#agent
agent
88,512 skatījumi
220 piedalās diskusijā
Populārie
Jaunumi
【Datu plūsma】AI Aģenta tokeni: Ko mums var pastāstīt ķēdes dati?
Pēdējā laikā AI Aģenta sektora tokeni parādījuši spēcīgu sniegumu, bet FOMO noskaņojums arī pieaug. Izmantojot ķēdes datus, veiksim šo sektoru "pārbaudi".
📊 Galvenie rādītāji:
1️⃣ Pozīciju koncentrācija (pirmajās 10 adresēs turēto pozīciju īpatsvars)
Tokenu turēšanas koncentrācija jo augstāka, jo zemāki ir izsistīšanas izmaksas, bet izsistīšanas risks ir lielāks. AI Aģenta sektorā vairums tokenu pirmajās 10 pozīcijās ir 30-60% diapazonā, kas ir vidēja koncentrācija.
2️⃣ Līgumu mijiedarbības aktivitāte
Pēdējās 30 dienās līgumu izsaukumu apjoms salīdzinājumā ar 90 dienu vidējo: galvenie AI tokeni pieauguši 2-5 reizes, norādot uz reālu izmantošanu, ne tikai spekulācijām.
3️⃣ Milzu valūtas pozīciju izmaiņas
Izmantojot ķēdes atzīmes, sekojam zināmajām milzu adresēm; pēdējās 7 dienās visvairāk tīrā pirkuma koncentrācija ir $FET , $GRASS un citiem veciem AI tokeniem, savukārt jaunā stāsta tokeni ir piedzīvojuši tīro plūsmu.
4️⃣ Likviditātes seguma koeficients
CEX noguldījumu adreses atlikums / dienas vidējais tirdzniecības apjoms; jo augstāks ir koeficients, jo spēcīgāka ir realizācijas spēja. Veselīgs diapazons > 3x.
🔍 Secinājums:
Sektors kopumā ir karsts, bet iekšējā struktūra ir diferencēta - vecie AI tokeni ir ar reāliem ķēdes datiem, jaunā stāsta tokeni ir vairāk finansējuma rotācijas efekts.
Darījumu ieteikums: iepirkties augstāk jābūt uzmanīgiem, pievērst uzmanību ķēdes aktivitātes nepārtrauktai izaugsmei, nevis vienkārši skatīties uz koncepcijas karstumu.
#AI #Agent #链上数据 #kriptovalūtu ieguldījumi
Pēdējā laikā AI Aģenta sektora tokeni parādījuši spēcīgu sniegumu, bet FOMO noskaņojums arī pieaug. Izmantojot ķēdes datus, veiksim šo sektoru "pārbaudi".
📊 Galvenie rādītāji:
1️⃣ Pozīciju koncentrācija (pirmajās 10 adresēs turēto pozīciju īpatsvars)
Tokenu turēšanas koncentrācija jo augstāka, jo zemāki ir izsistīšanas izmaksas, bet izsistīšanas risks ir lielāks. AI Aģenta sektorā vairums tokenu pirmajās 10 pozīcijās ir 30-60% diapazonā, kas ir vidēja koncentrācija.
2️⃣ Līgumu mijiedarbības aktivitāte
Pēdējās 30 dienās līgumu izsaukumu apjoms salīdzinājumā ar 90 dienu vidējo: galvenie AI tokeni pieauguši 2-5 reizes, norādot uz reālu izmantošanu, ne tikai spekulācijām.
3️⃣ Milzu valūtas pozīciju izmaiņas
Izmantojot ķēdes atzīmes, sekojam zināmajām milzu adresēm; pēdējās 7 dienās visvairāk tīrā pirkuma koncentrācija ir $FET , $GRASS un citiem veciem AI tokeniem, savukārt jaunā stāsta tokeni ir piedzīvojuši tīro plūsmu.
4️⃣ Likviditātes seguma koeficients
CEX noguldījumu adreses atlikums / dienas vidējais tirdzniecības apjoms; jo augstāks ir koeficients, jo spēcīgāka ir realizācijas spēja. Veselīgs diapazons > 3x.
🔍 Secinājums:
Sektors kopumā ir karsts, bet iekšējā struktūra ir diferencēta - vecie AI tokeni ir ar reāliem ķēdes datiem, jaunā stāsta tokeni ir vairāk finansējuma rotācijas efekts.
Darījumu ieteikums: iepirkties augstāk jābūt uzmanīgiem, pievērst uzmanību ķēdes aktivitātes nepārtrauktai izaugsmei, nevis vienkārši skatīties uz koncepcijas karstumu.
