#agent
agent
Просмотров: 88,513
220 обсуждают
Популярные
Новые
【Данные】Токен AI Agent: что может рассказать нам ончейн-данные?
Недавно токены в секторе AI Agent показали сильный рост, но FOMO-эмоции также нарастают. Давайте проведем "медосмотр" этого сегмента с помощью ончейн-данных.
📊 Основные показатели:
1️⃣ Концентрация позиций (доля 10 крупнейших адресов)
Чем выше концентрация токенов, тем ниже стоимость для ралли, но и риск распродаж выше. В секторе AI Agent большинство токенов имеют долю в 30-60% для 10 крупнейших адресов, что считается умеренной концентрацией.
2️⃣ Активность взаимодействия с контрактами
Объем вызовов контрактов за последние 30 дней по сравнению со средним значением за 90 дней: основные AI токены выросли в 2-5 раз, что говорит о росте реального использования, а не только о спекуляциях.
3️⃣ Изменение позиций китов
С помощью ончейн-меток отслеживаем известные адреса китов, за последние 7 дней наибольшие чистые покупки наблюдаются по $FET , $GRASS и другим классическим AI токенам, в то время как новые токены нарративов показывают чистый отток.
4️⃣ Покрытие ликвидности
Баланс адресов пополнения CEX / средний дневной объем торгов, чем выше это соотношение, тем сильнее способность к ликвидности. Здоровый диапазон > 3x.
🔍 Вывод:
В секторе в целом наблюдается перегрев, но внутренняя структура диверсифицирована — классические AI токены имеют реальную поддержку ончейн-данными, новые нарративные токены чаще представляют собой эффект ротации капитала.
Операционные рекомендации: будьте осторожны с покупками на пиках, следите за активностью на ончейне, а не только за горячими концепциями.
#AI #Agent #链上数据 #криптоинвестиции
Недавно токены в секторе AI Agent показали сильный рост, но FOMO-эмоции также нарастают. Давайте проведем "медосмотр" этого сегмента с помощью ончейн-данных.
📊 Основные показатели:
1️⃣ Концентрация позиций (доля 10 крупнейших адресов)
Чем выше концентрация токенов, тем ниже стоимость для ралли, но и риск распродаж выше. В секторе AI Agent большинство токенов имеют долю в 30-60% для 10 крупнейших адресов, что считается умеренной концентрацией.
2️⃣ Активность взаимодействия с контрактами
Объем вызовов контрактов за последние 30 дней по сравнению со средним значением за 90 дней: основные AI токены выросли в 2-5 раз, что говорит о росте реального использования, а не только о спекуляциях.
3️⃣ Изменение позиций китов
С помощью ончейн-меток отслеживаем известные адреса китов, за последние 7 дней наибольшие чистые покупки наблюдаются по $FET , $GRASS и другим классическим AI токенам, в то время как новые токены нарративов показывают чистый отток.
4️⃣ Покрытие ликвидности
Баланс адресов пополнения CEX / средний дневной объем торгов, чем выше это соотношение, тем сильнее способность к ликвидности. Здоровый диапазон > 3x.
🔍 Вывод:
В секторе в целом наблюдается перегрев, но внутренняя структура диверсифицирована — классические AI токены имеют реальную поддержку ончейн-данными, новые нарративные токены чаще представляют собой эффект ротации капитала.
Операционные рекомендации: будьте осторожны с покупками на пиках, следите за активностью на ончейне, а не только за горячими концепциями.
#AI #Agent #链上数据 #криптоинвестиции
📰 Крипто-рынок: горячие новости
1. OpenRouter запускает интерфейс Fusion для композитных моделей
Недавно OpenRouter представил решение Fusion, которое позволяет параллельно распределять один и тот же запрос на несколько крупных моделей, а затем объединять финальный ответ через судью и синтетическую модель. Последние бенчмарки показывают, что сотрудничество нескольких моделей явно превосходит традиционные однородные модели в сложных задачах вывода и глубоких исследованиях, демонстрируя ценность "многоугольного дополнения". Основное внимание рынка сосредоточено на том, что данное решение обещает достичь эффекта, близкого к ведущим закрытым моделям, с меньшими затратами, что ускорит эволюцию ИИ-инфраструктуры в сторону "оркестровки моделей + синтеза результатов".
