a lidé znovu uvěří. Důvodem, proč jsem minulý týden přešel na tak býčí trend pro onchain, je víra, která je na historických minimech. Minulý měsíc byl jedním z největších pokroků, kterých jsme v tomto odvětví dosáhli, spolu s pozitivním makroekonomickým pozadím. Pamatujete si na ten pocit, když z nebe padají peníze? Možná to nebude trvat příliš dlouho, než to znovu zažijeme.