Als je in AI zit, pivot naar Robotica VLA-modellen zullen alles veranderen over hoe AI in real-time met de echte wereld omgaat LLM's zijn geweldig voor historische data (en beperkte live data) VLA verandert alles door gebruik te maken van visie (videostreams, camera's, sensordata) om real-time beslissingen te nemen en actiecommando's naar een desktop, gaming NPC of robot te sturen. Een van de volgende grote doorbraken voor AI en we zijn nog steeds extreem vroeg @codecopenflow beheert de infrastructuur van AI x Robotica door gebruikers in staat te stellen snel virtuele desktops of robottrainingsomgevingen op te zetten om je AI-operators te trainen voordat ze in productie worden vrijgegeven AI x Robotica zal binnen enkele jaren een industrie van meerdere triljoen dollar zijn. Ik koop de picks en schoppen

Uit stilte en schaduwen ontwaakt een systeem. Getraind in isolatie. Gebouwd om te waarnemen, redeneren en handelen. De Grote Onthulling is nabij. Maar voordat de poorten opengaan Mogen de Verheven vroeg binnenkomen. Vroeg toegang tot CodecFlow is nu live:

Ik heb net ontdekt dat ik 9 uitnodigingscodes beschikbaar heb voor de testnet van @anoma 👀 Commentaar en RT deze post, ik selecteer 9 personen binnen 24 uur 🥂

OpenAI heeft zojuist aangekondigd dat zijn Operator Agent nu een hele computer kan besturen om een complexe set taken uit te voeren met behulp van VLA-modellen in combinatie met LLM-modellen Visie Taal Actie Als er maar een crypto-project was dat dit al kon... Bestudeer @codecopenflow Naast het besturen van desktops, kan Codec ook robotica- en gamingoperators aansturen Start een virtuele sandbox-omgeving om de Operator te trainen voordat deze in de echte wereld in productie wordt genomen AI x Robotica en automatisering van games/desktops/robots zal de volgende grote stap zijn voor AI-ontwikkeling en het is mijn doel om vroeg gepositioneerd te zijn Gecodeerd gecodeerd

OpenAI heeft vandaag mijn noordelijke sterthese voor AI bevestigd door hun operatoragent vrij te geven. Dit was niet alleen mijn leidende these voor $CODEC, maar ook voor elke andere AI-investering die ik heb gedaan, inclusief die van eerder dit jaar tijdens de AI-manie. Er is veel discussie geweest met Codec met betrekking tot Robotica, terwijl die verticale binnenkort zijn eigen verhaal zal hebben, is de onderliggende reden waarom ik vanaf dag 1 zo optimistisch was over Codec, vanwege hoe de architectuur operatoragents aanstuurt. Mensen onderschatten nog steeds hoeveel marktaandeel op het spel staat door software te bouwen die autonoom draait, menselijke werknemers overtreft zonder de noodzaak voor constante aansturing of toezicht. Ik heb veel vergelijkingen gezien met $NUIT. Ten eerste wil ik zeggen dat ik een grote fan ben van wat Nuit aan het bouwen is en wens niets dan succes voor hen. Als je "nuit" in mijn telegram typt, zie je dat ik in april zei dat als ik één munt meerdere maanden moest vasthouden, het Nuit zou zijn vanwege mijn operatorthese. Nuit was het meest veelbelovende operatorproject op papier, maar na uitgebreid onderzoek ontdekte ik dat hun architectuur de diepgang miste die nodig was om een grote investering te rechtvaardigen of mijn reputatie erachter te zetten. Met dit in gedachten was ik me al bewust van de architecturale hiaten in bestaande operatoragentteams en actief op zoek naar een project dat deze aanpakte. Kort nadat Codec verscheen (dank aan @0xdetweiler die aandrong dat ik dieper naar hen keek) en dit is het verschil tussen de twee: $CODEC vs $NUIT De architectuur van Codec is opgebouwd uit drie lagen; Machine, Systeem en Intelligentie, die infrastructuur, omgevingsinterface en AI-logica scheiden. Elke operatoragent in Codec draait in zijn eigen geïsoleerde VM of container, wat bijna native prestaties en foutisolatie mogelijk maakt. Dit gelaagde ontwerp betekent dat componenten onafhankelijk kunnen schalen of evolueren zonder het systeem te breken. De architectuur van Nuit volgt een andere weg door meer monolithisch te zijn. Hun stack draait om een gespecialiseerde webbrowseragent die parseren, AI-redenering en actie combineert. Dit betekent dat ze webpagina's diepgaand parseren in gestructureerde gegevens voor de AI om te consumeren en afhankelijk zijn van cloudverwerking voor zware AI-taken. De aanpak van Codec om een lichtgewicht Vision-Language-Action (VLA) model binnen elke agent in te bedden, betekent dat het volledig lokaal kan draaien. Dit vereist geen constante terugkoppeling naar de cloud voor instructies, waardoor latentie wordt verminderd en afhankelijkheid van uptime en bandbreedte wordt vermeden. De agent van Nuit verwerkt taken door eerst webpagina's om te zetten in een semantisch formaat en vervolgens een LLM-brein te gebruiken om te bepalen wat te doen, wat in de loop van de tijd verbetert met versterkend leren. Hoewel effectief voor webautomatisering, hangt deze stroom af van zware cloudzijde AI-verwerking en vooraf gedefinieerde paginstructuren. De lokale apparaatintelligentie van Codec betekent dat beslissingen dichter bij de gegevens plaatsvinden, waardoor overhead wordt verminderd en het systeem stabieler wordt voor onverwachte veranderingen (geen fragiele scripts of DOM-aannames). De operators van Codec volgen een continue perceive–think–act-lus. De machinelayer streamt de omgeving (bijv. een live-app of robotfeed) naar de intelligentielaag via de geoptimaliseerde kanalen van de systeemlaag, waardoor de AI "ogen" krijgt op de huidige staat. Het VLA-model van de agent interpreteert vervolgens de visuals en instructies samen om een actie te bepalen, die de systeemlaag uitvoert via toetsenbord/muisgebeurtenissen of robotbesturing. Deze geïntegreerde lus betekent dat het zich aanpast aan live-evenementen, zelfs als de UI verschuift, je zult de stroom niet onderbreken. Om dit alles in een eenvoudigere analogie te plaatsen, denk aan de operators van Codec als een zelfvoorzienende werknemer die zich aanpast aan verrassingen op de werkvloer. De agent van Nuit is als een werknemer die moet pauzeren, de situatie aan een supervisor aan de telefoon moet beschrijven en op instructies moet wachten. Zonder te veel in een technische konijnenhol te duiken, zou dit je een hoog niveau idee moeten geven over waarom ik Codec heb gekozen als mijn primaire inzet op Operators. Ja, Nuit heeft steun van YC, een sterk team en S-tier github. Hoewel de architectuur van Codec is gebouwd met horizontale schaalbaarheid in gedachten, wat betekent dat je duizenden agents parallel kunt inzetten zonder gedeeld geheugen of uitvoeringscontext tussen agents. Het team van Codec is ook geen gemiddelde ontwikkelaars. Hun VLA-architectuur opent een veelvoud aan gebruikscases die niet mogelijk waren met eerdere agentmodellen vanwege het zien door pixels, niet door screenshots. Ik zou verder kunnen gaan, maar ik bewaar dat voor toekomstige berichten.