2. Смешанные модели увеличивают соотношение цена/качество в индустрии
Согласно результатам открытого тестирования, комбинация моделей от разных производителей показывает более сильные результаты в сложных задачах, повышая стабильность ответов и расширяя охват вывода. Примечательно, что даже при использовании одной и той же модели в двойной кооперации и само-синтезе наблюдается заметное повышение баллов. Это говорит о том, что композитный вывод переходит от "стека параметров" к "переупаковке", что в будущем может привлечь больше внимания к уровням вывода, промежуточному ПО и агрегирующим платформам ИИ, связанные технологии стоит продолжать отслеживать.
3. Databricks открывает исходный код Omnigent для контроля Agent
Недавно Databricks открыл исходный код фреймворка Omnigent, который поддерживает работу на нескольких существующих инструментах Agent и преобразует агентов из различных фреймворков в компоненты, которые могут взаимодействовать, облегчая проблемы с разрывами интерфейсов и сотрудничеством. Его ключевая особенность заключается в том, что он может выполнять управляемые безопасные стратегии на уровне мета-упаковки, больше не полагаясь только на ограничения по подсказкам. Для внедрения ИИ на уровне предприятия такие инфраструктуры с возможностями оркестровки между агентами, проверки разрешений и вмешательства в процессы становятся важной поддержкой для развертывания систем агентов.
4. Безопасная проверка и контроль затрат становятся важными аспектами внедрения Agent
Omnigent также усилил функции риск-менеджмента в реальном времени, управления бюджетом и сотрудничества, например, он может прервать процесс и запросить ручное утверждение при обнаружении высокорисковых действий, а также автоматически приостанавливать задачи, когда стоимость вызова модели достигает предела. Система также предоставляет функции блокировки сетевых запросов в песочнице и совместного использования сеансов для команд, подчеркивая, что применение Agent переходит от "может ли он выполнить задачу" к "можно ли контролировать, аудировать и сотрудничать". Эта тенденция может подтолкнуть компании к более серьезному вниманию к управлению ИИ, контролю затрат и строительству инфраструктуры соответствия.
#AI #Agent #crypto
1. OpenRouter запускает интерфейс Fusion для композитных моделей
Недавно OpenRouter представил решение Fusion, которое позволяет параллельно распределять один и тот же запрос на несколько крупных моделей, а затем объединять финальный ответ через судью и синтетическую модель. Последние бенчмарки показывают, что сотрудничество нескольких моделей явно превосходит традиционные однородные модели в сложных задачах вывода и глубоких исследованиях, демонстрируя ценность "многоугольного дополнения". Основное внимание рынка сосредоточено на том, что данное решение обещает достичь эффекта, близкого к ведущим закрытым моделям, с меньшими затратами, что ускорит эволюцию ИИ-инфраструктуры в сторону "оркестровки моделей + синтеза результатов".
2. Смешанные модели увеличивают соотношение цена/качество в индустрии
Согласно результатам открытого тестирования, комбинация моделей от разных производителей показывает более сильные результаты в сложных задачах, повышая стабильность ответов и расширяя охват вывода. Примечательно, что даже при использовании одной и той же модели в двойной кооперации и само-синтезе наблюдается заметное повышение баллов. Это говорит о том, что композитный вывод переходит от "стека параметров" к "переупаковке", что в будущем может привлечь больше внимания к уровням вывода, промежуточному ПО и агрегирующим платформам ИИ, связанные технологии стоит продолжать отслеживать.
3. Databricks открывает исходный код Omnigent для контроля Agent
Недавно Databricks открыл исходный код фреймворка Omnigent, который поддерживает работу на нескольких существующих инструментах Agent и преобразует агентов из различных фреймворков в компоненты, которые могут взаимодействовать, облегчая проблемы с разрывами интерфейсов и сотрудничеством. Его ключевая особенность заключается в том, что он может выполнять управляемые безопасные стратегии на уровне мета-упаковки, больше не полагаясь только на ограничения по подсказкам. Для внедрения ИИ на уровне предприятия такие инфраструктуры с возможностями оркестровки между агентами, проверки разрешений и вмешательства в процессы становятся важной поддержкой для развертывания систем агентов.
4. Безопасная проверка и контроль затрат становятся важными аспектами внедрения Agent
Omnigent также усилил функции риск-менеджмента в реальном времени, управления бюджетом и сотрудничества, например, он может прервать процесс и запросить ручное утверждение при обнаружении высокорисковых действий, а также автоматически приостанавливать задачи, когда стоимость вызова модели достигает предела. Система также предоставляет функции блокировки сетевых запросов в песочнице и совместного использования сеансов для команд, подчеркивая, что применение Agent переходит от "может ли он выполнить задачу" к "можно ли контролировать, аудировать и сотрудничать". Эта тенденция может подтолкнуть компании к более серьезному вниманию к управлению ИИ, контролю затрат и строительству инфраструктуры соответствия.
