Протоколы и команды должны прекратить платить KOL за контент. Единственный раз, когда команды должны раздавать токены, это KOL или членам сообщества, которые создают высокую ценность для их проекта и приносят результаты. Ваш продукт или нарратив должны быть достаточно интересными, чтобы влиятельные люди автоматически хотели бы купить и написать о нем естественным образом. Именно этим людям вы должны выделять токены, а не делать 3 оплаченных поста для амбассадоров, которые накручивают своих подписчиков. "Что если я не смогу заинтересовать никого в своем продукте, чтобы они твитнули?" Тогда продолжайте строить, вы явно не нашли правильную нишу или недостаточно наладили связи, если не можете привлечь несколько основных сторонников. Мое сообщение строителям: создайте что-то достаточно крутое, чтобы люди естественным образом хотели бы купить и написать об этом, дайте токены самым большим сторонникам, которые соответствуют вашему видению. Поскольку: 1. Они будут гораздо более склонны работать сверхурочно и делать больше, чтобы помочь вам добиться успеха, поскольку вы продемонстрировали сильное моральное поведение (редкость в этой сфере) 2. Те, кого вы платите за определенное количество постов, исчезнут, как только их сделка закончится, и сбросят токены. Я не занимаюсь оплаченной рекламой любого рода, но я, очевидно, не откажусь от бесплатных токенов для проекта, в который я крайне верю, без каких-либо условий. Лучшие писатели не могут быть куплены и отвергнут, если вы попытаетесь это сделать. Играйте в долгую и не ищите короткие пути, это отразится на ваших действиях во всех аспектах бизнеса, и умные трейдеры могут учуять это за милю. Кампании KOL мертвы, 99,9% маркетинговых агентств - это трата денег и будут -ev для вашего бизнеса. Единственный способ проникнуть на этот рынок - это наличие крипто-ориентированных членов команды, которые готовы засучить рукава.

OpenAI только что подтвердил мою северную звезду тезис для ИИ, выпустив своего оператора-агента. Это не только был мой руководящий тезис для $CODEC, но и для всех других инвестиций в ИИ, которые я сделал, включая те, что были сделаны ранее в этом году во время мании ИИ. С Codec было много обсуждений относительно робототехники, и хотя этот вертикаль скоро будет иметь свою собственную нарратив, основная причина, по которой я был так оптимистичен по поводу Codec с первого дня, заключается в том, как его архитектура поддерживает операторов-агентов. Люди все еще недооценивают, сколько доли рынка на кону, создавая программное обеспечение, которое работает автономно, превосходя человеческих работников без необходимости в постоянных подсказках или контроле. Я видел много сравнений с $NUIT. Прежде всего, я хочу сказать, что я большой поклонник того, что строит Nuit, и желаю им только успеха. Если вы наберете "nuit" в моем телеграме, вы увидите, что в апреле я сказал, что если бы мне пришлось держать одну монету в течение нескольких месяцев, это была бы Nuit из-за моего операционного тезиса. Nuit был самым многообещающим операторским проектом на бумаге, но после обширного исследования я обнаружил, что их архитектура не имеет глубины, необходимой для оправдания крупной инвестиции или поддержки своей репутации. С учетом этого, я уже знал о архитектурных пробелах в существующих командах операторов-агентов и активно искал проект, который бы их устранял. Вскоре после этого появился Codec (благодаря @0xdetweiler, который настаивал, чтобы я глубже изучил их), и вот в чем разница между двумя: $CODEC против $NUIT Архитектура Codec построена на трех уровнях: Машина, Система и Интеллект, которые разделяют инфраструктуру, интерфейс окружения и ИИ-логику. Каждый оператор-агент в Codec работает в своем собственном изолированном виртуальном машине или контейнере, что позволяет достичь почти нативной производительности и изоляции ошибок. Этот многослойный дизайн означает, что компоненты могут масштабироваться или развиваться независимо, не нарушая систему. Архитектура Nuit идет другим путем, будучи более монолитной. Их стек вращается вокруг специализированного веб-браузерного агента, который сочетает парсинг, ИИ-рассуждение и действия. Это означает, что они глубоко парсят веб-страницы в структурированные данные для потребления ИИ и полагаются на облачную обработку для тяжелых задач ИИ. Подход Codec к внедрению легкой модели Vision-Language-Action (VLA) в каждом агенте означает, что она может работать полностью локально. Это не требует постоянного обращения к облаку за инструкциями, что сокращает задержку и избегает зависимости от времени работы и пропускной способности. Агент Nuit обрабатывает задачи, сначала преобразуя веб-страницы в семантический формат, а затем используя мозг LLM, чтобы понять, что делать, что со временем улучшается с помощью обучения с подкреплением. Хотя это эффективно для веб-автоматизации, этот поток зависит от тяжелой облачной обработки ИИ и предопределенных структур страниц. Локальный интеллект устройства Codec означает, что решения принимаются ближе к данным, что снижает накладные расходы и делает систему более стабильной к неожиданным изменениям (без хрупких скриптов или предположений о DOM). Операторы Codec следуют непрерывному циклу восприятия–мышления–действия. Машинный уровень передает окружение (например, живое приложение или поток робота) на уровень интеллекта через оптимизированные каналы уровня системы, давая ИИ "глаза" на текущее состояние. Модель VLA агента затем интерпретирует визуальные данные и инструкции вместе, чтобы решить, какое действие предпринять, которое уровень системы выполняет через события клавиатуры/мыши или управление роботом. Этот интегрированный цикл означает, что он адаптируется к живым событиям, даже если интерфейс пользователя меняется, вы не нарушите поток. Чтобы объяснить все это более простым аналогом, подумайте о операторах Codec как о самодостаточном сотруднике, который адаптируется к неожиданностям на работе. Агент Nuit похож на сотрудника, которому нужно остановиться, описать ситуацию супервайзеру по телефону и ждать инструкций. Не углубляясь слишком сильно в технические детали, это должно дать вам общее представление о том, почему я выбрал Codec как свою основную ставку на операторов. Да, Nuit имеет поддержку от YC, сильную команду и уровень S на github. Хотя архитектура Codec была построена с учетом горизонтального масштабирования, что означает, что вы можете развернуть тысячи агентов параллельно без общей памяти или контекста выполнения между агентами. Команда Codec тоже не средние разработчики. Их архитектура VLA открывает множество вариантов использования, которые были невозможны с предыдущими моделями агентов из-за способности видеть через пиксели, а не скриншоты. Я мог бы продолжать, но оставлю это для будущих постов.

