Agen AI berkembang dari sistem yang hanya merespons menjadi sistem yang dapat bernalar dan mengeksekusi tugas kompleks di dunia nyata.

Mereka bergerak melampaui sekadar menjawab pertanyaan dan mulai menjelajah web, bekerja dengan file, berinteraksi dengan aplikasi, menggunakan API, dan menjalankan tugas multi-langkah. Namun, seiring agen memperoleh lebih banyak otonomi, muncul pertanyaan penting: bagaimana kita memberi AI kemampuan untuk bertindak tanpa mengorbankan keamanan, keandalan, dan kendali pengguna?

@NEAR Protocol ’s IronClaw 1.0 menawarkan pendekatan yang menarik terhadap tantangan ini dengan mendesain ulang cara agen AI berpikir, bertindak, dan mempertahankan progresnya.

IronClaw 1.0: Memisahkan Penalaran Dari Eksekusi

Di inti #IronClaw 1.0 ada gagasan arsitektural yang sederhana namun penting: agen yang membuat keputusan tidak boleh memiliki kontrol tanpa batas atas tindakan yang dilakukannya.

IronClaw memisahkan proses penalaran dari eksekusi melalui lapisan guard khusus.

Agen dapat menalar tentang sebuah tugas, menentukan apa yang perlu dilakukan, dan memilih alat yang sesuai. Guard kemudian menyediakan lapisan koordinasi yang terkontrol antara proses pengambilan keputusan itu dan eksekusi di dunia nyata.

Ini menciptakan lapisan tambahan di mana tindakan dapat dievaluasi dan, jika diperlukan, disetujui secara eksplisit sebelum terjadi.

Untuk lingkungan enterprise, pembedaan ini sangat penting. Agen yang berinteraksi dengan email, file, situs web, kredensial, atau sistem bisnis memerlukan lebih dari sekadar kecerdasan. Agen memerlukan batasan yang dapat diprediksi.

Kinerja Benchmark yang Menonjol

Arsitektur hanya bernilai jika benar-benar diterjemahkan menjadi kinerja nyata.

IronClaw 1.0 menunjukkan kapabilitas di tiga benchmark menggunakan model dasar DeepSeek-V4-Flash.

  • PinchBench: 93,5% IronClaw memimpin benchmark, unggul dari Hermes dan OpenClaw.

  • ClawBench: 88,6% Ia juga menempati peringkat pertama pada tugas agen multi-langkah, mengungguli OpenClaw dan Hermes.

  • OfficeQA: 76,4% IronClaw kembali memimpin pada tugas yang berfokus pada penalaran atas informasi tempat kerja dan enterprise.

Perbandingan benchmark menunjukkan IronClaw tetap memimpin di seluruh tiga evaluasi.


Di ClawBench, IronClaw meraih 88,6%, unggul dari Hermes yang 84% dan OpenClaw yang 82,5%.

Pada OfficeQA, IronClaw mencapai 76,4%, dibandingkan 73,2% untuk Hermes dan 72,4% untuk OpenClaw.

Pada PinchBench, IronClaw mencatat 93,5%, dibandingkan 90% untuk Hermes dan 88,6% untuk OpenClaw.

Hasilnya menyoroti kemampuan IronClaw untuk tampil konsisten di berbagai jenis beban kerja agen.

Intinya, benchmark ini mencakup tantangan yang berbeda. Alih-alih hanya mengukur seberapa baik AI merespons prompt, benchmark ini menilai seberapa efektif sebuah agen dapat menjalankan tugas di lingkungan praktis. Hasil peringkat pertama IronClaw yang konsisten karenanya memberikan bukti yang terukur di balik pendekatannya untuk membangun agen AI yang lebih mumpuni.

Dirancang untuk Alur Kerja AI Dunia Nyata

Nilai IronClaw juga berasal dari infrastruktur yang mengelilingi arsitektur intinya.

Lebih Aman Berdasarkan Desain

Tindakan sensitif dapat memerlukan persetujuan eksplisit, sehingga pengguna memiliki kontrol lebih besar atas apa yang diizinkan untuk dijalankan oleh agen.