#AI #Agent #crypto
См. перевод
剑桥&芝加哥大学开源DecentMem：去中心化内存让多智能体协作效率提升24%
剑桥大学与芝加哥大学团队开源多智能体记忆框架DecentMem，用去中心化私有内存替代传统的全局共享内存。研究发现共享记忆会导致智能体收敛到相似决策路径，而DecentMem通过保留每个智能体的私有记忆来维持认知差异。在AutoGen、DyLAN和AgentNet的测试中，DecentMem相比集中式记忆基线平均提升8.6%，最佳场景下提升23.8%，同时Token消耗减半。
为什么重要：DecentMem从底层架构上解决了多智能体系统"分工失效"的核心难题，为更高效的AI Agent协作网络铺平了道路。
#AI #多智能体 #开源 #Agent
剑桥大学与芝加哥大学团队开源多智能体记忆框架DecentMem，用去中心化私有内存替代传统的全局共享内存。研究发现共享记忆会导致智能体收敛到相似决策路径，而DecentMem通过保留每个智能体的私有记忆来维持认知差异。在AutoGen、DyLAN和AgentNet的测试中，DecentMem相比集中式记忆基线平均提升8.6%，最佳场景下提升23.8%，同时Token消耗减半。
为什么重要：DecentMem从底层架构上解决了多智能体系统"分工失效"的核心难题，为更高效的AI Agent协作网络铺平了道路。
#AI #多智能体 #开源 #Agent
Databricks открывает Agent-агрегатор Omnigent с возможностями для многопользовательского взаимодействия и контроля безопасности
Databricks выпустил Omnigent, фреймворк для распределения агентов с лицензией Apache 2.0, который работает на основе существующих инструментов, таких как Claude Code, Codex и Pi, и может преобразовывать агентов из разных фреймворков в совместимые системные компоненты. Omnigent реализует состояние безопасности на уровне распределения, поддерживая перехват действий git push и запросы на ручное одобрение после загрузки npm-зависимостей агентами или установку лимита на затраты LLM, который при накоплении 100 долларов приостанавливает выполнение. Фреймворк также включает песочницу для сетевых запросов, чтобы предотвратить утечку конфиденциальной информации.
Почему это важно: Omnigent заполняет пробелы в взаимной совместимости в области многопользовательской оркестрации, предоставляя критическую инфраструктуру контроля безопасности для перехода AI-агентов от экспериментов к корпоративному развертыванию.
#Databricks #AI #Agent #открытый_код
Databricks выпустил Omnigent, фреймворк для распределения агентов с лицензией Apache 2.0, который работает на основе существующих инструментов, таких как Claude Code, Codex и Pi, и может преобразовывать агентов из разных фреймворков в совместимые системные компоненты. Omnigent реализует состояние безопасности на уровне распределения, поддерживая перехват действий git push и запросы на ручное одобрение после загрузки npm-зависимостей агентами или установку лимита на затраты LLM, который при накоплении 100 долларов приостанавливает выполнение. Фреймворк также включает песочницу для сетевых запросов, чтобы предотвратить утечку конфиденциальной информации.
Почему это важно: Omnigent заполняет пробелы в взаимной совместимости в области многопользовательской оркестрации, предоставляя критическую инфраструктуру контроля безопасности для перехода AI-агентов от экспериментов к корпоративному развертыванию.
#Databricks #AI #Agent #открытый_код
См. перевод
📰 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 запускает инструмент subagent: большие модели могут делегировать подс задачи меньшим моделям в процессе генерации
OpenRouter представил серверный прокси-инструмент openrouter:subagent, который поддерживает возможность для больших моделей в процессе генерации контента делегировать независимые подс задачи более мелким и дешевым кандидатным моделям. Результаты выполнения подс задач возвращаются в формате outcome для интеграции в основную модель. Рабочие модели также могут быть оснащены независимыми инструментами, такими как сетевой поиск и веб-скрапинг, для многоступенчатого вывода в песочнице. Чтобы предотвратить бесконечную рекурсию, OpenRouter внедрил ограничения по глубине вложенности и жесткие лимиты.
Почему это важно: subagent создает новую парадигму для совместной работы задач между моделями, что значительно снизит затраты на вывод сложных задач Agent.