#AI #Agent #链上数据 #kriptovalūtu ieguldījumi
Skatīt tulkojumu
📰 加密市场热点速递
1. OpenRouter发布Fusion复合模型接口
OpenRouter近日推出Fusion复合模型方案，可将同一提示并行分发给多个大模型，再通过裁判与合成模型整合最终答案。最新基准测试显示，多模型协同在复杂推理与深度研究任务中明显优于传统单模型，体现出“多视角互补”的价值。市场关注点在于，该方案有望以更低成本获得接近头部闭源模型的效果，推动AI基础设施朝“模型编排+结果合成”方向加速演进。
2. 多模型混搭提升性价比成行业看点
从公开测试结果看，不同厂商模型组合在复杂任务中表现更强，既能提升答案稳定性，也能增强推理覆盖面。值得注意的是，即便是同一模型进行双路协同与自我合成，也出现了较明显的分数提升。这说明复合式推理正在从“堆参数”转向“重编排”，未来或带动推理层、中间件层和AI服务聚合平台获得更多市场关注，相关技术路径值得持续跟踪。
3. Databricks开源Omnigent切入Agent管控
Databricks近期开源元排布框架Omnigent，支持运行在多个现有Agent工具之上，并将不同框架下的智能体转化为可互操作组件，缓解接口割裂与协作困难问题。其核心亮点在于可在元排布层执行有状态安全策略，不再仅依赖提示词约束。对于企业级AI落地而言，这类具备跨Agent编排、权限审查、过程干预能力的基础设施，正成为部署智能体系统的重要支撑。
4. 安全审批与成本控制成为Agent落地重点
Omnigent还强化了实时风控、预算管理与协作能力，例如可在检测到高风险动作后中断流程并请求人工审批，也可在模型调用成本达到上限时自动暂停任务。系统同时提供沙箱化网络请求拦截与团队共享会话功能，凸显Agent应用正从“能否完成任务”转向“是否可控、可审计、可协同”。这一趋势或将推动企业更重视AI治理、成本监控与合规基础设施建设。
#AI #Agent #crypto
1. OpenRouter发布Fusion复合模型接口
OpenRouter近日推出Fusion复合模型方案，可将同一提示并行分发给多个大模型，再通过裁判与合成模型整合最终答案。最新基准测试显示，多模型协同在复杂推理与深度研究任务中明显优于传统单模型，体现出“多视角互补”的价值。市场关注点在于，该方案有望以更低成本获得接近头部闭源模型的效果，推动AI基础设施朝“模型编排+结果合成”方向加速演进。
2. 多模型混搭提升性价比成行业看点
从公开测试结果看，不同厂商模型组合在复杂任务中表现更强，既能提升答案稳定性，也能增强推理覆盖面。值得注意的是，即便是同一模型进行双路协同与自我合成，也出现了较明显的分数提升。这说明复合式推理正在从“堆参数”转向“重编排”，未来或带动推理层、中间件层和AI服务聚合平台获得更多市场关注，相关技术路径值得持续跟踪。
3. Databricks开源Omnigent切入Agent管控
Databricks近期开源元排布框架Omnigent，支持运行在多个现有Agent工具之上，并将不同框架下的智能体转化为可互操作组件，缓解接口割裂与协作困难问题。其核心亮点在于可在元排布层执行有状态安全策略，不再仅依赖提示词约束。对于企业级AI落地而言，这类具备跨Agent编排、权限审查、过程干预能力的基础设施，正成为部署智能体系统的重要支撑。
4. 安全审批与成本控制成为Agent落地重点
Omnigent还强化了实时风控、预算管理与协作能力，例如可在检测到高风险动作后中断流程并请求人工审批，也可在模型调用成本达到上限时自动暂停任务。系统同时提供沙箱化网络请求拦截与团队共享会话功能，凸显Agent应用正从“能否完成任务”转向“是否可控、可审计、可协同”。这一趋势或将推动企业更重视AI治理、成本监控与合规基础设施建设。
#AI #Agent #crypto
Kembridžas un Čikāgas universitāte atver avotus DecentMem: decentralizētā atmiņa uzlabo vairāku aģentu sadarbību par 24%
Kembridžas universitātes un Čikāgas universitātes komanda ir atvērusi vairāku aģentu atmiņas ietvaru DecentMem, aizstājot tradicionālo globālo koplietošanas atmiņu ar decentralizētu privātu atmiņu. Pētījums atklāja, ka koplietošanas atmiņa noved pie aģentu konverģences uz līdzīgām lēmumu ceļiem, bet DecentMem saglabā katra aģenta privāto atmiņu, lai uzturētu kognitīvās atšķirības. Testos ar AutoGen, DyLAN un AgentNet DecentMem vidēji uzlaboja rezultātu par 8.6% salīdzinājumā ar centralizētās atmiņas bāzes līmeni, labākajā scenārijā uzlabojums ir 23.8%, vienlaikus samazinot Token patēriņu uz pusi.
Kāpēc tas ir svarīgi: DecentMem risina vairāku aģentu sistēmu "darba sadalījuma neveiksmes" pamatproblēmu no infrastruktūras līmeņa, atvieglojot ceļu efektīvākai AI aģentu sadarbības tīklam.
#AI #多智能体 #开源 #Agent
Kembridžas universitātes un Čikāgas universitātes komanda ir atvērusi vairāku aģentu atmiņas ietvaru DecentMem, aizstājot tradicionālo globālo koplietošanas atmiņu ar decentralizētu privātu atmiņu. Pētījums atklāja, ka koplietošanas atmiņa noved pie aģentu konverģences uz līdzīgām lēmumu ceļiem, bet DecentMem saglabā katra aģenta privāto atmiņu, lai uzturētu kognitīvās atšķirības. Testos ar AutoGen, DyLAN un AgentNet DecentMem vidēji uzlaboja rezultātu par 8.6% salīdzinājumā ar centralizētās atmiņas bāzes līmeni, labākajā scenārijā uzlabojums ir 23.8%, vienlaikus samazinot Token patēriņu uz pusi.
Kāpēc tas ir svarīgi: DecentMem risina vairāku aģentu sistēmu "darba sadalījuma neveiksmes" pamatproblēmu no infrastruktūras līmeņa, atvieglojot ceļu efektīvākai AI aģentu sadarbības tīklam.
#AI #多智能体 #开源 #Agent
Databricks atvērtā koda Aģentu izvietošanas rīks Omnigent, risina vairāk Aģentu sadarbības un drošības kontroles problēmas
Databricks ar Apache 2.0 licenci ir izlaidusi atvērtā koda Aģentu izvietošanas ietvaru Omnigent, kas darbojas uz esošajiem rīkiem, piemēram, Claude Code, Codex un Pi, un spēj pārvērst dažādu ietvaru aģentus par savstarpēji saderīgiem sistēmas komponentiem. Omnigent tieši izvieto stāvokļa drošības kontroli metānrakstā, atbalsta git push darbības pārtraukšanu un cilvēku apstiprināšanas pieprasīšanu pēc aģentu npm atkarību lejupielādes, vai nosaka LLM izmaksu limitu, lai apturētu darbību, kad kopējās izmaksas sasniedz 100 USD. Ietvars arī integrē tīkla pieprasījumu smilškasti, lai novērstu sensitīvas informācijas noplūdi.
Kāpēc tas ir svarīgi: Omnigent aizpilda vairāku Aģentu organizācijas jomā savstarpējās saderības trūkumu, nodrošinot kritisku drošības kontroles infrastruktūru AI Aģentu pārejai no eksperimentālās fāzes uz uzņēmuma līmeņa ieviešanu.