Дело в том, что если вы действительно хотите добиться успеха в этой сфере, все вокруг будут думать, что с вами что-то не так. Чтобы по-настоящему стать 0.001%, жизнь вне окопов почти не существует. Нет девушек, нет хобби, нет социальных мероприятий, нет Netflix или чего-либо, что отвлекает вас от работы. Это тип мышления, который крайне непонятен даже профессиональным спортсменам, потому что нет причин, по которым вы не можете быть онлайн 24/7. Мы застряли в собственном парадоксе свободы. Все хотят волшебной способности нажимать кнопки для заработка, пока не приходит время сказать "нет" 95% удовольствий. Друзья и семья постоянно намекают, что у вас есть форма психического расстройства и никогда не увидят истинного видения. Ревность возрастает, когда кусочки успеха пробиваются наружу; если вы внимательно наблюдаете за людьми, они всегда раскрывают свои истинные намерения, даже если не хотели этого. Самые маленькие намеки выдадут их, обычно это происходит из спонтанных эмоциональных реакций в моменте, когда вам нужно только услышать несколько слов, которые выскользнули, чаще всего этого достаточно. По мере того как вы становитесь более успешным, учитесь молчать. Нет необходимости упоминать о своем прогрессе, как бы здорово это ни было, чтобы поделиться с каждым и насладиться плодами своего труда, это только привлечет жадность со стороны других. Большинство терпят неудачу, так как делают "крипто парнем" или "инвестором" своей целой персоной. Даже если вы онлайн 16 часов в день, вам все равно нужно иметь интересы и амбиции вне этой индустрии. Друзья должны хотеть проводить с вами время из-за качества вашего присутствия и разницы в настроении, которое вы создаете, а не из-за того, сколько цифр вы заработали на экране. Жить частной, уединенной жизнью с небольшим кругом качественных людей — это величайший лайфхак для душевного спокойствия. Если ваше присутствие не заставляет людей чувствовать что-то без разговоров о деньгах, вы уже проиграли.

Люди в этом приложении увидели, как крупнейшее приложение по генерации дохода в нашей отрасли привлекло 1 миллиард долларов за 12 минут при капитализации в 1,5 миллиарда долларов и сказали: "давайте продадим его в шорт".

Торговля по графикам, как небольшая группа людей на CT, выявила единственный проект, который строит инфраструктуру для одного из самых сильных нарративов следующего полувека.

