I protocolli e i team dovrebbero smettere di pagare i KOL per i contenuti. L'unico momento in cui i team dovrebbero distribuire token è ai KOL o ai membri della comunità che stanno creando un alto valore per il loro progetto e restituendo risultati. Il tuo prodotto o la tua narrativa dovrebbero essere abbastanza interessanti da far sì che le persone influenti vogliano automaticamente acquistarlo e scriverne in modo naturale. Questi sono quelli a cui dovresti allocare token, non fare 3 thread pagati per ambasciatori che gonfiano i loro follower. "E se non riesco a far interessare nessuno al mio prodotto per twittare?" Allora continua a costruire, chiaramente non hai trovato la nicchia giusta o non hai fatto abbastanza networking se non riesci a costruire un paio di sostenitori fondamentali. Il mio messaggio ai costruttori: costruisci qualcosa di abbastanza interessante da far sì che le persone vogliano naturalmente acquistarlo e scriverne, dai token ai più grandi sostenitori che si allineano con la tua visione. Poiché: 1. Saranno molto più propensi a lavorare oltre l'orario e a fare di più per aiutarti a avere successo poiché hai dimostrato un forte comportamento morale (una rarità in questo settore) 2. Quelli che paghi per un certo numero di post si tireranno indietro non appena il loro accordo sarà scaduto e scaricheranno i token. Non faccio promozioni a pagamento di alcun tipo, ma ovviamente non rifiuterò token gratuiti per un progetto in cui sono estremamente ottimista senza condizioni. I migliori scrittori non possono essere comprati e verranno allontanati se ci provi. Gioca a lungo termine e non prendere scorciatoie, si rifletterà nelle tue azioni in ogni settore dell'azienda e i trader intelligenti possono percepirlo da un miglio di distanza. Le campagne KOL sono morte, il 99,9% delle agenzie di marketing sono uno spreco di denaro e saranno -ev per la tua attività. L'unico modo per penetrare in questo mercato è avere membri del team nativi nel crypto disposti a sporcarsi le mani.

OpenAI ha appena confermato la mia tesi della stella polare per l'IA oggi rilasciando il loro agente operatore. Non solo questa è stata la mia tesi guida per $CODEC, ma anche per ogni altro investimento in IA che ho fatto, inclusi quelli all'inizio dell'anno durante la mania dell'IA. C'è stata molta discussione con Codec riguardo alla Robotica; mentre quel settore avrà presto la sua narrativa, il motivo sottostante per cui sono stato così ottimista su Codec fin dal primo giorno è dovuto a come la sua architettura alimenta gli agenti operatori. Le persone sottovalutano ancora quanto mercato sia in gioco costruendo software che funziona autonomamente, superando i lavoratori umani senza la necessità di costanti sollecitazioni o supervisione. Ho visto molte comparazioni con $NUIT. Prima di tutto voglio dire che sono un grande fan di ciò che Nuit sta costruendo e non desidero altro che il loro successo. Se digiti "nuit" nel mio telegram, vedrai che già ad aprile ho detto che se avessi dovuto tenere una moneta per diversi mesi sarebbe stata Nuit a causa della mia tesi sugli operatori. Nuit era il progetto operatore più promettente sulla carta, ma dopo un'ampia ricerca, ho scoperto che la loro architettura mancava della profondità necessaria per giustificare un investimento significativo o per mettere la mia reputazione dietro di essa. Tenendo presente questo, ero già consapevole delle lacune architettoniche nei team di agenti operativi esistenti e stavo attivamente