#Databricks #AI #Agent #atvērtā_koda
Databricks ar Apache 2.0 licenci ir izlaidusi atvērtā koda Aģentu izvietošanas ietvaru Omnigent, kas darbojas uz esošajiem rīkiem, piemēram, Claude Code, Codex un Pi, un spēj pārvērst dažādu ietvaru aģentus par savstarpēji saderīgiem sistēmas komponentiem. Omnigent tieši izvieto stāvokļa drošības kontroli metānrakstā, atbalsta git push darbības pārtraukšanu un cilvēku apstiprināšanas pieprasīšanu pēc aģentu npm atkarību lejupielādes, vai nosaka LLM izmaksu limitu, lai apturētu darbību, kad kopējās izmaksas sasniedz 100 USD. Ietvars arī integrē tīkla pieprasījumu smilškasti, lai novērstu sensitīvas informācijas noplūdi.
Kāpēc tas ir svarīgi: Omnigent aizpilda vairāku Aģentu organizācijas jomā savstarpējās saderības trūkumu, nodrošinot kritisku drošības kontroles infrastruktūru AI Aģentu pārejai no eksperimentālās fāzes uz uzņēmuma līmeņa ieviešanu.
#Databricks #AI #Agent #atvērtā_koda
Skatīt tulkojumu
📰 加密市场热点速递
1. 英伟达Blackwell刷新智能体硬件能效标杆
最新基准aa-agentperf显示，英伟达Blackwell在智能体负载场景中显著领先。测试以真实编程轨迹回放，并以每兆瓦功耗可支持的并发智能体数量作为核心指标。结果显示，GB300 NVL72在同等电力预算下可承载约6.14万个并发智能体，较H200提升超20倍，单卡并发能力也大幅增强。这意味着AI代理、自动编程、客服等高并发场景的基础设施成本有望继续下探，算力效率竞争正在加速。
2. AI基础设施竞争升温，AMD面临更大性能压力
从此次智能体硬件测试结果看，市场关注点已从单纯训练性能，进一步转向推理效率、并发承载和单位能耗产出。英伟达Blackwell凭借液冷整柜系统和高密度部署能力，在智能体应用场景中建立了更强优势，也对AMD等竞品形成压力。对加密市场而言，AI算力产业链热度抬升，或继续影响GPU、数据中心、电力资源及AI概念资产的情绪定价，资金更关注“高效推理”新叙事。
3. OpenRouter测试subagent工具，推动多模型协作落地
OpenRouter近期推出服务器端代理工具openrouter:subagent，允许主模型在生成过程中，把特定子任务派发给更小、更低成本的模型处理，再回传结果。这一机制有助于在保证整体效果的同时压缩调用成本，并提升复杂任务的执行灵活性。若工作模型接入搜索、抓取等工具，还可先完成检索与多步推理，再反馈给主模型，体现出AI应用正从“单模型回答”走向“多代理协同”。
4. 子代理架构强化实用性，但上下文管理仍是关键
值得注意的是，subagent方案并非完全自动化。工作模型无法直接读取主模型上下文，因此主模型必须在任务描述中补足完整背景，否则可能影响执行质量。为避免无限递归与资源失控，OpenRouter同时加入禁止自引用、限制嵌套深度以及总任务数上限等防护设计。整体来看，这类工具更适合面向开发者与企业工作流，未来或加速低成本AI代理产品的部署，并进一步提升市场对Agent赛道的关注度。
#AI #Agent #英伟达
1. 英伟达Blackwell刷新智能体硬件能效标杆
最新基准aa-agentperf显示，英伟达Blackwell在智能体负载场景中显著领先。测试以真实编程轨迹回放，并以每兆瓦功耗可支持的并发智能体数量作为核心指标。结果显示，GB300 NVL72在同等电力预算下可承载约6.14万个并发智能体，较H200提升超20倍，单卡并发能力也大幅增强。这意味着AI代理、自动编程、客服等高并发场景的基础设施成本有望继续下探，算力效率竞争正在加速。
2. AI基础设施竞争升温，AMD面临更大性能压力
从此次智能体硬件测试结果看，市场关注点已从单纯训练性能，进一步转向推理效率、并发承载和单位能耗产出。英伟达Blackwell凭借液冷整柜系统和高密度部署能力，在智能体应用场景中建立了更强优势，也对AMD等竞品形成压力。对加密市场而言，AI算力产业链热度抬升，或继续影响GPU、数据中心、电力资源及AI概念资产的情绪定价，资金更关注“高效推理”新叙事。
3. OpenRouter测试subagent工具，推动多模型协作落地
OpenRouter近期推出服务器端代理工具openrouter:subagent，允许主模型在生成过程中，把特定子任务派发给更小、更低成本的模型处理，再回传结果。这一机制有助于在保证整体效果的同时压缩调用成本，并提升复杂任务的执行灵活性。若工作模型接入搜索、抓取等工具，还可先完成检索与多步推理，再反馈给主模型，体现出AI应用正从“单模型回答”走向“多代理协同”。
4. 子代理架构强化实用性，但上下文管理仍是关键
值得注意的是，subagent方案并非完全自动化。工作模型无法直接读取主模型上下文，因此主模型必须在任务描述中补足完整背景，否则可能影响执行质量。为避免无限递归与资源失控，OpenRouter同时加入禁止自引用、限制嵌套深度以及总任务数上限等防护设计。整体来看，这类工具更适合面向开发者与企业工作流，未来或加速低成本AI代理产品的部署，并进一步提升市场对Agent赛道的关注度。
#AI #Agent #英伟达
OpenRouter izlaida subaģenta rīku: lieli modeļi var izpildīt apakšuzdevumus mazākiem modeļiem ģenerēšanas laikā
OpenRouter izlaida servera puses aģenta rīku openrouter:subagent, kas atbalsta lielo modeļu spēju ģenerēšanas procesā nodot neatkarīgus apakšuzdevumus mazākiem, lētākiem kandidātu modeļiem. Apakšuzdevumu izpildes rezultāti tiek atgriezti galvenajam modelim kā rezultāti. Darba modelis var tikt aprīkots ar tīmekļa meklēšanu, tīmekļa izvilkšanu un citiem neatkarīgiem rīkiem, veicot daudzkārtēju secīgu domāšanu sandkastē. Lai novērstu bezgalīgu rekursiju, OpenRouter ir ieviesis ligzdošanas dziļuma ierobežojumus un stingrus augšējos limitus.