Что такое $CODEC Робототехника, Операторы, Игры? Все вышеперечисленное и больше. Видение-язык-действие (VLA) Codec — это модель, независимая от фреймворка, позволяющая использовать десятки вариантов применения благодаря своей уникальной способности визуализировать ошибки по сравнению с LLM. За последние 12 месяцев мы увидели, что LLM в основном функционируют как механизмы циклического выполнения, управляемые предопределенными данными и шаблонами ответов. Поскольку они построены на речи и тексте, LLM имеют ограниченные возможности эволюционировать за пределами окна лингвистического контекста, на котором они обучены. Они не могут интерпретировать сенсорные данные, такие как выражения лиц или эмоциональные сигналы в реальном времени, так как их рассуждения привязаны к языку, а не к восприятию. Большинство агентов сегодня комбинируют LLM на основе трансформеров с визуальными кодировщиками. Они "видят" интерфейс через скриншоты, интерпретируют то, что на экране, и генерируют последовательности действий, кликов, нажатий клавиш, прокруток, чтобы следовать инструкциям и выполнять задачи. Вот почему ИИ еще не заменил большие категории работ: LLM видят скриншоты, а не пиксели. Они не понимают динамическую визуальную семантику окружающей среды, только то, что читается через статические кадры. Их типичный рабочий процесс повторяется: захватить скриншот, рассуждать о следующем действии, выполнить его, затем захватить другой кадр и повторить. Этот цикл восприятия-размышления продолжается до тех пор, пока задача не будет выполнена или агент не потерпит неудачу. Чтобы действительно обобщить, ИИ должен воспринимать свою среду, рассуждать о своем состоянии и действовать соответствующим образом для достижения целей, а не просто интерпретировать снимки. У нас уже есть макросы, RPA-боты и скрипты автоматизации, но они слабые и нестабильные. Небольшое смещение пикселей или изменение макета нарушает поток и требует ручного исправления. Они не могут адаптироваться, когда что-то меняется в рабочем процессе. Это и есть узкое место. Видение-язык-действие (VLA) Агенты VLA Codec работают по интуитивно понятному, но мощному циклу: воспринимать, думать, действовать. Вместо того чтобы просто выдавать текст, как большинство LLM, эти агенты видят свою среду, решают, что делать, а затем выполняют действия. Все это упаковано в один унифицированный конвейер, который можно визуализировать в три основных слоя: Видение Агент сначала воспринимает свою среду через зрение. Для настольного оператора это означает захват скриншота или визуального ввода текущего состояния (например, окно приложения или текстовое поле). Компонент видения модели VLA интерпретирует этот ввод, считывая текст на экране и распознавая элементы интерфейса или объекты. То есть глаза агента. Язык Затем приходит размышление. Учитывая визуальный контекст (и любые инструкции или цели), модель анализирует, какое действие требуется. По сути, ИИ "думает" о соответствующем ответе, как это сделал бы человек. Архитектура VLA объединяет видение и язык внутри, так что агент может, например, понять, что всплывающее диалоговое окно задает вопрос с ответом "да/нет". Затем он решит, какое действие выполнить (например, нажать "ОК") на основе цели или подсказки. Это служит мозгом агента, сопоставляя воспринимаемые входные данные с действием. Действие Наконец, агент действует, выдавая управляющую команду в окружающую среду. Вместо текста модель VLA генерирует действие (например, клик мышью, нажатие клавиши или вызов API), которое напрямую взаимодействует с системой. В примере с диалогом агент выполнит клик по кнопке "ОК". Это завершает цикл: после действия агент может визуально проверить результат и продолжить цикл восприятия-размышления-действия. Действия являются ключевым разделителем, который превращает их из чат-окон в настоящих операторов. Сценарии использования Как я уже упоминал, благодаря архитектуре Codec является независимым от нарратива. Так же, как LLM не