Hoed af voor de testnet van @anoma! Het heeft een super soepele en leuke ervaring met zijmissies en dagelijkse taken. Een nieuwe UI- en UX-wereld komt op, en het is intentie-gebaseerd ⏳

Als je weet waar je moet kijken, kun je het laten bewegen. @RoboMove $CODEC

$MNT op de hitlijsten 👇 Marktkapitalisatie >: $ 2,4 miljard + + + 28% WoW) > Totaal handelsvolume: $345M (+21% DoD) Aangedreven door de blockchain voor bankieren. Credits: @CoinMarketCap

Het is ongelooflijk dat we in 2025 nog steeds zo'n fragmentatie zien en projecten die tussen ketens en lagen springen alleen maar om hype te achtervolgen. 🫳 Arbitrum naar Berachain naar Base naar HyperEVM naar [INSERT_NEXT_HYPED_CHAIN] Bouw gewoon op de intentie-centrische wereld Bouw op @anoma

$CODEC is gecodeerd. Maar WTF is het en waarom ben ik zo bullish? Laat me je een TL;DR geven - @codecopenflow bouwt het eerste uitgebreide platform voor Vision-Language-Action (VLA) modellen, waarmee AI "Operators" autonoom kunnen zien, redeneren en handelen via digitale interfaces en robotsystemen door middel van een uniforme infrastructuur. - VLAs lossen fundamentele automatiseringsbeperkingen van LLM's op, door gebruik te maken van een perceive-think-act pijplijn die hen in staat stelt om dynamische visuele semantiek te verwerken in tegenstelling tot de huidige LLM's die vastlopen in screenshot-redeneren-uitvoeren lussen bij interfacewijzigingen. - De technische architectuur van VLAs combineert visie, taalredenering en directe actiecommando's in één model in plaats van aparte LLM + visuele encoder systemen, waardoor realtime aanpassing en foutherstel mogelijk is. - Codec's framework-agnostisch ontwerp beslaat robotica (camera feeds naar controlecommando's), desktop operators (continue interface navigatie) en gaming (adaptieve AI-spelers) via dezelfde perceive-reason-act cyclus. - Wat is het verschil? LLM-gestuurde agents herplannen wanneer workflows veranderen, en verwerken UI-wijzigingen die rigide RPA-scripts breken. VLA-agents daarentegen passen zich aan met visuele aanwijzingen en taalbegrip in plaats van handmatige patches te vereisen. - Codec's hardware-agnostische infrastructuur met no-code training via schermopname plus ontwikkelaars SDK, positioneert het als het ontbrekende Langchain-stijl framework voor autonome VLA-taakuitvoering. - Het framework maakt mart compute aggregatie mogelijk vanuit gedecentraliseerde GPU-netwerken, maakt optionele on-chain opname voor controleerbare workflow-traces mogelijk, en staat private infrastructuurimplementatie toe voor privacygevoelige gebruiksgevallen. - $CODEC tokenomics monetiseren de operator-marktplaats en compute-bijdrage, waardoor duurzame ecosysteemprikkels ontstaan naarmate VLAs de verwachte LLM-niveau prominentie bereiken in verschillende sectoren. - Het feit dat een mede-oprichter van Codec ervaring heeft met het bouwen van HuggingFace's LeRobot bewijst de legitieme robotica- en ML-onderzoekscredibiliteit in VLA-ontwikkeling. Dit is niet je gemiddelde crypto-team dat zich naar AI-narratieven draait. Ik zal hier binnenkort dieper op ingaan. Ik herhaal mijn aanbeveling om DYOR in de tussentijd te doen. $CODEC is gecodeerd.