Protocolos e equipes devem parar de pagar KOLs pelo conteúdo. A única vez que as equipes devem distribuir tokens é para KOLs ou membros da comunidade que estão criando alto valor para seus projetos e retornando resultados. Seu produto ou narrativa deve ser interessante o suficiente para que as pessoas com influência queiram automaticamente comprar e escrever sobre ele naturalmente. Estes são os que você deve alocar tokens, não fazendo 3 tópicos pagos para embaixadores que fazem bot para seus seguidores. "E se eu não conseguir que ninguém se interesse pelo meu produto twitte?" Então continue construindo, você claramente não encontrou o nicho certo ou fez networking o suficiente se não conseguir construir alguns apoiadores principais. Minha mensagem para os construtores: construa algo legal o suficiente para que as pessoas naturalmente queiram comprar e escrever, dê tokens aos maiores apoiadores que se alinham com sua visão. Desde: 1. Eles estarão muito mais propensos a trabalhar horas extras e ir além para ajudá-lo a ter sucesso, já que você demonstrou um forte comportamento moral (uma raridade neste espaço) 2. Aqueles que você paga por uma certa quantidade de postagens irão se desfazer assim que o negócio terminar e despejar os tokens Eu não faço promoções pagas de qualquer tipo, mas obviamente não vou recusar tokens gratuitos para um projeto no qual estou extremamente otimista, sem compromisso. Os melhores escritores não podem ser comprados e serão rejeitados se você tentar. Jogue o jogo longo e não pegue atalhos, isso se refletirá em suas ações em todas as verticais do negócio e os traders inteligentes podem sentir o cheiro a uma milha de distância. As campanhas KOL estão mortas, 99,9% das agências de marketing são um desperdício de dinheiro e serão -ev para o seu negócio. A única maneira de penetrar nesse mercado é ter membros da equipe nativos de criptomoedas que estejam dispostos a sujar as mãos.

A OpenAI acaba de confirmar minha tese da estrela do norte para IA hoje, liberando seu agente operador. Essa não foi apenas minha tese orientadora para $CODEC, mas todos os outros investimentos em IA que fiz, incluindo aqueles do início do ano durante a mania de IA. Tem havido muita discussão com o Codec em relação à robótica, embora essa vertical tenha sua própria narrativa muito em breve, a razão subjacente pela qual eu estava tão otimista com o Codec desde o dia 1 é devido à forma como sua arquitetura alimenta os agentes operadores. As pessoas ainda subestimam quanta participação de mercado está em jogo ao criar software que seja executado de forma autônoma, superando os trabalhadores humanos sem a necessidade de avisos ou supervisão constantes. Eu vi muitas comparações com $NUIT. Em primeiro lugar, quero dizer que sou um grande fã do que a Nuit está construindo e não desejo nada além de seu sucesso. Se você digitar "nuit" no meu telegrama, verá que em abril eu disse que se tivesse que segurar uma moeda por vários meses, teria sido Nuit devido à minha tese de operador. Nuit era o projeto de operador mais promissor no papel, mas após uma extensa pesquisa, descobri que sua arquitetura não tinha a profundidade necessária para justificar um grande investimento ou colocar minha reputação por trás dele. Com isso em mente, eu já estava ciente das lacunas arquitetônicas nas equipes de agentes operadores existentes e procurando ativamente por um projeto que as abordasse. Pouco depois que o Codec apareceu (graças a @0xdetweiler insistindo que eu olhasse mais fundo neles) e esta é a diferença entre os dois: $CODEC vs $NUIT A arquitetura do Codec é construída em três camadas; Máquina, Sistema e Inteligência, que separam infraestrutura, interface de ambiente e lógica de IA. Cada agente operador no Codec é executado em sua própria VM ou contêiner isolado, permitindo desempenho quase nativo e isolamento de falhas. Esse design em camadas significa que os componentes podem ser dimensionados ou evoluir de forma independente sem quebrar o sistema. A arquitetura de Nuit segue um caminho diferente por ser mais monolítica. Sua pilha gira em torno de um agente de navegador da Web especializado que combina análise, raciocínio de IA e ação. O que significa que eles analisam profundamente as páginas da web em dados estruturados para a IA consumir e dependem do processamento em nuvem para tarefas pesadas de IA. A abordagem do Codec de incorporar um modelo leve de Visão-Linguagem-Ação (VLA) em cada agente significa que ele pode ser executado totalmente localmente. O que não requer ping constante de volta à nuvem para obter instruções, eliminando a latência e evitando a dependência de tempo de atividade e largura de banda. O agente da Nuit processa tarefas primeiro convertendo páginas da web em um formato semântico e, em seguida, usando um cérebro LLM para descobrir o que fazer, o que melhora com o tempo com o aprendizado por reforço. Embora eficaz para automação da Web, esse fluxo depende do processamento pesado de IA do lado da nuvem e de estruturas de página predefinidas. A inteligência do dispositivo local do Codec significa que as decisões acontecem mais perto dos dados, reduzindo a sobrecarga e tornando o sistema mais estável a mudanças inesperadas (sem scripts frágeis ou suposições DOM). Os operadores do codec seguem um loop contínuo de perceber-pensar-agir. A camada de máquina transmite o ambiente (por exemplo, um aplicativo ao vivo ou feed de robô) para a camada de inteligência por meio dos canais otimizados da camada do sistema, dando à IA "olhos" sobre o estado atual. O modelo VLA do agente interpreta os visuais e as instruções juntos para decidir sobre uma ação, que a camada do sistema executa por meio de eventos de teclado/mouse ou controle de robô. Esse loop integrado significa que ele se adapta a eventos ao vivo, mesmo que a interface do usuário mude, você não interromperá o fluxo. Para colocar tudo isso em uma analogia mais simples, pense nos operadores da Codec como um funcionário autossuficiente que se adapta às surpresas no trabalho. O agente de Nuit é como um funcionário que precisa fazer uma pausa, descrever a situação para um supervisor por telefone e aguardar instruções. Sem entrar muito em uma toca de coelho técnica, isso deve lhe dar uma ideia de alto nível sobre por que escolhi o Codec como minha principal aposta em Operadores. Sim, Nuit tem o apoio da YC, uma equipe empilhada e do github de nível S. Embora a arquitetura do Codec tenha sido construída com o dimensionamento horizontal em mente, o que significa que você pode implantar milhares de agentes em paralelo com zero memória compartilhada ou contexto de execução entre os agentes. A equipe do Codec também não é um desenvolvedor comum. Sua arquitetura VLA abre uma infinidade de casos de uso que não eram possíveis com os modelos de agentes anteriores devido à visualização através de pixels, não de capturas de tela. Eu poderia continuar, mas vou guardar isso para posts futuros.