ограничены тем, какие текстовые выходные данные они могут производить, VLA не ограничены тем, какие задачи они могут выполнять. Робототехника Вместо того чтобы полагаться на старые скрипты или несовершенную автоматизацию, агенты VLA принимают визуальный ввод (видеопоток или датчики), пропускают его через языковую модель для планирования, а затем выводят реальные управляющие команды для перемещения или взаимодействия с миром. По сути, робот видит то, что перед ним, обрабатывает инструкции, такие как "переместить банку Pepsi рядом с апельсином", определяет, где что находится, как двигаться, не сбивая ничего, и делает это без необходимости жесткого кодирования. Это та же категория системы, что и RT-2 или PaLM-E от Google. Большие модели, которые объединяют видение и язык для создания реальных действий. Работа CogAct с VLA является хорошим примером: робот сканирует загроможденный стол, получает естественную подсказку и выполняет полный цикл: идентификация объекта, планирование пути, выполнение движения. Операторы В настольной и веб-среде агенты VLA в основном функционируют как цифровые работники. Они "видят" экран через скриншот или живую трансляцию, пропускают это через слой рассуждений, построенный на языковой модели, чтобы понять как интерфейс, так и задачу, а затем выполняют действия с реальным управлением мышью и клавиатурой, как это сделал бы человек. Этот полный цикл восприятия, размышления, действия работает непрерывно. Таким образом, агент не просто реагирует один раз, он активно навигирует по интерфейсу, обрабатывая многоступенчатые потоки без необходимости в жестко закодированных скриптах. Архитектура представляет собой смесь OCR-стиля видения для считывания текста/кнопок/значков, семантического рассуждения для принятия решения о том, что делать, и управляющего слоя, который может кликать, прокручивать, печатать и т.д. Где это становится действительно интересным, так это в обработке ошибок. Эти агенты могут отражать действия и перепланировать, если что-то идет не так, как ожидалось. В отличие от RPA-скриптов, которые ломаются, если интерфейс немного изменяется, например, если кнопка смещается или метка переименовывается, агент VLA может адаптироваться к новому макету, используя визуальные подсказки и понимание языка. Это делает его гораздо более устойчивым для реальной автоматизации, где интерфейсы постоянно меняются. С чем я лично сталкивался, когда кодировал свои собственные исследовательские боты с помощью таких инструментов, как playwright. Игры Игры — один из самых очевидных сценариев использования, где агенты VLA могут проявить себя, думайте о них меньше как о ботах и больше как о погружающихся ИИ-игроках. Весь поток такой же: агент видит экран игры (кадры, меню, текстовые подсказки), размышляет о том, что ему нужно сделать, а затем играет, используя ввод мыши, клавиатуры или контроллера. Это не сосредоточено на грубой силе, это ИИ, который учится играть, как это сделал бы человек. Восприятие + размышление + контроль, все связано вместе. Проект SIMA от DeepMind разблокировал это, объединив модель видения-языка с предсказательным слоем и внедрив его в такие игры, как No Man’s Sky и Minecraft. Просто наблюдая за экраном и следуя инструкциям, агент мог выполнять абстрактные задачи, такие как "построить костер", связывая вместе правильные шаги, собирать дрова, находить спички и использовать инвентарь. И это не ограничивалось только одной игрой. Он перенес эти знания между разными средами. Игровые агенты VLA не привязаны к одному набору правил. Один и тот же агент может адаптироваться к совершенно разным механикам, просто основываясь на видении и языковом основании. И поскольку он построен на инфраструктуре LLM, он может объяснить, что он делает, следовать инструкциям на естественном языке в процессе игры или сотрудничать с игроками в реальном времени. Мы недалеко от того, чтобы иметь ИИ-товарищей, которые адаптируются к вашему стилю игры и персонализациям, благодаря Codec.

