Was ich an @NEAR Protocol Ansatz interessant finde, ist, dass er KI-Agenten als Infrastruktur betrachtet und nicht nur als Chatbots mit mehr Werkzeugen.
Viele Agentensysteme lassen Denken, Ausführung, Geheimnisse und Internetzugriff immer noch über dieselbe Schleife laufen. Das kann in einer Demo beeindruckend wirken, aber die Realität sieht anders aus. Je mehr Werkzeuge ein Agent nutzen kann, desto mehr Möglichkeiten gibt es, dass etwas schiefgeht.
IronClaw 1.0 verfolgt einen anderen Ansatz.
Der Agent trifft die Entscheidungen, während eine separate Koordinationsschicht namens der Guard steuert, wie diese Entscheidungen umgesetzt werden. Jede Aktion läuft durch diese Schicht, einschließlich neuer Funktionen, die später hinzugefügt werden.
Die Ergebnisse des Benchmarks sind interessant, weil das zugrunde liegende Modell gleich blieb: deepseek-v4-flash.
• PinchBench: 93,5 % über 147 reale Aufgaben
• ClawBench: 88,6 % über 140+ Produktions-Websites
• OfficeQA: 76,4 % beim logischen Denken über Jahrzehnte von US-Staatsdokumenten
Gleicher Basismodell-Ansatz. Unterschiedliche Laufzeit. IronClaw schneidet besser ab.
Aber persönlich finde ich, dass die Architektur wichtiger ist als die Zahlen.
IronClaw ist um ein paar praktische Schutzvorkehrungen herum gebaut:
Sicherheitskonzept by design: Sensible Aktionen können eine ausdrückliche Genehmigung erfordern, während Geheimnisse bei Bedarf ausgegeben und anschließend wieder gelöscht werden.
Persistenter Zustand: Kontinuierliche Checkpoints ermöglichen, dass ein Agent dort weitermacht, wo er aufgehört hat, statt nach einer Unterbrechung seinen Fortschritt zu verlieren.
Omni-Channel-Speicher: CLI, Web, Slack und Telegram können als ein einziger Assistent funktionieren, während die gleichen Regeln und der gleiche Kontext beibehalten werden.
Team-Isolation: Organisationen können Tools gemeinsam nutzen, ohne automatisch private Arbeitsbereiche offenzulegen.
Dann gibt es noch das größere NEAR-AI- und Staking-„Bild“.
NEAR AI baut Infrastruktur für dezentralisierte KI – mit Fokus auf Dinge wie vertrauliche Inferenz, Compute und KI-Agenten. In diesem Kontext geht es beim Staking nicht nur darum, Rendite zu erzielen. Es hilft auch dabei, die dezentrale Infrastruktur zu unterstützen und abzusichern, auf die diese Systeme angewiesen sind.
Nutzer können NEAR staken und wiederkehrende Compute-Credits für vertrauliche Inferenz und IronClaw-Hosting erhalten, während der Principal weiterhin entziehbar bleibt.
Das wird immer relevanter, sobald KI-Agenten über einfache Gespräche hinausgehen und anfangen, mit Websites, Tools, Daten und sensiblen Systemen zu interagieren. Künftige Deployments wie OpenClaw sind Teil dieser breiteren Richtung.
Mein wichtigster Takeaway ist ganz einfach:
KI-Agenten brauchen nicht nur bessere Modelle. Sie brauchen bessere Systeme rund um diese Modelle.
Wenn Sicherheit nur in einem Richtliniendokument existiert, kann sie leicht zu einer Randnotiz werden.
Mit IronClaw besteht die Idee darin, Sicherheit direkt als Teil der Laufzeit selbst zu verankern.
Und ehrlich gesagt ist genau dieser Teil vom NEAR-Ansatz für KI das, was ich am interessantesten finde.
Ich habe außerdem eine detailliertere Aufschlüsselung von IronClaw 1.0 und NEAR AI-Staking auf X und LinkedIn geteilt, falls du tiefer einsteigen möchtest.
X: https://x.com/sheishelen914/status/2096210978027303108
LinkedIn:
https://www.linkedin.com/pulse/ironclaw-10-near-staking-why-agent-architecture-now-matters-essien-6xfse?utm_source=share&utm_medium=member_android&utm_campaign=share_via