cercando un progetto che le affrontasse. Poco dopo è apparso Codec (grazie a @0xdetweiler che ha insistito affinché guardassi più a fondo in loro) e questa è la differenza tra i due: $CODEC vs $NUIT L'architettura di Codec è costruita su tre livelli; Macchina, Sistema e Intelligenza, che separano infrastruttura, interfaccia ambientale e logica IA. Ogni agente operatore in Codec funziona nel proprio VM o contenitore isolato, consentendo prestazioni quasi native e isolamento dei guasti. Questo design a strati significa che i componenti possono scalare o evolversi indipendentemente senza rompere il sistema. L'architettura di Nuit segue un percorso diverso essendo più monolitica. Il loro stack ruota attorno a un agente browser web specializzato che combina parsing, ragionamento IA e azione. Ciò significa che analizzano profondamente le pagine web in dati strutturati per l'IA da consumare e si basa sull'elaborazione cloud per compiti pesanti di IA. L'approccio di Codec di incorporare un modello Vision-Language-Action (VLA) leggero all'interno di ogni agente significa che può funzionare completamente in locale. Questo non richiede costanti richieste al cloud per istruzioni, eliminando la latenza e evitando la dipendenza da uptime e larghezza di banda. L'agente di Nuit elabora i compiti convertendo prima le pagine web in un formato semantico e poi utilizzando un cervello LLM per capire cosa fare, che migliora nel tempo con l'apprendimento per rinforzo. Sebbene sia efficace per l'automazione web, questo flusso dipende da un'elaborazione pesante dell'IA sul lato cloud e da strutture di pagina predefinite. L'intelligenza locale del dispositivo di Codec significa che le decisioni avvengono più vicino ai dati, riducendo i costi e rendendo il sistema più stabile ai cambiamenti imprevisti (niente script fragili o assunzioni DOM). Gli operatori di Codec seguono un ciclo continuo di percepire-pensare-agire. Il livello macchina trasmette l'ambiente (ad es. un'app live o un feed robotico) al livello intelligenza tramite i canali ottimizzati del livello sistema, dando all'IA "occhi" sullo stato attuale. Il modello VLA dell'agente interpreta quindi insieme le immagini e le istruzioni per decidere un'azione, che il livello Sistema esegue tramite eventi di tastiera/mouse o controllo robotico. Questo ciclo integrato significa che si adatta agli eventi dal vivo, anche se l'interfaccia utente cambia, non interromperai il flusso. Per mettere tutto questo in un'analogia più semplice, pensa agli operatori di Codec come a un dipendente autosufficiente che si adatta alle sorprese sul lavoro. L'agente di Nuit è come un dipendente che deve fermarsi, descrivere la situazione a un supervisore al telefono e aspettare istruzioni. Senza scendere troppo in un buco tecnico, questo dovrebbe darti un'idea ad alto livello sul perché ho scelto Codec come la mia scommessa principale sugli operatori. Sì, Nuit ha il supporto di YC, un team eccezionale e un github di livello S. Anche se l'architettura di Codec è stata costruita tenendo presente la scalabilità orizzontale, il che significa che puoi distribuire migliaia di agenti in parallelo senza memoria condivisa o contesto di esecuzione tra gli agenti. Il team di Codec non è nemmeno composto da sviluppatori medi. La loro architettura VLA apre una moltitudine di casi d'uso che non erano possibili con i modelli di agenti precedenti a causa della visione attraverso i pixel, non degli screenshot. Potrei continuare, ma lo riserverò per post futuri.

