IronClaw 1.0 baru saja memberi staking $NEAR sebuah kasus penggunaan yang nyata di luar yield. Berikut penjelasan lengkap tentang apa yang berubah, mengapa arsitekturnya tetap kuat, dan apa artinya jika Anda memegangnya.
Masalah dengan sebagian besar #AI agen
Setiap kerangka kerja agen yang telah dibangun sejauh ini memiliki kelemahan struktural yang sama. Model yang memutuskan apa yang harus dilakukan terhubung langsung dengan kredensial yang dimilikinya, alat yang dapat dipanggilnya, dan memori yang disimpannya, semuanya digabung dalam satu sistem tanpa pemisahan di antara mereka. Itu berarti satu keputusan buruk, satu alat yang disusupi, atau satu koneksi yang terputus dapat menghapus kemajuan atau mengekspos akses yang seharusnya tidak pernah dimilikinya sejak awal.
@NEAR Protocol membangun IronClaw 1.0 secara khusus untuk menghilangkan risiko itu. Alih-alih satu sistem yang kusut, arsitekturnya memisahkan apa yang diputuskan agen dari apa yang benar-benar diizinkan untuk dieksekusi, dengan mengarahkan setiap aksi melalui satu lapisan koordinasi yang NEAR sebut sebagai guard. Tidak ada apa pun yang mencapai dunia luar sebelum lolos dari checkpoint itu, dan aksi-aksi sensitif memerlukan persetujuan eksplisit sebelum dieksekusi, bukan setelahnya. Kredensial juga tidak pernah diberikan langsung ke tool; kredensial diterbitkan sekali, dibatasi secara sempit, lalu dibersihkan dari log begitu kredensial itu menjalankan fungsinya.
Angka benchmark, dan mengapa angka-angka itu penting
Berjalan di model dasar yang sama untuk setiap pengujian, deepseek-v4-flash, #IronClaw currently memimpin tiga benchmark terpisah yang masing-masing menguji jenis tugas yang berbeda:
PinchBench: 93,5%, meliputi 147 tugas dunia nyata yang mencakup penjadwalan, coding, dan riset
ClawBench: 88,6%, diuji di lebih dari 140 situs produksi langsung, bukan di lingkungan sandbox
OfficeQA: 76,4%, dibangun secara independen oleh Databricks untuk menguji penalaran di sekitar 89.000 halaman dokumen keuangan yang padat
Hal yang layak dipikirkan adalah detailnya: model dasar itu sendiri tidak istimewa. IronClaw menang bukan karena NEAR melatih model yang lebih tajam di bawahnya, melainkan karena arsitektur di sekitar model biasa inilah yang melakukan pekerjaan berat. Itu jauh lebih sulit untuk dipalsukan, dan merupakan keunggulan yang jauh lebih tahan lama untuk dibangun—dibanding sekadar skor benchmark yang ditambah dengan fine-tune khusus.
Di mana staking sebenarnya masuk dalam gambaran ini
Ini bagian yang paling sering dilewatkan begitu saja oleh banyak liputan, dengan memperlakukan staking sebagai semacam isyarat samar menuju keamanan jaringan tanpa pernah menjelaskan keamanan itu membeli apa untuk siapa pun. #NEARAI membuat keterkaitan itu menjadi konkret. Staked $NEAR tidak hanya dibiarkan menumpuk yield; ia berubah langsung menjadi kredit komputasi bulanan, dengan rasio di mana kira-kira setiap 100 NEAR yang distaking membuka sekitar lima dolar dalam kredit yang dapat digunakan. Kredit-kredit ini mendanai hosting IronClaw dan inferensi rahasia tanpa kartu kredit dan tanpa akun penagihan pihak ketiga di mana pun dalam prosesnya. Unstake kapan saja dan NEAR asli Anda kembali sepenuhnya utuh, karena mekanisme itu mengonversi yield dan alokasi, bukan menyentuh pokoknya.
Ini mengubah staking dari posisi pasif menjadi lapisan pengukuran harfiah untuk komputasi AI terdesentralisasi. Setiap agen yang ditambahkan ekosistem ini, IronClaw hari ini, OpenClaw saat ruang ini makin matang, menarik permintaan nyata ke modal yang sama yang distaking untuk mengamankan rantai di bawah semuanya. Semakin banyak agen yang dibangun di infrastruktur ini, mekanisme staking menjadi penopang beban yang penting—bukan sekadar opsional.
Apa artinya ke depan
Sebuah agen yang membuat checkpoint saat terjadi gangguan alih-alih kehilangan progres, yang memerlukan persetujuan eksplisit sebelum sesuatu yang sensitif terjadi, dan membawa memori yang sama di CLI, Slack, Telegram, dan web adalah produk yang benar-benar berfungsi, bukan sekadar materi demo. Ditambah dengan model staking yang mengikat penggunaan nyata dengan keamanan jaringan, ekosistem ini mendapatkan growth loop yang tidak perlu siklus hype untuk terus bekerja—adopsi itu sendiri menghasilkan permintaan.
Apakah mengaitkan staking secara langsung dengan permintaan komputasi mengubah cara Anda memandang tesis jangka panjang $NEAR, atau apakah perlu lebih banyak agen langsung di produksi sebelum kasus itu terbukti sepenuhnya?