O que acho interessante na abordagem de @NEAR Protocol é que ela trata agentes de IA como infraestrutura, e não apenas como chatbots com mais ferramentas.
Muitos sistemas de agentes ainda têm raciocínio, execução, segredos e acesso à internet passando pelo mesmo ciclo. Isso pode parecer impressionante em uma demonstração, mas o trabalho no mundo real é outra história. Quanto mais ferramentas um agente pode acessar, mais oportunidades há para algo dar errado.
IronClaw 1.0 adota uma abordagem diferente.
O agente toma as decisões, enquanto uma camada separada de coordenação chamada guard controla como essas decisões são executadas. Toda ação passa por essa camada, incluindo novas capacidades adicionadas posteriormente.
Os resultados do benchmark são interessantes porque o modelo subjacente permaneceu o mesmo: deepseek-v4-flash.
• PinchBench: 93,5% em 147 tarefas reais do mundo
• ClawBench: 88,6% em 140+ sites de produção
• OfficeQA: 76,4% em raciocínio ao longo de décadas de documentos do Tesouro dos EUA
Mesmo modelo base. Runtime diferente. O IronClaw tem melhor desempenho.
Mas, pessoalmente, acho que a arquitetura é mais importante do que os números.
O IronClaw foi construído com base em alguns salvaguardas práticas:
Mais seguro por design: Ações sensíveis podem exigir aprovação explícita, enquanto segredos podem ser emitidos quando necessário e então removidos em seguida.
Estado persistente: Checkpoints contínuos permitem que um agente retome de onde parou em vez de perder o progresso após uma interrupção.
Memória omnicanal: CLI, Web, Slack e Telegram podem funcionar como um único assistente, mantendo as mesmas regras e o mesmo contexto.
Isolamento da equipe: As organizações podem compartilhar ferramentas sem, automaticamente, expor workspaces privados.
Então há o quadro maior da NEAR AI e do staking.
A NEAR AI está construindo infraestrutura para IA descentralizada, com foco em coisas como inferência confidencial, computação e agentes de IA. Nesse contexto, fazer staking é mais do que obter rendimento. Também ajuda a sustentar e proteger a infraestrutura descentralizada da qual esses sistemas dependem.
Os usuários podem fazer staking de NEAR e receber créditos recorrentes de computação para inferência confidencial e hospedagem do IronClaw, enquanto o principal permanece resgatável.
Isso se torna cada vez mais relevante à medida que agentes de IA vão além de conversas simples e começam a interagir com sites, ferramentas, dados e sistemas sensíveis. Implantação(s) futura(s) como OpenClaw faz(em) parte dessa direção mais ampla.
Minha principal conclusão é simples:
Agentes de IA não precisam apenas de modelos melhores. Eles precisam de sistemas melhores em torno desses modelos.
Se a segurança existir apenas em um documento de políticas, ela pode facilmente virar um detalhe de última hora.
Com IronClaw, a ideia é tornar a segurança parte do próprio runtime.
E honestamente, é essa a parte da abordagem de IA da NEAR que eu acho mais interessante.
Também compartilhei um detalhamento mais profundo do IronClaw 1.0 e do staking da NEAR no X e no LinkedIn, se você quiser se aprofundar.
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