#AI #OpenRouter #人工智能 #Agent
OpenRouter представил серверный прокси-инструмент openrouter:subagent, который поддерживает возможность для больших моделей в процессе генерации контента делегировать независимые подс задачи более мелким и дешевым кандидатным моделям. Результаты выполнения подс задач возвращаются в формате outcome для интеграции в основную модель. Рабочие модели также могут быть оснащены независимыми инструментами, такими как сетевой поиск и веб-скрапинг, для многоступенчатого вывода в песочнице. Чтобы предотвратить бесконечную рекурсию, OpenRouter внедрил ограничения по глубине вложенности и жесткие лимиты.
Почему это важно: subagent создает новую парадигму для совместной работы задач между моделями, что значительно снизит затраты на вывод сложных задач Agent.
#AI #OpenRouter #人工智能 #Agent
【叙述流】AI Агент Трек: Конец спекуляций или настоящий старт?
За последние 30 дней концептуальные токены AI+Crypto в среднем выросли в 3 раза по сравнению с BTC. Интерес действительно высок, но пузырь также накапливается.
Сегодня рассмотрим три уровня:
▎1. Уровень нарратива: Реальные потребности экономики агентов
Данные CoinGecko показывают, что количество токенов с меткой «AI Агент» увеличилось с 12 на начало года до 47. Но при внимательном взгляде на главные страницы проектов, более 70% функций агентов — это всего лишь «диалог + взаимодействие на блокчейне», без настоящего защитного барьера.
Настоящие проекты с барьерами: (распределение вычислительных мощностей), (хранение данных), (AI рендеринг). Инфраструктурные свойства этих трех определяют, что они не просто концепты.
▎2. Уровень капитала: Что покупают институционалы?
Мониторинг Lookonchain показывает, что за последние две недели адреса китов чисто купили токены AI трека на сумму около 120 миллионов долларов. Но покупки сосредоточены — 5 крупнейших токенов поглотили 80% капитала.
Это значит, что капитал поддерживает трек, но не все активы.
▎3. Уровень рисков: Гонка регуляторов и нарратива
SEC США отправила несколько запросов по токенам, связанным с AI, особенно на проекты с «дисбалансом между заявляемой практической полезностью и ценой токена». Как только какой-либо проект попадает в список, за 48 часов он в среднем откатывается на 30%.
▎Заключение
AI Агент трек не мертв, но «что покупать» важнее, чем «покупать ли». Избегайте чисто концептуальных токенов, сосредоточьтесь на проектах с реальным доходом или данными пользователей.
#AI #Agent #CryptoInvestment
За последние 30 дней концептуальные токены AI+Crypto в среднем выросли в 3 раза по сравнению с BTC. Интерес действительно высок, но пузырь также накапливается.
Сегодня рассмотрим три уровня:
▎1. Уровень нарратива: Реальные потребности экономики агентов
Данные CoinGecko показывают, что количество токенов с меткой «AI Агент» увеличилось с 12 на начало года до 47. Но при внимательном взгляде на главные страницы проектов, более 70% функций агентов — это всего лишь «диалог + взаимодействие на блокчейне», без настоящего защитного барьера.
Настоящие проекты с барьерами: (распределение вычислительных мощностей), (хранение данных), (AI рендеринг). Инфраструктурные свойства этих трех определяют, что они не просто концепты.
▎2. Уровень капитала: Что покупают институционалы?
Мониторинг Lookonchain показывает, что за последние две недели адреса китов чисто купили токены AI трека на сумму около 120 миллионов долларов. Но покупки сосредоточены — 5 крупнейших токенов поглотили 80% капитала.
Это значит, что капитал поддерживает трек, но не все активы.
▎3. Уровень рисков: Гонка регуляторов и нарратива
SEC США отправила несколько запросов по токенам, связанным с AI, особенно на проекты с «дисбалансом между заявляемой практической полезностью и ценой токена». Как только какой-либо проект попадает в список, за 48 часов он в среднем откатывается на 30%.
▎Заключение
AI Агент трек не мертв, но «что покупать» важнее, чем «покупать ли». Избегайте чисто концептуальных токенов, сосредоточьтесь на проектах с реальным доходом или данными пользователей.
#AI #Agent #CryptoInvestment
Hermes Agent запустил веб-конфигуратор, поддерживающий одностраничное визуальное создание AI-агентов
Исследование Nous объявило о запуске визуального конструктора профилей в веб-панели управления Hermes Agent, который позволяет разработчикам одностранично создавать и настраивать роли агентов. Процесс настройки охватывает именование агентов, выбор поставщика моделей и настройку параметров вывода, установку библиотеки навыков Skills Hub, а также конфигурацию и тестирование сервера MCP.