Il fatto è che, se vuoi davvero avere successo in questo settore, tutti intorno a te penseranno che c'è qualcosa che non va in te. Per essere veramente lo 0,001%, la vita al di fuori delle trincee è quasi inesistente. Niente ragazze, niente hobby, niente uscite sociali, niente Netflix o qualsiasi cosa che ti allontani dal lavoro. È un tipo di mentalità che è estremamente poco comprensibile anche per atleti professionisti, perché non c'è motivo per cui tu non possa essere online 24 ore su 24, 7 giorni su 7. Siamo bloccati nel nostro stesso paradosso di libertà. Tutti vogliono la magica abilità di cliccare pulsanti per fare soldi, fino a quando non è il momento di dire no al 95% dei divertimenti. Amici e familiari continueranno a lanciare suggerimenti che indicano che hai una forma di malattia mentale e non vedranno mai veramente la visione. La gelosia aumenta quando piccoli successi si fanno strada, se osservi le persone abbastanza da vicino, rivelano sempre le loro vere intenzioni, anche se non lo volevano fare. I più piccoli indizi li tradiranno, di solito da reazioni emotive spontanee nel momento in cui hai solo bisogno di sentire alcune parole scivolare, la maggior parte delle volte è tutto ciò che serve. Man mano che diventi più successo, impara a rimanere in silenzio. Non c'è bisogno di menzionare i tuoi progressi, per quanto sarebbe bello condividerli con tutti e godere dei frutti del tuo lavoro, attirerà solo avidità da parte degli altri. La maggior parte fallisce in questo poiché fa del "crypto guy" o "investitore" la propria intera persona. Anche se sei online 16 ore al giorno, hai comunque bisogno di avere interessi e ambizioni al di fuori di questo settore. Gli amici dovrebbero voler passare del tempo con te per la qualità della tua presenza e la differenza di umore che porti mentre sei lì, non per quanti numeri hai fatto su uno schermo. Vivere una vita privata, isolata con un piccolo gruppo di individui di qualità è il miglior trucco per la pace mentale. Se la tua presenza non fa sentire le persone qualcosa senza parlare di soldi, hai già perso.

Le persone su questa app hanno visto la più grande app generatrice di entrate nel nostro settore raccogliere 1 miliardo di dollari in 12 minuti con una capitalizzazione di mercato di 1,5 miliardi di dollari e hanno detto "lasciami fare short".

Il trading dei grafici come un piccolo gruppo di individui su CT ha identificato l'unico progetto che costruisce infrastrutture per una delle narrazioni più forti del prossimo mezzo decennio.

Cos'è $CODEC Robotica, Operatori, Gioco? Tutto quanto e oltre. La visione-linguaggio-azione (VLA) di Codec è un modello agnostico rispetto al framework, che consente decine di casi d'uso grazie alla sua unica capacità di visualizzare errori rispetto agli LLM. Negli ultimi 12 mesi, abbiamo visto che gli LLM funzionano principalmente come meccanismi di looping, guidati da dati e schemi di risposta predefiniti. Poiché sono costruiti su discorsi e testi, gli LLM hanno una capacità limitata di evolversi oltre la finestra di contesto linguistico su cui sono addestrati. Non possono interpretare input sensoriali, come espressioni facciali o segnali emotivi in tempo reale, poiché il loro ragionamento è vincolato al linguaggio, non alla percezione. La maggior parte degli agenti oggi combina LLM basati su transformer con codificatori visivi. "Vedono" l'interfaccia attraverso screenshot, interpretano ciò che è sullo schermo e generano sequenze di azioni, clic, battute, scorrimenti per seguire istruzioni e completare compiti. Ecco perché l'IA non ha ancora sostituito grandi categorie di lavori: gli LLM vedono screenshot, non pixel. Non comprendono la semantica visiva dinamica dell'ambiente, solo ciò che è leggibile attraverso fotogrammi statici. Il loro flusso di lavoro tipico è ripetitivo: catturare uno screenshot, ragionare sulla prossima azione, eseguirla, quindi catturare un altro fotogramma e ripetere. Questo ciclo percepisci-pensa continua fino al completamento del compito o