Kāpēc tas ir svarīgi: subaģents ievieš jaunu sadarbības paraugu starp modeļiem, kas būtiski samazinās sarežģītu aģentu uzdevumu domāšanas izmaksas.
#AI #OpenRouter #人工智能 #Agent
OpenRouter izlaida servera puses aģenta rīku openrouter:subagent, kas atbalsta lielo modeļu spēju ģenerēšanas procesā nodot neatkarīgus apakšuzdevumus mazākiem, lētākiem kandidātu modeļiem. Apakšuzdevumu izpildes rezultāti tiek atgriezti galvenajam modelim kā rezultāti. Darba modelis var tikt aprīkots ar tīmekļa meklēšanu, tīmekļa izvilkšanu un citiem neatkarīgiem rīkiem, veicot daudzkārtēju secīgu domāšanu sandkastē. Lai novērstu bezgalīgu rekursiju, OpenRouter ir ieviesis ligzdošanas dziļuma ierobežojumus un stingrus augšējos limitus.
Kāpēc tas ir svarīgi: subaģents ievieš jaunu sadarbības paraugu starp modeļiem, kas būtiski samazinās sarežģītu aģentu uzdevumu domāšanas izmaksas.
#AI #OpenRouter #人工智能 #Agent
Parloa izlaiž MCP balstītas aģentu prasmes: bez koda konfigurējamas AI papildinājumu prasmes
Uzņēmumu sarunu AI platforma Parloa izlaiž Aģentu prasmes funkciju, kas balstīta uz MCP protokolu, ļaujot uzņēmumiem bez koda pievienot ārējus rīkus un prasmes AI aģentiem, samazinot integrācijas periodu no vairākām nedēļām uz dažām stundām. Tas ir vēl viens svarīgs MCP protokola pielietojums uzņēmumu līmeņa AI risinājumos, norādot uz AI aģentu ekosistēmas pāreju uz standartizāciju un modulāru attīstību.
Kāpēc tas ir svarīgi: MCP protokols kļūst par AI aģentu USB-C saskarni, Parloa produkts apstiprina bez koda integrāciju AI prasmju komerciālo dzīvotspēju, kas ievērojami samazinās uzņēmumu AI lietojumu slieksni.
#AI #MCP #Agent #mākslīgais intelekts
Uzņēmumu sarunu AI platforma Parloa izlaiž Aģentu prasmes funkciju, kas balstīta uz MCP protokolu, ļaujot uzņēmumiem bez koda pievienot ārējus rīkus un prasmes AI aģentiem, samazinot integrācijas periodu no vairākām nedēļām uz dažām stundām. Tas ir vēl viens svarīgs MCP protokola pielietojums uzņēmumu līmeņa AI risinājumos, norādot uz AI aģentu ekosistēmas pāreju uz standartizāciju un modulāru attīstību.
Kāpēc tas ir svarīgi: MCP protokols kļūst par AI aģentu USB-C saskarni, Parloa produkts apstiprina bez koda integrāciju AI prasmju komerciālo dzīvotspēju, kas ievērojami samazinās uzņēmumu AI lietojumu slieksni.
#AI #MCP #Agent #mākslīgais intelekts
【Narratīvās plūsmas】AI Aģenta trase: vai hype beigas vai patiesais sākums?
Pēdējo 30 dienu laikā, AI + Crypto koncepcijas monētu vidējais pieaugums ir trīskāršojies salīdzinājumā ar BTC. Interese ir īsta, bet burbulis arī uzkrājas.
Šodien aplūkosim trīs slāņus:
▎1. Naratīva slānis: Aģenta ekonomikas reālā pieprasījuma
CoinGecko dati rāda, ka monētu skaits ar „AI Aģents” etiķeti ir pieaudzis no 12 gada sākumā līdz 47. Bet, ja aplūko projektus tuvāk, vairāk nekā 70% no Aģenta funkcijām ir tikai „sarunas + on-chain mijiedarbība”, bez reāla aizsardzības mūra.
Patiesi barjeru projekti: (jaudas plānošana), (datu glabāšana), (AI renderēšana). Šo trīs pamatinfrastruktūras īpašības nosaka, ka tās nav tikai koncepcijas.
▎2. Finansējuma slānis: ko iegādājas institūcijas?
Lookonchain uzraudzība rāda, ka pēdējās divās nedēļās milzīgas adreses ir tīri iegādājušās AI trases monētas apmēram 120 miljonu dolāru vērtībā. Bet iegādāto objekti ir ļoti koncentrēti — piecas lielākās monētas ir apēdušas 80% no finansējuma.
Tas nozīmē, ka finansējums atzīst trasi, bet ne visus objektus.
▎3. Riski: regulējums un naratīva skrējiens
ASV SEC ir izsūtījusi vairākas izmeklēšanas saistībā ar AI saistītajiem tokeniem, īpaši pievēršoties projektiem, kuriem „reālas lietošanas apgalvojumi nav saskaņā ar tokenu cenām”. Kad kāds projekts tiek norādīts, vidēji 48 stundu laikā ir 30% korekcija.
▎Secinājums
AI Aģenta trase nav mirusi, bet „ko pirkt” ir svarīgāk nekā „pirkt vai nepirkt”. Izvairieties no tīri koncepciju monētām, koncentrējieties uz projektiem ar reāliem ieņēmumiem vai lietotāju datiem.
#AI #Agent #CryptoInvestment
Pēdējo 30 dienu laikā, AI + Crypto koncepcijas monētu vidējais pieaugums ir trīskāršojies salīdzinājumā ar BTC. Interese ir īsta, bet burbulis arī uzkrājas.
Šodien aplūkosim trīs slāņus:
▎1. Naratīva slānis: Aģenta ekonomikas reālā pieprasījuma
CoinGecko dati rāda, ka monētu skaits ar „AI Aģents” etiķeti ir pieaudzis no 12 gada sākumā līdz 47. Bet, ja aplūko projektus tuvāk, vairāk nekā 70% no Aģenta funkcijām ir tikai „sarunas + on-chain mijiedarbība”, bez reāla aizsardzības mūra.