A questão é que, se você realmente quiser fazer isso neste espaço, todos ao seu redor pensarão que há algo errado com você. Para ser verdadeiramente o 0,001%, a vida fora das trincheiras é quase inexistente. Sem garotas, sem hobbies, sem passeios sociais, sem netflix ou qualquer coisa que o afaste da rotina. É um tipo de mentalidade que é extremamente incontornável até mesmo para atletas profissionais, porque não há razão para você não estar online 24 horas por dia, 7 dias por semana. Estamos presos em nosso próprio paradoxo de liberdade. Todo mundo quer a habilidade mágica de clicar em botões por dinheiro, até a hora de dizer não a 95% das diversões. Amigos e familiares constantemente dão dicas sugerindo que você tem uma forma de doença mental e nunca verá verdadeiramente a visão. O ciúme aumenta quando pedaços de sucesso aparecem, se você observar as pessoas de perto o suficiente, elas sempre revelam suas verdadeiras intenções, mesmo que não tenham a intenção. As menores dicas irão denunciá-los, geralmente de reações emocionais espontâneas no momento em que você só precisa ouvir algumas palavras escorregarem, na maioria das vezes é tudo o que é preciso. À medida que você se torna mais bem-sucedido, aprenda a ficar quieto. Não há necessidade de mencionar seu progresso, por melhor que seja compartilhar com todos e aproveitar os frutos do seu trabalho, isso só atrairá a ganância dos outros. A maioria falha nisso, pois faz do "cara da criptografia" ou "investidor" toda a sua persona. Mesmo se você estiver online 16 horas por dia, ainda precisa ter interesses e ambições fora desse setor. Os amigos devem querer sair com você pela qualidade de sua presença e diferença de humor que você faz enquanto está lá, não quantos números você fez em uma tela. Viver uma vida privada e isolada com um pequeno círculo de indivíduos de qualidade é o melhor truque de vida para a paz de espírito. Se a sua presença não faz as pessoas sentirem algo sem falar sobre dinheiro, você já perdeu.

As pessoas neste aplicativo viram o maior aplicativo gerador de receita em nosso setor arrecadar US$ 1 bilhão em 12 minutos a US$ 1,5 bilhão e disseram "deixe-me curto"

Gráficos negociando como um pequeno grupo de indivíduos em CT identificou o único projeto de construção de infraestrutura para uma das narrativas mais fortes da próxima meia década.