2023: "DeFi никогда не будет процветать при регулировании, которое рассматривает его токены как ценные бумаги." 2025: "ICM никогда не будет процветать, если токены не смогут законно представлять реальный капитал."

Успех ICM не зависит от Launchcoin или какой-либо одной платформы. Это изменение режима в том, как мы рассматриваем утилитарные проекты в блокчейне. Мы перешли от многомиллиардных запусков к pumpfun из-за безумных несоответствий в цене и фундаментальных показателях. Теперь мы переходим от vaporware к проектам с реальными пользователями, объемом и доходом. Большинство сдадутся прямо в тот момент, когда мы перейдем к реальному принятию.

Несоответствие между ценой и фундаментальными показателями. $KNET ($8 млн) против $ALCH ($120 млн) @Kingnet_AI Обрабатывает все, от 2D/3D моделирования до полных персонажей, анимаций и даже генерации кода, прямо из подсказок на естественном языке. Интерфейс без кода означает, что любой может перейти от идеи к играбельной демо-версии Web3 игры, не касаясь ни строки кода. Ускоряет сборку, снижает затраты и значительно уменьшает барьеры. Он ориентирован на разработчиков игр в Web3, независимых создателей и небольшие студии. Сильный акцент на генерации активов + прототипировании от начала до конца. По сути, превращает разработку игр в визуальный рабочий процесс ИИ, направленный на более быстрое создание контента, даже если вы не технический специалист. KNET управляет всем: платежами, запросами ИИ и в конечном итоге рынком для сгенерированных активов. Также имеет механизмы управления. Связан с KingNet (крупной публичной игровой компанией) и уже подключен к Solana, BNB, TON. Наблюдается ранняя активность + победы на хакатонах. Kingnet AI поддерживается Kingnet Network Co. Ltd, публичной китайской игровой гигантской компанией, основанной в 2008 году. С историей успешных проектов, таких как Happy Tower, Shushan Legend, MU Miracle и World of Warships Blitz, компания является одной из самых известных инкубаторов в мобильных играх. Kingnet AI создана студией SmileCobra (Сингапур) в эксклюзивном партнерстве с гонконгским подразделением Kingnet. Материнская компания оценивается более чем в 5 миллиардов долларов с 1 миллиардом долларов на балансе. @alchemistAIapp Широкая платформа без кода, которая преобразует пользовательские подсказки в полностью функциональные приложения или игры. Она использует многоагентный ИИ-движок (несколько специализированных моделей) для анализа пользовательских подсказок, генерации кода, создания визуалов и сборки полных приложений в реальном времени. Ориентирована на широкую аудиторию, от любителей до создателей Web3, стремящихся быстро прототипировать инструменты, игры или веб-сайты. UX очень упрощен, например, вы вводите "игру со змеей на коричневом деревянном фоне", и интерфейс Sacred Laboratory Alchemist организует ИИ-агентов для создания фронтенд-кода, логики игры и даже пользовательской графики. ALCH используется на рынке Arcane Forge и для доступа к услугам ИИ Alchemist. Пользователи могут зарабатывать ALCH, продавая полезные приложения или игры, рынок имеет функции чаевых и открытия, чтобы вознаграждать популярные приложения. Alchemist была основана в 2024 году командой во Вьетнаме, возглавляемой Тьеном Фунгом Ваном (основатель/CFO), Тронгом Фамом Ваном (соучредитель) и Дуком Локом "Луисом" Нгуеном (CTO). С опытом в программном обеспечении и предпринимательстве (Тьен ранее был CEO/CFO в Vistia), небольшая команда запустила Alchemist как не финансируемый стартап. Кратко: Kingnet AI специализирована, с акцентом на автоматизацию создания игр от начала до конца для Web3, поддерживаемая проверенной игровой инфраструктурой. Alchemist AI более широкого масштаба, предлагая быстрый интерфейс LLM для создания уникальных инструментов и игр с розничной привлекательностью. Kingnet глубоко погружен в игровую сферу, в то время как Alchemist охватывает несколько случаев использования. Исходя из этого, вполне очевидно, что Kingnet сильно недооценен по сравнению. Kingnet находится на более ранней стадии жизненного цикла продукта и еще не полностью разработал свой UX и интерфейсы, хотя качество команды, опыт и поддержка значительно превышают платформу Alchemist, оставаясь при этом в 15 раз ниже по рыночной капитализации.

Люди продолжают меня поздравлять с $CODEC, за что? Пока что мы даже не видели: - Утилиту токена - Стимулы - Дорожную карту - Демо-версии - Новый сайт - Маркетплейс - Будущие партнерства - Примеры использования + многое другое Все, что мы видели, это несколько партнерств и выпуск их агрегатора ресурсов (Fabric). Я не писал множество тем, множество постов в телеграмме, не общался с командой почти каждый день, не советовал по маркетингу, брендингу, позиционированию, чтобы отпраздновать 6 миллионов капитализации. Обертка chatgpt с аниме-девушкой с розовыми волосами была достаточна для 6 миллионов капитализации в эпоху ИИ. Проекты отправлялись на 9 цифр за ночь за победу в хакатоне или за то, что их освещали крупные KOL/исследователи. Все забыли, что происходит, когда включаются огни, и люди снова начинают верить. Причина, по которой я так оптимистично настроен на протяжении последней недели по onchain, заключается в том, что вера на самом низком уровне. Прошлый месяц стал одним из самых значительных прогрессов, которые мы сделали в этой индустрии, наряду с позитивным макроэкономическим фоном. Помните это чувство, когда деньги падают с неба? Возможно, не пройдет много времени, как мы снова это испытаем.