Patiesi barjeru projekti: (jaudas plānošana), (datu glabāšana), (AI renderēšana). Šo trīs pamatinfrastruktūras īpašības nosaka, ka tās nav tikai koncepcijas.
▎2. Finansējuma slānis: ko iegādājas institūcijas?
Lookonchain uzraudzība rāda, ka pēdējās divās nedēļās milzīgas adreses ir tīri iegādājušās AI trases monētas apmēram 120 miljonu dolāru vērtībā. Bet iegādāto objekti ir ļoti koncentrēti — piecas lielākās monētas ir apēdušas 80% no finansējuma.
Tas nozīmē, ka finansējums atzīst trasi, bet ne visus objektus.
▎3. Riski: regulējums un naratīva skrējiens
ASV SEC ir izsūtījusi vairākas izmeklēšanas saistībā ar AI saistītajiem tokeniem, īpaši pievēršoties projektiem, kuriem „reālas lietošanas apgalvojumi nav saskaņā ar tokenu cenām”. Kad kāds projekts tiek norādīts, vidēji 48 stundu laikā ir 30% korekcija.
▎Secinājums
AI Aģenta trase nav mirusi, bet „ko pirkt” ir svarīgāk nekā „pirkt vai nepirkt”. Izvairieties no tīri koncepciju monētām, koncentrējieties uz projektiem ar reāliem ieņēmumiem vai lietotāju datiem.
#AI #Agent #CryptoInvestment
Skatīt tulkojumu
📰 加密市场热点速递
1. AI内容赛道再获资本加码，井英科技完成数千万美元A轮及A+轮融资，投资方包括王慧文家办、蚂蚁集团等。公司同时宣布原AWS首席应用科学家王敏捷出任首席科学家。其定位为内容行业Agent原生公司，当前以AI短剧为核心切入点，重点搭建创作者Agent可接入、可自我进化的强化学习环境，并通过真实用户消费反馈持续迭代，反映出AI内容生产与商业化闭环正加速形成。
2. AI应用能力持续扩展，Responses API中的网页搜索功能现已支持图片结果，不再局限于文本信息返回。这意味着开发者可在应用中直接调用商品、地点、视觉参考等图片内容，并结合来源链接提升展示效果与交互体验。对AI助手、内容创作、电商推荐及旅游导览等场景而言，图片搜索的接入有望增强产品可用性，也显示多模态能力正在成为AI应用竞争的重要方向。
#AI #Agent #多模态
1. AI内容赛道再获资本加码，井英科技完成数千万美元A轮及A+轮融资，投资方包括王慧文家办、蚂蚁集团等。公司同时宣布原AWS首席应用科学家王敏捷出任首席科学家。其定位为内容行业Agent原生公司，当前以AI短剧为核心切入点，重点搭建创作者Agent可接入、可自我进化的强化学习环境，并通过真实用户消费反馈持续迭代，反映出AI内容生产与商业化闭环正加速形成。
2. AI应用能力持续扩展，Responses API中的网页搜索功能现已支持图片结果，不再局限于文本信息返回。这意味着开发者可在应用中直接调用商品、地点、视觉参考等图片内容，并结合来源链接提升展示效果与交互体验。对AI助手、内容创作、电商推荐及旅游导览等场景而言，图片搜索的接入有望增强产品可用性，也显示多模态能力正在成为AI应用竞争的重要方向。
#AI #Agent #多模态
Skatīt tulkojumu
📰 加密市场热点速递
1. AI算力互联升温，CPO成基础设施新焦点
随着AI模型训练与推理流量持续攀升，数据中心正面临带宽、功耗、信号损耗与散热等多重压力。协同封装光学CPO因可将光引擎与芯片深度集成，被视为提升机柜内外高速互联效率的重要方向。当前英伟达、博通等厂商正积极推进相关交换机方案，但先进封装、热管理、维护与标准化仍是产业落地的关键门槛。
2. AI“超级连接”赛道或重塑产业价值分配
市场观点认为，AI基建下一阶段竞争焦点正从单纯算力扩展到“连接能力”升级。相较NPO、OIO、LPO等路线，CPO被视为更具长期潜力的下一代方案。一旦技术成熟，产业链价值有望进一步向交换芯片厂商、光模块核心环节及先进封装企业集中，相关赛道或成为AI与半导体资本关注的新热点。
3. Agent支付热度高，但真实需求仍待验证
围绕Agent经济的支付基础设施近期受到讨论，但多方调研显示，当前市场仍处在早期探索阶段。无论是Agent对商户、API还是Agent对Agent，实际交易活跃度与商业转化均较有限。现阶段行业更像在验证场景与需求，而非进入大规模放量期，短期内应更多关注真实使用频率和可持续商业模式。
4. Agent商业模式分化，金融场景相对更清晰
从应用落地看，Agent对商户受制于用户体验与分发渠道，Agent对API则受限于大型SaaS供应商的开放意愿和定价体系，Agent对Agent仍偏概念化。相比之下，金融是少数具备既有需求的方向，但竞争壁垒同样较高，传统支付与金融机构在合规、渠道与客户资源方面依旧占据明显优势。
5. 支付未必是终局，协同能力或是更大机会
行业观察指出，支付只是Agent协同链条中的一个环节，真正决定商业价值的可能是任务协调、身份验证、权限管理与自动执行能力。未来若有平台率先解决多Agent之间的协同效率问题，支付功能反而可能成为被整合的一部分。对加密行业而言，链上结算仍有想象空间，但前提是先跑通实际需求与产品闭环。
#AI #Agent #crypto
1. AI算力互联升温，CPO成基础设施新焦点
随着AI模型训练与推理流量持续攀升，数据中心正面临带宽、功耗、信号损耗与散热等多重压力。协同封装光学CPO因可将光引擎与芯片深度集成，被视为提升机柜内外高速互联效率的重要方向。当前英伟达、博通等厂商正积极推进相关交换机方案，但先进封装、热管理、维护与标准化仍是产业落地的关键门槛。
2. AI“超级连接”赛道或重塑产业价值分配
市场观点认为，AI基建下一阶段竞争焦点正从单纯算力扩展到“连接能力”升级。相较NPO、OIO、LPO等路线，CPO被视为更具长期潜力的下一代方案。一旦技术成熟，产业链价值有望进一步向交换芯片厂商、光模块核心环节及先进封装企业集中，相关赛道或成为AI与半导体资本关注的新热点。
3. Agent支付热度高，但真实需求仍待验证
围绕Agent经济的支付基础设施近期受到讨论，但多方调研显示，当前市场仍处在早期探索阶段。无论是Agent对商户、API还是Agent对Agent，实际交易活跃度与商业转化均较有限。现阶段行业更像在验证场景与需求，而非进入大规模放量期，短期内应更多关注真实使用频率和可持续商业模式。
4. Agent商业模式分化，金融场景相对更清晰
从应用落地看，Agent对商户受制于用户体验与分发渠道，Agent对API则受限于大型SaaS供应商的开放意愿和定价体系，Agent对Agent仍偏概念化。相比之下，金融是少数具备既有需求的方向，但竞争壁垒同样较高，传统支付与金融机构在合规、渠道与客户资源方面依旧占据明显优势。
5. 支付未必是终局，协同能力或是更大机会
行业观察指出，支付只是Agent协同链条中的一个环节，真正决定商业价值的可能是任务协调、身份验证、权限管理与自动执行能力。未来若有平台率先解决多Agent之间的协同效率问题，支付功能反而可能成为被整合的一部分。对加密行业而言，链上结算仍有想象空间，但前提是先跑通实际需求与产品闭环。
#AI #Agent #crypto