al fallimento dell'agente. Per generalizzare veramente, l'IA deve percepire il proprio ambiente, ragionare sul proprio stato e agire in modo appropriato per raggiungere obiettivi, non solo interpretare istantanee. Abbiamo già macro, bot RPA e script di automazione, ma sono deboli e instabili. Un leggero spostamento di pixel o un cambiamento di layout interrompe il flusso e richiede una correzione manuale. Non possono adattarsi quando qualcosa cambia nel flusso di lavoro. Questo è il collo di bottiglia. Vision-Language-Action (VLA) Gli agenti VLA di Codec funzionano su un ciclo intuitivo ma potente: percepire, pensare, agire. Invece di sputare solo testo come la maggior parte degli LLM, questi agenti vedono il loro ambiente, decidono cosa fare e poi eseguono. È tutto confezionato in un'unica pipeline unificata, che puoi visualizzare in tre strati fondamentali: Visione L'agente prima percepisce il proprio ambiente attraverso la visione. Per un agente Operatore desktop, questo significa catturare uno screenshot o un input visivo dello stato attuale (ad es. una finestra dell'app o una casella di testo). Il componente visivo del modello VLA interpreta questo input, leggendo il testo sullo schermo e riconoscendo elementi o oggetti dell'interfaccia. Vale a dire, gli occhi dell'agente. Linguaggio Poi arriva il pensiero. Dato il contesto visivo (e eventuali istruzioni o obiettivi), il modello analizza quale azione è richiesta. Fondamentalmente, l'IA "pensa" alla risposta appropriata proprio come farebbe una persona. L'architettura VLA fonde internamente visione e linguaggio, quindi l'agente può, ad esempio, capire che un dialogo pop-up sta ponendo una domanda sì/no. Deciderà quindi l'azione corretta (ad es. cliccare "OK") in base all'obiettivo o al prompt. Funziona come il cervello dell'agente, mappando gli input percepiti a un'azione. Azione Infine, l'agente agisce emettendo un comando di controllo all'ambiente. Invece di testo, il modello VLA genera un'azione (come un clic del mouse, una battuta o una chiamata API) che interagisce direttamente con il sistema. Nell'esempio del dialogo, l'agente eseguirebbe il clic sul pulsante "OK". Questo chiude il ciclo: dopo aver agito, l'agente può controllare visivamente il risultato e continuare il ciclo percepisci–pensa–agisci. Le azioni sono il separatore chiave che li trasforma da caselle di chat a veri e propri operatori. Casi d'uso Come ho già accennato, grazie all'architettura, Codec è agnostico rispetto alla narrativa. Proprio come gli LLM non sono vincolati da quali output testuali possono produrre, i VLA non sono vincolati da quali compiti possono completare. Robotica Invece di fare affidamento su vecchi script o automazione imperfetta, gli agenti VLA prendono input visivi (flusso video o sensori), lo passano attraverso un modello linguistico per la pianificazione, quindi emettono comandi di controllo reali per muoversi o interagire con il mondo. Fondamentalmente, il robot vede ciò che ha di fronte, elabora istruzioni come "sposta la lattina di Pepsi accanto all'arancia", capisce dove si trova tutto, come muoversi senza rovesciare nulla, e lo fa senza alcun hardcoding richiesto. Questo è lo stesso tipo di sistema dei modelli RT-2 o PaLM-E di Google. Grandi modelli che fondono visione e linguaggio per creare azioni nel mondo reale. Il lavoro VLA di CogAct è un buon esempio, il robot scansiona un tavolo disordinato, riceve un prompt naturale e esegue un ciclo completo: identificazione dell'oggetto, pianificazione del percorso, esecuzione del movimento. Operatori Nell'ambiente desktop e web, gli agenti VLA funzionano fondamentalmente come lavoratori digitali. "Vedono" lo schermo attraverso uno screenshot o un feed dal vivo, eseguono questo attraverso uno strato di ragionamento costruito su un modello linguistico per comprendere sia l'interfaccia utente che il prompt del compito, quindi eseguono le azioni con un reale controllo del mouse e della tastiera, proprio come farebbe un umano. Questo ciclo