Почему это важно: разработка AI-агентов переходит от чисто кодовой работы к визуальной настройке, снижая барьеры для разработки AI-агентов.
#AI #Agent #开源 #Web3
Исследование Nous объявило о запуске визуального конструктора профилей в веб-панели управления Hermes Agent, который позволяет разработчикам одностранично создавать и настраивать роли агентов. Процесс настройки охватывает именование агентов, выбор поставщика моделей и настройку параметров вывода, установку библиотеки навыков Skills Hub, а также конфигурацию и тестирование сервера MCP.
Почему это важно: разработка AI-агентов переходит от чисто кодовой работы к визуальной настройке, снижая барьеры для разработки AI-агентов.
#AI #Agent #开源 #Web3
📰 Крипто-рынок: горячие новости
1. AI-контент снова привлекает капитал: компания Jingying Technology завершила раунд A и A+ с привлечением десятков миллионов долларов. Инвесторы включают семью Ван Хуэйвэня, Ant Group и другие. Компания также объявила, что бывший главный научный сотрудник AWS Ван Минцзе назначен главным ученым. Она позиционируется как нативная агентская компания в контентной индустрии, фокусируясь на AI-короткометражках, и активно создает среду для эволюции агентов создателей контента с возможностью самосовершенствования и постоянной итерацией на основе реальных отзывов пользователей, что свидетельствует о быстром формировании замкнутого цикла производства и коммерциализации AI-контента.
2. Возможности AI продолжают расширяться: функция веб-поиска в Responses API теперь поддерживает изображения, больше не ограничиваясь текстовой информацией. Это означает, что разработчики могут напрямую вызывать изображения товаров, мест и визуальных ссылок в своих приложениях, улучшая визуальные эффекты и взаимодействие. Для AI-помощников, контентного творчества, рекомендаций в e-commerce и туристических гидов интеграция поиска изображений обещает повысить удобство продукта и подчеркивает важность мультимодальных возможностей в конкуренции AI-приложений.
#AI #Agent #мультимодальный
1. AI-контент снова привлекает капитал: компания Jingying Technology завершила раунд A и A+ с привлечением десятков миллионов долларов. Инвесторы включают семью Ван Хуэйвэня, Ant Group и другие. Компания также объявила, что бывший главный научный сотрудник AWS Ван Минцзе назначен главным ученым. Она позиционируется как нативная агентская компания в контентной индустрии, фокусируясь на AI-короткометражках, и активно создает среду для эволюции агентов создателей контента с возможностью самосовершенствования и постоянной итерацией на основе реальных отзывов пользователей, что свидетельствует о быстром формировании замкнутого цикла производства и коммерциализации AI-контента.
2. Возможности AI продолжают расширяться: функция веб-поиска в Responses API теперь поддерживает изображения, больше не ограничиваясь текстовой информацией. Это означает, что разработчики могут напрямую вызывать изображения товаров, мест и визуальных ссылок в своих приложениях, улучшая визуальные эффекты и взаимодействие. Для AI-помощников, контентного творчества, рекомендаций в e-commerce и туристических гидов интеграция поиска изображений обещает повысить удобство продукта и подчеркивает важность мультимодальных возможностей в конкуренции AI-приложений.
#AI #Agent #мультимодальный
📰 Быстрые новости крипторынка
1. Взаимосвязь AI-вычислений нарастает, CPO становится новым фокусом инфраструктуры
С ростом трафика обучения и вывода AI-моделей центры обработки данных сталкиваются с множеством проблем, таких как пропускная способность, потребление энергии, потеря сигнала и охлаждение. Оптический CPO, который позволяет глубоко интегрировать световой двигатель и чипы, рассматривается как важное направление для повышения эффективности высокоскоростной связи внутри и вне шкафов. В настоящее время такие компании, как Nvidia и Broadcom, активно продвигают соответствующие решения для коммутаторов, однако передовые упаковки, терморегулирование, обслуживание и стандартизация остаются ключевыми барьерами для реализации в отрасли.
2. Трасса «суперсвязи» AI может изменить распределение ценностей в индустрии
Мнения на рынке указывают на то, что в следующем этапе конкуренции в AI-инфраструктуре акцент смещается с простой обработки мощности на улучшение «связующих возможностей». По сравнению с такими маршрутами, как NPO, OIO и LPO, CPO рассматривается как более перспективное решение следующего поколения. Как только технология станет зрелой, ценность цепочки поставок может сосредоточиться на производителях коммутирующих чипов, ключевых элементах оптических модулей и компаниях по передовой упаковке, и соответствующие трассы могут стать новыми горячими точками интереса капитала в AI и полупроводниках.