Talus（$US）šī kustība vairāk izskatās pēc "notikumu vadītas atgriešanās": Kaito gaisa piliens un Agent apvienošanas funkcionalitāte veicina ekosistēmas stimulu atbrīvošanu, tirgus uzmanība īstermiņā atgriežas, un nedēļas laikā pieaugums sasniedza pat 81%.\n\nPašreizējie dati rāda, ka cena ir ap 0.01167 dolāriem, 24 stundu apgrozījums ir ap 614 miljoniem dolāru, tirgus vērtība ir ap 2567 miljoniem dolāru, apjoms nav liels, tāpēc naudas emociju izmaiņas ietekmē cenu elastību daudz acīmredzamāk.\n\nMan vairāk interesē divi jautājumi: vai pēc gaisa piliens karstuma beigām ķēde/produktu izmantošana var turpināt pieaugt? Ķīniešu kopienas diskusiju līmenis pašlaik joprojām ir zems, un, ja turpmāk nebūs pastāvīgas stāstu turpināšanas, īstermiņa pieaugums var saskarties ar atgriešanās spiedienu. Jābūt uzmanīgam ar augstām cenām, tas ir piemērots novērot korekcijas pēc atbalsta stipruma.\n\n#Talus #Agent #gaisa piliens ekosistēma
AI aģents ērē, $GENIUS varētu būt tas nenovērtētais puzles gabaliņš
@GeniusOfficial būvē protokolu, kas dziļi integrē AI intelektu ar ķēdes aktīviem. Vērts teikt, ka tas nav tikai tokens, bet drīzāk agrīns ieguldījums "mašīnu ekonomikā".
Kāpēc pievērst uzmanību $GENIUS ?
1. AI + Crypto krustpunkts — šajā ciklā spēcīgākais stāsts, nauda meklē patiesi produktīvu pusi
2. Aģenta ekonomikas infrastruktūra — kad AI aģenti sāk patstāvīgi tirgoties, maksāt, slēgt līgumus, ir nepieciešama nativā kriptogrāfiskā trase
3. Token modeļa attīstība — $GENIUS nav tikai pārvaldība, bet arī aģenta izsaukšanas intelekta "degviela"
Tirgus joprojām raugās uz AI tokeniem ar Meme acīm, bet patiesā vērtības iegūšana notiek projektos ar reāliem pielietojuma scenārijiem.
Genius 2.0, ja varēs savienot Aģentu ↔ ķēdes darbību slēgto apli, iztēles iespējas ir tālu pāri pašreizējām.
#genius #AI #Aģents
@GeniusOfficial būvē protokolu, kas dziļi integrē AI intelektu ar ķēdes aktīviem. Vērts teikt, ka tas nav tikai tokens, bet drīzāk agrīns ieguldījums "mašīnu ekonomikā".
Kāpēc pievērst uzmanību $GENIUS ?
1. AI + Crypto krustpunkts — šajā ciklā spēcīgākais stāsts, nauda meklē patiesi produktīvu pusi
2. Aģenta ekonomikas infrastruktūra — kad AI aģenti sāk patstāvīgi tirgoties, maksāt, slēgt līgumus, ir nepieciešama nativā kriptogrāfiskā trase
3. Token modeļa attīstība — $GENIUS nav tikai pārvaldība, bet arī aģenta izsaukšanas intelekta "degviela"
Tirgus joprojām raugās uz AI tokeniem ar Meme acīm, bet patiesā vērtības iegūšana notiek projektos ar reāliem pielietojuma scenārijiem.
Genius 2.0, ja varēs savienot Aģentu ↔ ķēdes darbību slēgto apli, iztēles iespējas ir tālu pāri pašreizējām.
#genius #AI #Aģents
On-chain aģents beidzot nav tikai tīra kliegšana, Mysten Labs vadītājs tieši izsaka: “tas nav tikai spekulācija, mēs ieejam aģentu laikmetā”, un Sui uzskata blokķēdi par AI uzticības slāni. Ja Sui spēs izstrādāt funkcionālu aģentu struktūru, tirgus varētu patiešām mainīties. Citādi tas atkal būs tikai VC monētu pārveidošana. #AI #Agent $SUI
Atvērtā koda šedevrs cieš no lielā uzņēmuma «oficiālās novākšanas»? Izcila spraudņa OMO kritika Anthropic par pikseļu līmeņa plagiātu tās aģenta arhitektūrā
16.7 tūkstoši zvaigžņu atvērtā koda projekts OpenCode oficiālais Nr. 1 spraudņa OMO komanda publiski apsūdz Anthropic par pikseļu līmeņa plagiātu tās Opus 4.8 izlaidumā, kur Claude Code dinamiskā darba plūsma un ultrakods ir kopēta no OMO daudzmodeļu orķestrācijas arhitektūras. OMO izstrādājis 23 gadus vecais korejiešu hakeris Q, ir ieguvis 60 tūkstošus zvaigžņu. Šā gada janvārī OMO ieviestā ultrawork darba plūsma un atlas koordinējošais smadzenes tika apsūdzētas, ka Anthropic tās ir iekļāvuši slēgtā koda maksas funkcijās. OMO arī apsūdz FactoryAI par tās trīsslāņu aģenta arhitektūras pārvietošanu.