O que é $CODEC Robótica, operadores, jogos? Todos os itens acima e muito mais. O VLA (visão-linguagem-ação) do Codec é um modelo agnóstico de estrutura, permitindo dezenas de casos de uso devido à sua capacidade única de visualizar erros em comparação com os LLMs. Nos últimos 12 meses, vimos que os LLMs funcionam principalmente como mecanismos de looping, impulsionados por dados predefinidos e padrões de resposta. Por serem construídos com base em fala e texto, os LLMs têm uma capacidade limitada de evoluir além da janela do contexto linguístico em que são treinados. Eles não podem interpretar informações sensoriais, como expressões faciais ou pistas emocionais em tempo real, pois seu raciocínio está vinculado à linguagem, não à percepção. A maioria dos agentes hoje combina LLMs baseados em transformadores com codificadores visuais. Eles "veem" a interface por meio de capturas de tela, interpretam o que está na tela e geram sequências de ações, cliques, pressionamentos de tecla, rolagens para seguir instruções e concluir tarefas. É por isso que a IA ainda não substituiu grandes categorias de trabalhos: os LLMs veem capturas de tela, não pixels. Eles não entendem a semântica visual dinâmica do ambiente, apenas o que é legível por meio de quadros estáticos. Seu fluxo de trabalho típico é repetitivo: capture uma captura de tela, raciocine sobre a próxima ação, execute-a, capture outro quadro e repita. Esse loop de percepção-pensamento continua até que a tarefa seja concluída ou o agente falhe. Para realmente generalizar, a IA deve perceber seu ambiente, raciocinar sobre seu estado e agir adequadamente para atingir objetivos, não apenas interpretar instantâneos. Já temos macros, bots RPA e scripts de automação, mas eles são fracos e instáveis. Uma ligeira mudança de pixel ou alteração de layout interrompe o fluxo e requer aplicação manual de patches. Eles não podem se adaptar quando algo muda no fluxo de trabalho. Esse é o gargalo. Visão-Linguagem-Ação (VLA) Os agentes VLA da Codec são executados em um loop intuitivo, mas poderoso: perceber, pensar, agir. Em vez de apenas cuspir texto como a maioria dos LLMs, esses agentes veem seu ambiente, decidem o que fazer e executam. Tudo é empacotado em um pipeline unificado, que você pode visualizar em três camadas principais: Visão O agente primeiro percebe seu ambiente através da visão. Para um agente do operador de desktop, isso significa capturar uma captura de tela ou entrada visual do estado atual (por exemplo, uma janela de aplicativo ou caixa de texto). O componente de visão do modelo VLA interpreta essa entrada, lendo o texto na tela e reconhecendo elementos ou objetos da interface. Também conhecido como os olhos do agente. Idioma Então vem o pensamento. Dado o contexto visual (e quaisquer instruções ou objetivos), o modelo analisa qual ação é necessária. Essencialmente, a IA "pensa" na resposta apropriada da mesma forma que uma pessoa faria. A arquitetura VLA mescla visão e linguagem internamente, para que o agente possa, por exemplo, entender que uma caixa de diálogo pop-up está fazendo uma pergunta sim/não. Em seguida, ele decidirá sobre a ação correta (por exemplo, clique em "OK") com base na meta ou prompt. Servindo como o cérebro do agente, mapeando as entradas percebidas para uma ação. Ação Por fim, o agente atua emitindo um comando de controle para o ambiente. Em vez de texto, o modelo VLA gera uma ação (como um clique do mouse, pressionamento de tecla ou chamada de API) que interage diretamente com o sistema. No exemplo da caixa de diálogo, o agente executaria o clique no botão "OK". Isso fecha o ciclo: depois de agir, o agente pode verificar visualmente o resultado e continuar o ciclo perceber-pensar-agir. As ações são o separador de teclas que as transforma de caixas de bate-papo em operadores reais. Casos de uso Como mencionei, devido à arquitetura, o Codec é independente de narrativa. Assim