3. Высокий интерес к платежам Agent, но реальные потребности еще предстоит подтвердить
Вокруг платежной инфраструктуры Agent недавно велись дискуссии, но множественные исследования показывают, что текущий рынок все еще находится на ранней стадии исследования. Будь то Agent к торговцам, API или Agent к Agent, фактическая активность сделок и коммерческая конверсия остаются довольно ограниченными. В настоящее время отрасль больше похожа на проверку сценариев и потребностей, а не на период массового развертывания; в краткосрочной перспективе следует больше внимания уделить реальной частоте использования и устойчивым бизнес-моделям.
4. Дифференциация бизнес-моделей Agent, финансовые сценарии относительно более ясные
С точки зрения применения, Agent к торговцам ограничен пользовательским опытом и каналами распределения, Agent к API ограничен готовностью крупных поставщиков SaaS открывать доступ и ценовыми системами, а Agent к Agent все еще остается концептуальным. В то же время финансы — это одно из немногих направлений с уже существующим спросом, но конкуренция также довольно высока, традиционные платежные и финансовые учреждения по-прежнему обладают явными преимуществами в области соблюдения норм, каналов и клиентских ресурсов.
5. Платежи не обязательно являются конечной целью, коллаборационные возможности могут быть большей удачей
Отраслевые наблюдатели указывают, что платежи — это лишь один из этапов цепочки взаимодействия Agent; истинную коммерческую ценность могут определять координация задач, проверка личности, управление правами и возможности автоматического выполнения. В будущем, если какая-либо платформа первоочередно решит проблемы эффективности взаимодействия между несколькими Agent, функции платежей могут стать частью интеграции. Для криптоиндустрии еще есть пространство для размышлений по поводу расчетов на цепочке, но при условии, что сначала будут проработаны реальные потребности и замкнутый цикл продуктов.
#AI #Agent #crypto
1. Взаимосвязь AI-вычислений нарастает, CPO становится новым фокусом инфраструктуры
С ростом трафика обучения и вывода AI-моделей центры обработки данных сталкиваются с множеством проблем, таких как пропускная способность, потребление энергии, потеря сигнала и охлаждение. Оптический CPO, который позволяет глубоко интегрировать световой двигатель и чипы, рассматривается как важное направление для повышения эффективности высокоскоростной связи внутри и вне шкафов. В настоящее время такие компании, как Nvidia и Broadcom, активно продвигают соответствующие решения для коммутаторов, однако передовые упаковки, терморегулирование, обслуживание и стандартизация остаются ключевыми барьерами для реализации в отрасли.
2. Трасса «суперсвязи» AI может изменить распределение ценностей в индустрии
Мнения на рынке указывают на то, что в следующем этапе конкуренции в AI-инфраструктуре акцент смещается с простой обработки мощности на улучшение «связующих возможностей». По сравнению с такими маршрутами, как NPO, OIO и LPO, CPO рассматривается как более перспективное решение следующего поколения. Как только технология станет зрелой, ценность цепочки поставок может сосредоточиться на производителях коммутирующих чипов, ключевых элементах оптических модулей и компаниях по передовой упаковке, и соответствующие трассы могут стать новыми горячими точками интереса капитала в AI и полупроводниках.
3. Высокий интерес к платежам Agent, но реальные потребности еще предстоит подтвердить
Вокруг платежной инфраструктуры Agent недавно велись дискуссии, но множественные исследования показывают, что текущий рынок все еще находится на ранней стадии исследования. Будь то Agent к торговцам, API или Agent к Agent, фактическая активность сделок и коммерческая конверсия остаются довольно ограниченными. В настоящее время отрасль больше похожа на проверку сценариев и потребностей, а не на период массового развертывания; в краткосрочной перспективе следует больше внимания уделить реальной частоте использования и устойчивым бизнес-моделям.
4. Дифференциация бизнес-моделей Agent, финансовые сценарии относительно более ясные
С точки зрения применения, Agent к торговцам ограничен пользовательским опытом и каналами распределения, Agent к API ограничен готовностью крупных поставщиков SaaS открывать доступ и ценовыми системами, а Agent к Agent все еще остается концептуальным. В то же время финансы — это одно из немногих направлений с уже существующим спросом, но конкуренция также довольно высока, традиционные платежные и финансовые учреждения по-прежнему обладают явными преимуществами в области соблюдения норм, каналов и клиентских ресурсов.