completo, percepire, pensare, agire, funziona continuamente. Quindi l'agente non sta solo reagendo una volta, sta attivamente navigando nell'interfaccia, gestendo flussi a più passaggi senza necessità di script hardcoded. L'architettura è un mix di visione in stile OCR per leggere testo/pulsanti/icona, ragionamento semantico per decidere cosa fare e uno strato di controllo che può cliccare, scorrere, digitare, ecc. Dove questo diventa davvero interessante è nella gestione degli errori. Questi agenti possono riflettere dopo le azioni e ripianificare se qualcosa non va come previsto. A differenza degli script RPA che si rompono se un'interfaccia cambia leggermente, come un pulsante che cambia posizione o un'etichetta che viene rinominata, un agente VLA può adattarsi al nuovo layout utilizzando indizi visivi e comprensione del linguaggio. Rende l'automazione nel mondo reale molto più resiliente, dove le interfacce cambiano costantemente. Qualcosa con cui ho personalmente lottato quando ho codificato i miei bot di ricerca attraverso strumenti come playwright. Gioco Il gioco è uno dei casi d'uso più chiari in cui gli agenti VLA possono brillare, pensali meno come bot e più come giocatori AI immersivi. L'intero flusso è lo stesso, l'agente vede lo schermo di gioco (fotogrammi, menu, prompt di testo), ragiona su cosa dovrebbe fare, quindi gioca utilizzando input da mouse, tastiera o controller. Non si concentra sulla forza bruta, questa è un'IA che impara a giocare come farebbe un umano. Percezione + pensiero + controllo, tutto legato insieme. Il progetto SIMA di DeepMind ha sbloccato questo combinando un modello visione-linguaggio con uno strato predittivo e inserendolo in giochi come No Man's Sky e Minecraft. Solo osservando lo schermo e seguendo le istruzioni, l'agente potrebbe completare compiti astratti come "costruire un falò" concatenando i passaggi giusti, raccogliere legna, trovare fiammiferi e usare l'inventario. E non era limitato a un solo gioco. Ha trasferito quella conoscenza tra ambienti diversi. Gli agenti di gioco VLA non sono bloccati in un unico insieme di regole. Lo stesso agente può adattarsi a meccaniche completamente diverse, solo dalla base visiva e linguistica. E poiché è costruito su un'infrastruttura LLM, può spiegare cosa sta facendo, seguire istruzioni in linguaggio naturale durante il gioco o collaborare con i giocatori in tempo reale. Non siamo lontani dall'avere compagni AI che si adattano al tuo stile di gioco e alle tue personalizzazioni, tutto grazie a Codec.

2023: "La DeFi non prospererà mai sotto una regolamentazione che tratta i suoi token come titoli." 2025: "L'ICM non prospererà mai se i token non possono rappresentare legalmente un'equità reale."

Il successo di ICM non dipende da Launchcoin o da nessuna piattaforma singola. È un cambiamento di regime nel modo in cui vediamo i progetti di utilità onchain. Siamo passati da lanci da miliardi di dollari a pumpfun a causa di incredibili disallineamenti tra prezzo e fondamentali. Ora stiamo passando da vaporware a progetti con utenti reali, volume e ricavi. La maggior parte si arrenderà proprio quando stiamo per raggiungere l'angolo dell'adozione reale.

Una discrepanza tra prezzo e fondamentali. $KNET ($8 milioni) vs $ALCH ($120 milioni) @Kingnet_AI Gestisce tutto, dalla modellazione 2D/3D a rigging di personaggi completi, animazioni e persino generazione di codice, direttamente da prompt in linguaggio naturale. L'interfaccia senza codice significa che chiunque può passare dall'idea a una demo di gioco Web3 giocabile senza toccare una riga di codice. Accelera le costruzioni, riduce i costi e abbassa enormemente la barriera. È posizionato verso sviluppatori di giochi nativi Web3, costruttori indie e piccoli studi. Forte enfasi sulla generazione di asset + prototipazione end-to-end. Fondamentalmente trasforma lo sviluppo di giochi in un flusso di lavoro visivo AI, mirato a ottenere più contenuti più velocemente, anche se non sei tecnico. KNET alimenta tutto, pagamenti, query AI e, infine, il