como os LLMs não são limitados pelas saídas textuais que podem produzir, os VLAs não são limitados pelas tarefas que podem concluir. Robótica Em vez de confiar em scripts antigos ou automação imperfeita, os agentes do VLA recebem informações visuais (feed de câmera ou sensores), passam-nas por um modelo de linguagem para planejamento e, em seguida, geram comandos de controle reais para mover ou interagir com o mundo. Basicamente, o robô vê o que está à sua frente, processa instruções como "mova a lata de Pepsi ao lado da laranja", descobre onde está tudo, como se mover sem derrubar nada e faz isso sem a necessidade de codificação. Esta é a mesma classe de sistema que o RT-2 ou PaLM-E do Google. Grandes modelos que mesclam visão e linguagem para criar ações do mundo real. O trabalho de VLA do CogAct é um bom exemplo, o robô verifica uma tabela desordenada, obtém um prompt natural e executa um loop completo: ID do objeto, planejamento de caminho, execução de movimento. Operadores No ambiente de desktop e da web, os agentes do VLA funcionam basicamente como operadores digitais. Eles "veem" a tela por meio de uma captura de tela ou feed ao vivo, executam isso por meio de uma camada de raciocínio construída em um modelo de linguagem para entender a interface do usuário e o prompt da tarefa e, em seguida, executam as ações com controle real do mouse e do teclado, como um humano faria. Esse loop completo, perceber, pensar, agir é executado continuamente. Portanto, o agente não está reagindo apenas uma vez, ele está navegando ativamente na interface, lidando com fluxos de várias etapas sem precisar de scripts codificados. A arquitetura é uma mistura de visão de estilo OCR para ler texto/botões/ícones, raciocínio semântico para decidir o que fazer e uma camada de controle que pode clicar, rolar, digitar, etc. Onde isso se torna realmente interessante é no tratamento de erros. Esses agentes podem refletir após as ações e replanejar se algo não sair como esperado. Ao contrário dos scripts RPA que são interrompidos se uma interface do usuário for ligeiramente alterada, como um botão mudando de posição ou um rótulo sendo renomeado, um agente VLA pode se adaptar ao novo layout usando dicas visuais e compreensão de linguagem. Torna-o muito mais resiliente para automação do mundo real, onde as interfaces mudam constantemente. Algo com o qual eu pessoalmente lutei ao codificar meus próprios bots de pesquisa por meio de ferramentas como o dramaturgo. Jogos Os jogos são um dos casos de uso mais claros em que os agentes do VLA podem brilhar, pensar neles menos como bots e mais como jogadores de IA imersivos. Todo o fluxo é o mesmo, o agente vê a tela do jogo (quadros, menus, prompts de texto), razões sobre o que deve fazer e, em seguida, joga usando entradas de mouse, teclado ou controlador. Não é focado na força bruta, é a IA aprendendo a jogar como um humano faria. Percepção + pensamento + controle, tudo interligado. O projeto SIMA da DeepMind desbloqueou isso combinando um modelo de linguagem de visão com uma camada preditiva e o colocou em jogos como No Man's Sky e Minecraft. Apenas observando a tela e seguindo as instruções, o agente poderia concluir tarefas abstratas como "fazer uma fogueira" encadeando as etapas certas, coletar madeira, encontrar correspondências e usar o inventário. E também não se limitou a apenas um jogo. Ele transferiu esse conhecimento entre diferentes ambientes. Os agentes de jogos VLA não estão presos a um conjunto de regras. O mesmo agente pode se adaptar a mecânicas completamente diferentes, apenas a partir da visão e da linguagem. E como é construído na infraestrutura LLM, ele pode explicar o que está fazendo, seguir instruções em linguagem natural no meio do jogo ou colaborar com os jogadores em tempo real. Não estamos longe de ter companheiros de equipe de IA que se adaptam ao seu estilo de jogo e personalizações, tudo graças ao Codec.