5. Платежи не обязательно являются конечной целью, коллаборационные возможности могут быть большей удачей
Отраслевые наблюдатели указывают, что платежи — это лишь один из этапов цепочки взаимодействия Agent; истинную коммерческую ценность могут определять координация задач, проверка личности, управление правами и возможности автоматического выполнения. В будущем, если какая-либо платформа первоочередно решит проблемы эффективности взаимодействия между несколькими Agent, функции платежей могут стать частью интеграции. Для криптоиндустрии еще есть пространство для размышлений по поводу расчетов на цепочке, но при условии, что сначала будут проработаны реальные потребности и замкнутый цикл продуктов.
#AI #Agent #crypto
Talus（$US） эта волна больше напоминает "событийно-ориентированный откат": запуск дропов Kaito в сочетании с функцией агрегатора Agent подстегнули выпуск экосистемных стимулов, и внимание рынка на короткий срок вернулось, на протяжении недели рост достигал 81%.
С текущими данными, цена около 0.01167 долларов, 24H объем торгов около 614 миллионов долларов, рыночная капитализация около 2567 миллионов долларов, объем не слишком большой, поэтому изменения настроений инвесторов будут оказывать более заметное влияние на эластичность цены.
Я больше беспокоюсь о двух вопросах: сможет ли использование на блокчейне/продуктах продолжать расти после окончания хайпа дропов? Уровень обсуждаемости в китайском сообществе все еще низкий, и если в дальнейшем не будет постоянного нарратива, краткосрочный рост может столкнуться с давлением на откат. При покупке на хаях будьте осторожны, лучше наблюдать за силой поддержки после коррекции.
#Talus #Agent #дроп экосистема
С текущими данными, цена около 0.01167 долларов, 24H объем торгов около 614 миллионов долларов, рыночная капитализация около 2567 миллионов долларов, объем не слишком большой, поэтому изменения настроений инвесторов будут оказывать более заметное влияние на эластичность цены.
Я больше беспокоюсь о двух вопросах: сможет ли использование на блокчейне/продуктах продолжать расти после окончания хайпа дропов? Уровень обсуждаемости в китайском сообществе все еще низкий, и если в дальнейшем не будет постоянного нарратива, краткосрочный рост может столкнуться с давлением на откат. При покупке на хаях будьте осторожны, лучше наблюдать за силой поддержки после коррекции.
#Talus #Agent #дроп экосистема
Эра AI-агентов, $GENIUS может быть недооцененным элементом пазла
@GeniusOfficial строит протокол, который глубоко интегрирует AI с цепочечными активами. Скорее, это не токен, а ранняя ставка на "машинную экономику".
Почему стоит обратить внимание на $GENIUS ?
1. Пересечение AI + Crypto — самый сильный нарратив этого цикла, капитал ищет действительно продуктивные стороны
2. Инфраструктура агентской экономики — когда AI-агенты начинают самостоятельно торговать, платить, подписывать контракты, им нужна родная крипто-трасса
3. Эволюция токеномики — $GENIUS это не только управление, но и "топливо" для вызова интеллекта Агентов
Рынок все еще рассматривает AI токены через призму мемов, но настоящая ценность создается в проектах с реальными сценариями использования.
Если Genius 2.0 сможет замкнуть цикл Agent ↔ цепочечное действие, воображение может далеко уйти за пределы текущего.
#genius #AI #Агент
@GeniusOfficial строит протокол, который глубоко интегрирует AI с цепочечными активами. Скорее, это не токен, а ранняя ставка на "машинную экономику".
Почему стоит обратить внимание на $GENIUS ?
1. Пересечение AI + Crypto — самый сильный нарратив этого цикла, капитал ищет действительно продуктивные стороны
2. Инфраструктура агентской экономики — когда AI-агенты начинают самостоятельно торговать, платить, подписывать контракты, им нужна родная крипто-трасса
3. Эволюция токеномики — $GENIUS это не только управление, но и "топливо" для вызова интеллекта Агентов
Рынок все еще рассматривает AI токены через призму мемов, но настоящая ценность создается в проектах с реальными сценариями использования.
Если Genius 2.0 сможет замкнуть цикл Agent ↔ цепочечное действие, воображение может далеко уйти за пределы текущего.