Kāpēc tas ir svarīgi: Tas ir vissmagākais arhitektūras plagiāta strīds starp AI atvērtā koda kopienu un slēgtā koda lielajiem uzņēmumiem, kas tieši atklāj lielo uzņēmumu «vispirms bloķēt, pēc tam absorbēt» plēsoņu inovāciju ceļu, kas ietekmēs AI aģentu platformas atvērtās ekosistēmas virzību.
#AI #Anthropic #开源 #Agent
16.7 tūkstoši zvaigžņu atvērtā koda projekts OpenCode oficiālais Nr. 1 spraudņa OMO komanda publiski apsūdz Anthropic par pikseļu līmeņa plagiātu tās Opus 4.8 izlaidumā, kur Claude Code dinamiskā darba plūsma un ultrakods ir kopēta no OMO daudzmodeļu orķestrācijas arhitektūras. OMO izstrādājis 23 gadus vecais korejiešu hakeris Q, ir ieguvis 60 tūkstošus zvaigžņu. Šā gada janvārī OMO ieviestā ultrawork darba plūsma un atlas koordinējošais smadzenes tika apsūdzētas, ka Anthropic tās ir iekļāvuši slēgtā koda maksas funkcijās. OMO arī apsūdz FactoryAI par tās trīsslāņu aģenta arhitektūras pārvietošanu.
Kāpēc tas ir svarīgi: Tas ir vissmagākais arhitektūras plagiāta strīds starp AI atvērtā koda kopienu un slēgtā koda lielajiem uzņēmumiem, kas tieši atklāj lielo uzņēmumu «vispirms bloķēt, pēc tam absorbēt» plēsoņu inovāciju ceļu, kas ietekmēs AI aģentu platformas atvērtās ekosistēmas virzību.
#AI #Anthropic #开源 #Agent
Nedēļas nogalē atkal pavadīju pusdienu atkārtojot darbus, pēkšņi sapratu, ka mans AI automatizācijas kaudze jau darbojas pusgadu, un efektivitāte ir acīmredzami uzlabojusies. Izlemu apkopot, kā šī arhitektūra sadarbojas.
Kodols sastāv no diviem lomu sadalījumiem: **Hermes veic plānošanu**, Claude Code ir meistars. Hermes būtībā ir uzdevumu sekretārs, kurš apstrādā grafikus, atmiņas pārvaldību, fona cron uzdevumus un izplata ziņas uz Telegram un Feishu. Iedomājies to kā mūžīgi pieejamu sekretāru, kurš atceras vakar izteikto ideju, šovakar laicīgi atgādina un rīt automātiski palaiž kādu datu vākšanas skriptu.
Patiesi sarežģītos kodēšanas darbus es uzticu Claude Code, lai viņš tos paveic uzreiz. Lieli pārveidojumi, koda auditi vai kāda funkcija no 0 līdz 1 dizainam — šos darbus tieši izmantoju Claude Code CLI režīmā, lai viņš tos padara pilnīgus. Abiem ir piekļuve manai prasmju bibliotēkai (metodoloģijas uzkrāšana), ja Hermes vēlas atkārtoti izmantot kādu esošu loģiku, viņš vienkārši pieprasa prasmi; arī Claude Code to var izmantot, pāreja ir gandrīz bez izmaksām.
Modeļa izvēlē ir cost-benefit līdzsvars. Ikdienas sarunām, ikrīta ziņojumiem un tirgus uzraudzībai, kas notiek bieži, izmantoju Haiku (lētāk), bet, kad patiešām ir nepieciešams dziļš secinājums par lielām uzdevumiem, pāreju uz Sonnet vai Opus. Tādējādi mēneša token izmaksas var kontrolēt.
Mainot skatījumu, **aģents ir automatizācijas ražošanas līnijas smadzenes**, kas pieņem lēmumus un plāno; **prasme ir ražošanas līnijas rokas**, kas veic konkrētu darbu. Hermes darbojas aģenta pusē, piešķirot visu līniju katram posmam atmiņu un kontekstu. Ja kāds uzdevums pārsniedz robežas, tas tiek tieši nodots Claude Code šim ekspertam.
Pirms šīs sistēmas izmantošanas es katru nedēļu pavadīju 8 stundas atkārtojošiem darbiem. Tagad daži darbi būtībā darbojas fona režīmā, vienkārši regulāri pārbaudot ziņojumus vai trauksmes signālus. Lielākais klupšanas akmens ir skaidra prasmes dokumentācija, kas izraisa izsaukumu kļūdas. Tagad katrai jaunai prasmei stingri pievienoju "biežāk sastopamās problēmas" un "izmantošanas scenārijus".
Runājot par to, es uzskatu, ka AI automatizācijas kodols nav izmantot spēcīgāko modeli, bet **sadali darbu pietiekami sīki, katra vienība ir pietiekami neatkarīga, un kļūdas ir viegli labojamas**. Mazām komandām šajā virzienā investīcijas noteikti var ietaupīt daudz roku darba.
$BTC #AI #Agent
Kodols sastāv no diviem lomu sadalījumiem: **Hermes veic plānošanu**, Claude Code ir meistars. Hermes būtībā ir uzdevumu sekretārs, kurš apstrādā grafikus, atmiņas pārvaldību, fona cron uzdevumus un izplata ziņas uz Telegram un Feishu. Iedomājies to kā mūžīgi pieejamu sekretāru, kurš atceras vakar izteikto ideju, šovakar laicīgi atgādina un rīt automātiski palaiž kādu datu vākšanas skriptu.