2023: "O DeFi nunca prosperará sob regulamentação que trata seu token como títulos." 2025: "O ICM nunca prosperará se os tokens não puderem representar legalmente o patrimônio real."

O sucesso do ICM não depende do Launchcoin ou de qualquer plataforma única. É uma mudança de regime de como vemos os projetos de serviços públicos onchain. Passamos de lançamentos multibilionários para pumpfun devido a incompatibilidades insanas de preço e fundamentos. Agora estamos mudando de vaporware para projetos com usuários, volume e receita reais. A maioria desistirá assim que virarmos a esquina da adoção real.

Uma incompatibilidade de preço e fundamentos. $KNET (US$ 8 milhões) vs $ALCH (US$ 120 milhões) @Kingnet_AI Lida com tudo, desde modelagem 2D/3D até rigs completos de personagens, animações, e até geração de código, direto de prompts de linguagem natural. A interface do usuário sem código significa que qualquer pessoa pode ir da ideia à demonstração do jogo Web3 jogável sem tocar em uma linha de código. Acelera as construções, reduz custos e reduz massivamente a barreira. Ele está posicionado para desenvolvedores de jogos nativos da Web3, construtores independentes e pequenos estúdios. Forte ênfase na geração de ativos + prototipagem de ponta a ponta. Basicamente, transforma o desenvolvimento de jogos em um fluxo de trabalho visual de IA, com o objetivo de obter mais conteúdo mais rapidamente, mesmo que você não seja técnico. A KNET alimenta tudo, pagamentos, consultas de IA e, eventualmente, o mercado de ativos gerados. Também tem ganchos de governança. Vinculado à KingNet (grande empresa pública de jogos) e já conectado à Solana, BNB, TON. Vendo a tração inicial + vitórias no hackathon. A Kingnet AI é apoiada pela Kingnet Network Co. Ltd, uma gigante chinesa de jogos de capital aberto fundada em 2008. Com um histórico de títulos de sucesso como Happy Tower, Shushan Legend, MU Miracle e World of Warships Blitz, a empresa é uma das incubadoras mais renomadas em jogos para celular. A Kingnet AI é construída pelo SmileCobra Studio (Cingapura) em parceria exclusiva com o braço da Kingnet em Hong Kong. A empresa-mãe está avaliada em mais de US$ 5 bilhões, com US$ 1 bilhão em seu balanço. @alchemistAIapp Uma plataforma sem código mais ampla que converte prompts do usuário em aplicativos ou jogos totalmente funcionais. Ele usa um mecanismo de IA multiagente (vários modelos especializados) para analisar prompts do usuário, gerar código, criar visuais e montar aplicativos completos em tempo real. Tem como alvo uma ampla base de usuários, de amadores a construtores Web3, que procuram prototipar rapidamente ferramentas, jogos ou sites. O UX é muito simplificado, por exemplo, você entra em "um jogo de cobra com fundo de madeira marrom", e a interface do Laboratório Sagrado do Alchemist organiza os agentes de IA para produzir código de front-end, lógica de jogo e até gráficos personalizados em O ALCH é usado no mercado Arcane Forge e para acessar os serviços de IA do Alchemist. Os usuários podem ganhar ALCH vendendo aplicativos ou jogos úteis, o mercado possui recursos de gorjeta e descoberta para recompensar aplicativos populares. A Alchemist foi fundada em 2024 por uma equipe no Vietnã, liderada por Thien Phung Van (fundador/CFO), Trong Pham Van (cofundador) e Duc Loc "Louis" Nguyen (CTO). Com experiência em software e empreendedorismo (Thien foi anteriormente CEO/CFO da Vistia), a pequena equipe lançou a Alchemist como uma startup sem financiamento. TLDR; A Kingnet AI é especializada, com foco em automatizar a criação de jogos de ponta a ponta para Web3, apoiada por uma infraestrutura de jogos comprovada. O Alchemist AI é mais amplo em escopo, oferecendo uma interface LLM rápida para criar ferramentas e jogos exclusivos com apelo de varejo. Kingnet é profundo em jogos, enquanto Alchemist é domínio em vários casos de uso. Com base nisso, fica bastante claro que a Kingnet está severamente subvalorizada em comparação. A Kingnet está muito mais cedo no ciclo de vida do produto e não desenvolveu totalmente seu UX e interfaces, embora a qualidade da equipe, experiência e apoio supere significativamente a plataforma da Alchemist, sendo 15x menor em mcap.

As pessoas continuam me parabenizando por $CODEC, para quê? Até agora, nem vimos: - Utilitário de token -Incentivos - Roteiro -Demos - Novo site -Mercado - Parcerias futuras - Casos de uso + mais Tudo o que vimos são algumas parcerias e o lançamento de seu agregador de recursos (Fabric). Eu não escrevi vários tópicos, várias postagens no telegram, falei com a equipe quase diariamente, aconselhei sobre marketing, branding, posicionamento para comemorar um mcap de 6 mil. Um invólucro chatgpt de uma garota de anime com cabelo rosa foi suficiente para um mcap de 6 mil em AI szn. Os projetos estavam enviando para 9 dígitos da noite para o dia por vencer um hackathon ou serem destacados por grandes KOLs / pesquisadores. Todo mundo esqueceu o que acontece quando as luzes se acendem e as pessoas acreditam mais uma vez. A razão pela qual mudei tão otimista na semana passada para onchain é a crença de que está em todos os níveis mais baixos de todos os tempos. O mês passado foi uma das maiores progressões que fizemos neste setor, juntamente com um cenário macro positivo. Lembra daquela sensação de dinheiro caindo do céu? Pode não demorar muito até que possamos experimentá-lo novamente.