Status Persisten

Checkpoint berkelanjutan memungkinkan IronClaw mempertahankan progresnya. Jika sebuah tugas terhenti atau memerlukan persetujuan, agen dapat melanjutkan alih-alih memulai dari awal.

Memori Omni-Kanal

Asisten dapat beroperasi di CLI, Web, Slack, dan Telegram sambil tetap mempertahankan aturan memori dan keamanan yang sama.


Isolasi Tim

Organisasi dapat memisahkan lingkungan dan alur kerja, sehingga IronClaw lebih cocok untuk tim yang menangani proyek, alat, atau tingkat akses yang berbeda.


Pendekatan IronClaw yang multi-kanal menunjukkan bagaimana asisten AI bisa melampaui satu antarmuka, sambil tetap menjaga kesinambungan di berbagai lingkungan.


Alih-alih memperlakukan setiap kanal sebagai interaksi yang terpisah, asisten yang sama dapat beroperasi di CLI, Web, Slack, dan Telegram sambil mempertahankan memori, status, dan aturan keamanannya.


Hal ini menciptakan pengalaman yang lebih terhubung bagi pengguna dan tim yang bekerja di banyak platform.

NEAR AI dan Peran Staking

IronClaw 1.0 adalah bagian dari arah yang lebih luas di sekitar #NEARAI : membangun infrastruktur AI agar kecerdasan bisa menjadi lebih privat, dapat diverifikasi, dan dimiliki pengguna.

Visi ini membutuhkan lebih dari sekadar model AI yang mumpuni. Visi ini juga memerlukan infrastruktur yang dapat mendukung aplikasi terdesentralisasi, agen, dan layanan secara andal.

Di sinilah staking NEAR menjadi relevan.

Staking tidak sekadar tentang mendapatkan imbal hasil. Di level jaringan, NEAR yang dipertaruhkan mendukung sistem validator yang membantu mengamankan blockchain yang mendasarinya. Validator bertanggung jawab menjaga jaringan dan memproses transaksi, sementara insentif ekonomi membantu menyelaraskan partisipan dengan keamanan jaringan.

Untuk AI terdesentralisasi, fondasi ini penting.

Agen AI membutuhkan infrastruktur yang bisa mereka andalkan saat mereka menjadi lebih mumpuni dan otonom. Seiring ekosistem bergerak menuju sistem agen seperti OpenClaw yang akan datang, hubungan antara infrastruktur AI dan keamanan jaringan terdesentralisasi menjadi semakin penting.


Gambaran yang Lebih Besar

IronClaw 1.0 mengarah ke masa depan ketika agen AI dinilai bukan hanya dari seberapa cerdas mereka merespons.

Standar berikutnya juga akan mencakup seberapa aman mereka bertindak, seberapa andal mereka menjaga progres, seberapa konsisten mereka beroperasi di berbagai kanal, dan seberapa besar kontrol yang dipertahankan pengguna.

#NEARAI merepresentasikan visi yang lebih luas, sementara staking menyediakan fondasi keamanan penting bagi infrastruktur terdesentralisasi yang mendasarinya.

Kombinasinya menarik: AI yang bisa berpikir, infrastruktur yang dapat mengoordinasikan, jaringan yang dapat diamankan melalui partisipasi ekonomi, serta pengguna yang dapat mempertahankan kepemilikan lebih besar atas sistem yang mereka gunakan.

Oleh karena itu, IronClaw 1.0 mungkin dipandang lebih dari sekadar rilis agen AI lainnya. Ini adalah gambaran tentang seperti apa infrastruktur untuk ekosistem AI yang lebih mumpuni, lebih aman, dan lebih terdesentralisasi bisa terlihat.

Referensi

  • IronClaw 1.0: https://near.ai/blog/introducing-ironclaw-1-0

  • NEAR AI Staking: https://www.near.ai/blog/staking-for-near-ai

  • NEAR Staking: https://docs.near.org/protocol/network/staking

  • NEAR AI Infrastructure: https://near.ai/blog/near-ai-launches-ironclaw-confidential-gpu-marketplace-and-multimodal-confidential-inference