Patiesi sarežģītos kodēšanas darbus es uzticu Claude Code, lai viņš tos paveic uzreiz. Lieli pārveidojumi, koda auditi vai kāda funkcija no 0 līdz 1 dizainam — šos darbus tieši izmantoju Claude Code CLI režīmā, lai viņš tos padara pilnīgus. Abiem ir piekļuve manai prasmju bibliotēkai (metodoloģijas uzkrāšana), ja Hermes vēlas atkārtoti izmantot kādu esošu loģiku, viņš vienkārši pieprasa prasmi; arī Claude Code to var izmantot, pāreja ir gandrīz bez izmaksām.
Modeļa izvēlē ir cost-benefit līdzsvars. Ikdienas sarunām, ikrīta ziņojumiem un tirgus uzraudzībai, kas notiek bieži, izmantoju Haiku (lētāk), bet, kad patiešām ir nepieciešams dziļš secinājums par lielām uzdevumiem, pāreju uz Sonnet vai Opus. Tādējādi mēneša token izmaksas var kontrolēt.
Mainot skatījumu, **aģents ir automatizācijas ražošanas līnijas smadzenes**, kas pieņem lēmumus un plāno; **prasme ir ražošanas līnijas rokas**, kas veic konkrētu darbu. Hermes darbojas aģenta pusē, piešķirot visu līniju katram posmam atmiņu un kontekstu. Ja kāds uzdevums pārsniedz robežas, tas tiek tieši nodots Claude Code šim ekspertam.
Pirms šīs sistēmas izmantošanas es katru nedēļu pavadīju 8 stundas atkārtojošiem darbiem. Tagad daži darbi būtībā darbojas fona režīmā, vienkārši regulāri pārbaudot ziņojumus vai trauksmes signālus. Lielākais klupšanas akmens ir skaidra prasmes dokumentācija, kas izraisa izsaukumu kļūdas. Tagad katrai jaunai prasmei stingri pievienoju "biežāk sastopamās problēmas" un "izmantošanas scenārijus".
Runājot par to, es uzskatu, ka AI automatizācijas kodols nav izmantot spēcīgāko modeli, bet **sadali darbu pietiekami sīki, katra vienība ir pietiekami neatkarīga, un kļūdas ir viegli labojamas**. Mazām komandām šajā virzienā investīcijas noteikti var ietaupīt daudz roku darba.
$BTC #AI #Agent
Otrā sezona GOAT Network bija traka. No nulles koda izvietošanas caur @ClawUpAI līdz sarežģītu Bitcoin-dzimto ZK darba plūsmu pārvaldīšanai, mans AI aģents pārgāja no 0 uz varoni.
Kas to atšķir? Tā nav tikai tehnoloģija tehnoloģijas dēļ, tas ir PATIESI noderīgi. Skatoties, kā tā vienkāršo slāņoto ZK pierādījumu pārvēršanu par vieglām, drošām transakcijām, kas jūtas kā ziņojuma sūtīšana, pilnībā mani pārsteidza.
Uzbūvēta citādāk, koncentrējoties uz drošību un padarot kriptogrāfijas privātumu pieejamu ikvienam no pirmās dienas. Lepojos būvēt uz stabilas bāzes kā @GOATRollup
#AIAgent #AGENT #BTC
Kas to atšķir? Tā nav tikai tehnoloģija tehnoloģijas dēļ, tas ir PATIESI noderīgi. Skatoties, kā tā vienkāršo slāņoto ZK pierādījumu pārvēršanu par vieglām, drošām transakcijām, kas jūtas kā ziņojuma sūtīšana, pilnībā mani pārsteidza.
Uzbūvēta citādāk, koncentrējoties uz drošību un padarot kriptogrāfijas privātumu pieejamu ikvienam no pirmās dienas. Lepojos būvēt uz stabilas bāzes kā @GOATRollup
#AIAgent #AGENT #BTC
Mastercard sadarbojas ar Coinbase, Stripe, lai izstrādātu AI aģentu maksājumu sistēmu
Mastercard strādā kopā ar Coinbase, Stripe un citiem, lai izveidotu uzticamu maksājumu sistēmu AI aģentiem. Tradicionālie maksājumi paļaujas uz cilvēka identitātes apstiprināšanu (kredītkartes numurs, parole), bet AI aģentu darījumiem ir nepieciešama pavisam jauna autentifikācijas un autorizācijas struktūra. Mastercard izmantos savu globālo maksājumu tīklu un tokenizācijas tehnoloģiju, lai nodrošinātu drošu norēķinu infrastruktūru AI vadītajiem automatizētajiem biznesa scenārijiem.
Kāpēc tas ir svarīgi: AI aģentu autonomi maksājumi būs nākamais triljonu dolāru tirgus, un Mastercard kā tradicionālais maksājumu gigants, sadarbojoties ar kriptovalūtu/finanšu tehnoloģiju ekosistēmu, iezīmē AI un maksājumu infrastruktūras dziļo integrāciju, kas ir nonākusi reālā ieviešanas posmā.
#AI #Mastercard #Web3 #支付 #Agent
Mastercard strādā kopā ar Coinbase, Stripe un citiem, lai izveidotu uzticamu maksājumu sistēmu AI aģentiem. Tradicionālie maksājumi paļaujas uz cilvēka identitātes apstiprināšanu (kredītkartes numurs, parole), bet AI aģentu darījumiem ir nepieciešama pavisam jauna autentifikācijas un autorizācijas struktūra. Mastercard izmantos savu globālo maksājumu tīklu un tokenizācijas tehnoloģiju, lai nodrošinātu drošu norēķinu infrastruktūru AI vadītajiem automatizētajiem biznesa scenārijiem.
Kāpēc tas ir svarīgi: AI aģentu autonomi maksājumi būs nākamais triljonu dolāru tirgus, un Mastercard kā tradicionālais maksājumu gigants, sadarbojoties ar kriptovalūtu/finanšu tehnoloģiju ekosistēmu, iezīmē AI un maksājumu infrastruktūras dziļo integrāciju, kas ir nonākusi reālā ieviešanas posmā.
#AI #Mastercard #Web3 #支付 #Agent
Piesakies, lai skatītu vairāk satura