KI-Agenten werden immer leistungsfähiger.
Doch je leistungsfähiger sie werden, desto wichtiger wird eine Frage.
Können wir tatsächlich kontrollieren, was sie tun?
Das ist eine der Sachen, die meine Aufmerksamkeit geweckt haben, als ich mir IronClaw 1.0 von NEAR AI angesehen habe. @NEAR Protocol
Die meisten Menschen konzentrieren sich darauf, worüber ein KI-Modell nachdenken kann.
IronClaw verfolgt einen etwas anderen Ansatz, indem es darauf achtet, was passiert, nachdem die KI ihre Entscheidung getroffen hat.
Das Modell denkt darüber nach, was getan werden muss.
Dann sitzt der Guard zwischen dem Modell und der Aktion.
Also statt einfach:
KI → Aktion
du erhältst:
KI → Guard → Aktion
Diese Guard bietet einen zentralen Punkt, an dem Aktionen gesteuert werden können. Sensible Aktionen können eine ausdrückliche Freigabe erfordern, und sensible Zugangsdaten werden über zusätzliche Schutzmaßnahmen behandelt.
Und die Leistung ist erwähnenswert.
Mit demselben DeepSeek-V4-Flash-Basismodell meldete IronClaw 1.0:
📌 93.5% PinchBench
📌 88.6% ClawBench
📌 76.4% OfficeQA
Diese Benchmarks betrachten unterschiedliche praktische Fähigkeiten.
PinchBench deckt 147 reale Aufgaben ab.
ClawBench testet Agenten über mehr als 140 echte Websites hinweg.
OfficeQA konzentriert sich auf das logische Schließen anhand einer großen Sammlung von Dokumenten des US-Finanzministeriums.
So geben die Zahlen ein umfassenderes Bild davon, wie der Agent in verschiedenen Arten von Arbeit abschneidet.
Aber ein Feature, das ich persönlich genauso wichtig finde, ist die Fähigkeit, seinen Fortschritt beizubehalten. #NEARAI
IronClaw macht kontinuierlich Checkpoints für seinen Zustand.
Wenn eine Aufgabe unterbrochen wird, kann sie von ihrem vorherigen Zustand aus fortsetzen, statt die gesamte Arbeit wegzuwerfen.
Außerdem unterstützt es CLI, Web, Slack und Telegram, während die Speicher- und Sicherheitsregeln über diese Kanäle hinweg konsistent bleiben.
Für Teams gibt es außerdem verschiedene Optionen zur Isolation, je nachdem, wie die Organisation den Agenten bereitstellen möchte.
Dann geht es zum breiteren NEAR-AI-Ökosystem.
NEAR AI arbeitet an privater und überprüfbarer KI-Infrastruktur, einschließlich vertraulicher Inferenz über Trusted Execution Environments.
Und Staking wird Teil dieses Bildes.
NEAR AI ermöglicht es Nutzern, NEAR zu staken, um Credits für vertrauliche Inferenz und das Hosting des IronClaw-Agenten zu erhalten, während sie das Eigentum am zugrunde liegenden Stake behalten.
Daher glaube ich nicht, dass es sinnvoll ist, NEAR-Staking nur durch die Brillen des Ertrags zu betrachten.
Es gibt außerdem einen Infrastrukturaspekt.
Staking hilft dabei, das zugrunde liegende NEAR-Netzwerk abzusichern, während das neuere NEAR-AI-Staking-Modell dieses wirtschaftliche Commitment mit dem Zugang zu KI-Diensten verbindet.
Das ist der Teil dieser Entwicklung, der für mich am interessantesten ist.
KI wird immer besser darin, nachzudenken.
Jetzt bauen wir Systeme, die es ihr ermöglichen, zu handeln.
Die nächste Herausforderung besteht darin, sicherzustellen, dass es das kann, während die Nutzer weiterhin sinnvolle Kontrolle haben.
IronClaw 1.0 ist ein interessanter Versuch, dieses Problem zu lösen.
Was ist wichtiger, wenn KI-Agenten immer autonomer werden?
Bessere Leistung oder stärkere Kontrolle?