marketplace per asset generati. Ha anche ganci di governance. Legato a KingNet (grande azienda di giochi pubblica) e già integrato in Solana, BNB, TON. Sta vedendo un'iniziale trazione + vittorie in hackathon. Kingnet AI è sostenuto da Kingnet Network Co. Ltd, un gigante del gaming cinese quotato in borsa fondato nel 2008. Con un track record di titoli di successo come Happy Tower, Shushan Legend, MU Miracle e World of Warships Blitz, l'azienda è uno dei più rinomati incubatori nel gaming mobile. Kingnet AI è costruito da SmileCobra Studio (Singapore) in esclusiva partnership con il ramo di Kingnet a Hong Kong. La società madre è valutata oltre $5 miliardi con $1 miliardo nel suo bilancio. @alchemistAIapp Una piattaforma no code più ampia che converte i prompt degli utenti in app o giochi completamente funzionali. Utilizza un motore AI multi-agente (modelli specializzati multipli) per analizzare i prompt degli utenti, generare codice, creare visuali e assemblare applicazioni complete in tempo reale. Si rivolge a un'ampia base di utenti, da hobbisti a costruttori Web3, che cercano di prototipare rapidamente strumenti, giochi o siti web. L'UX è molto semplificato, ad esempio inserisci "un gioco di serpenti con uno sfondo di legno marrone", e l'interfaccia del Laboratorio Sacro di Alchemist organizza gli agenti AI per produrre codice front end, logica di gioco e persino grafiche personalizzate. ALCH è utilizzato nel marketplace Arcane Forge e per accedere ai servizi AI di Alchemist. Gli utenti possono guadagnare ALCH vendendo applicazioni o giochi utili, il marketplace ha funzionalità di mancia e scoperta per premiare le app popolari. Alchemist è stata fondata nel 2024 da un team in Vietnam, è guidata da Thien Phung Van (fondatore/CFO), Trong Pham Van (co-fondatore) e Duc Loc “Louis” Nguyen (CTO). Con esperienze in software e imprenditorialità (Thien era precedentemente CEO/CFO di Vistia), il piccolo team ha lanciato Alchemist come una startup non finanziata. TLDR; Kingnet AI è specializzato, con un focus sull'automazione della creazione di giochi end-to-end per Web3, sostenuto da un'infrastruttura di gioco comprovata. Alchemist AI è più ampio nel suo ambito, offrendo un'interfaccia LLM veloce per costruire strumenti e giochi unici con appeal al dettaglio. Kingnet è profondo nel dominio del gaming, mentre Alchemist è ampio su diversi casi d'uso. Basato su questo, è abbastanza chiaro che Kingnet è gravemente sottovalutato in confronto. Kingnet è molto più avanti nel loro ciclo di vita del prodotto e non ha ancora completamente sviluppato la loro UX e interfacce, anche se la qualità del team, l'esperienza e il supporto superano significativamente la piattaforma di Alchemist, pur essendo 15 volte inferiore in mcap.

La gente continua a congratularsi con me per $CODEC, a cosa serve? Finora, non abbiamo nemmeno visto: - Utilità del token - Incentivi - Roadmap - Dimostrazioni - Nuovo sito web - Marketplace - Futuri partenariati - Casi d'uso + altro Tutto ciò che abbiamo visto sono stati alcuni partenariati e il rilascio del loro aggregatore di risorse (Fabric). Non ho scritto più thread, più post su telegram, parlato con il team quasi quotidianamente, consigliato sulla marketing, branding, posizionamento per festeggiare un mcap di 6 milioni. Un wrapper di chatgpt di una ragazza anime con i capelli rosa è stato sufficiente per un mcap di 6 milioni durante la stagione AI. I progetti venivano inviati a 9 cifre da un giorno all'altro per vincere un hackathon o essere messi in evidenza da grandi KOL/researcher. Tutti hanno dimenticato cosa succede quando si accendono le luci e la gente crede di nuovo. Il motivo per cui sono diventato così ottimista questa settimana per onchain è che la fiducia è ai minimi storici. L'ultimo mese ha visto alcuni dei progressi più grandi che abbiamo fatto in questo settore insieme a un contesto macro positivo. Ricordi quella sensazione di soldi che cadono dal cielo? Potrebbe non passare molto tempo prima che possiamo viverla di nuovo.