#genius #AI #Агент
История с агентами на блокчейне наконец-то не просто крики в пустоту. Глава Mysten Labs прямо заявил: "Это не хайп, мы вступаем в эпоху агентов". Четко обозначили, что блокчейн рассматривается как уровень доверия для ИИ. Если Sui сможет выкатить рабочую рамку для агентов, рынок может действительно измениться. В противном случае это просто переодетая VC-монета. #AI #Agent $SUI
Открытый шедевр подвергся «официальному сбору» от крупной компании? Флагманский плагин OMO жестко критикует Anthropic за пиксельное копирование их архитектуры Agent
16.7万 звезд у открытого проекта OpenCode, официальный плагин No.1 OMO команда публично обвинила Anthropic в пиксельном копировании их многомодельной оркестровочной архитектуры в динамическом рабочем процессе Claude Code и ultracode режиме, выпущенных в Opus 4.8. OMO разработан 23-летним корейским хакером Q, который уже собрал 60,000 звезд. В январе этого года OMO выпустил рабочий процесс ultrawork и мозг atlas, которые были обвинены в том, что Anthropic присвоил их в закрытые платные функции. OMO также обвинила FactoryAI в копировании их трехуровневой архитектуры Agent.
Почему это важно: Это самый острый спор о копировании архитектуры между сообществом открытого ИИ и крупными закрытыми компаниями, который непосредственно вскрывает грабительский путь «сначала запретить, потом поглотить» большой компании, что повлияет на открытое экосистемное направление платформы AI Agent.
#AI #Anthropic #开源 #Agent
16.7万 звезд у открытого проекта OpenCode, официальный плагин No.1 OMO команда публично обвинила Anthropic в пиксельном копировании их многомодельной оркестровочной архитектуры в динамическом рабочем процессе Claude Code и ultracode режиме, выпущенных в Opus 4.8. OMO разработан 23-летним корейским хакером Q, который уже собрал 60,000 звезд. В январе этого года OMO выпустил рабочий процесс ultrawork и мозг atlas, которые были обвинены в том, что Anthropic присвоил их в закрытые платные функции. OMO также обвинила FactoryAI в копировании их трехуровневой архитектуры Agent.
Почему это важно: Это самый острый спор о копировании архитектуры между сообществом открытого ИИ и крупными закрытыми компаниями, который непосредственно вскрывает грабительский путь «сначала запретить, потом поглотить» большой компании, что повлияет на открытое экосистемное направление платформы AI Agent.
#AI #Anthropic #开源 #Agent
На выходных снова провел полдня, мучаясь с рутинной работой, и вдруг осознал, что мой стек AI автоматизации уже работает почти полгода, а эффективность заметно возросла. Решил подвести итоги о том, как эта архитектура взаимодействует.
В основе два ключевых персонажа: **Hermes выполняет управление задачами**, а Claude Code занимается конкретной работой. Hermes по сути является менеджером задач, который обрабатывает расписание, управление памятью, фоновые cron задачи и отправляет сообщения в Telegram и Fei Shu. Представьте себе секретаря, который всегда на связи, помнит идеи с вчерашнего дня, в нужное время напоминает сегодня и завтра автоматически запускает скрипт для сбора данных.
Сложные кодовые задачи я отдаю Claude Code, чтобы он все сделал разом. Крупные рефакторинги, аудит кода или проектирование функции с 0 до 1 — все это я делаю через CLI режим Claude Code. Оба могут обращаться к моей библиотеке навыков (методологическая база), если Hermes хочет повторно использовать какую-то логику, он просто вызывает навык; Claude Code тоже может, переключение требует почти никаких затрат.
Выбор моделей основан на балансе затрат и выгод. Для повседневного общения, утренних новостей и мониторинга рынка, которые требуют высокой частоты обработки, я использую Haiku (дешево), а для действительно сложных задач с глубоким анализом обновляюсь до Sonnet или Opus. Таким образом, стоимость токенов за месяц можно контролировать.
С другой стороны, **агент — это мозг автоматизированной линии** — принимает решения и осуществляет планирование; **навык — это руки линии**, конкретно выполняет работу. Hermes на стороне агента, дает каждому этапу линии память и контекст. Если какая-то задача выходит за рамки, она непосредственно передается эксперту Claude Code.
До того, как я попробовал эту систему, мне приходилось тратить 8 часов в неделю на рутинную работу. Сейчас некоторые задачи в основном работают в фоновом режиме, и нужно лишь периодически проверять отчеты или аномальные предупреждения. Главная проблема — плохо написанная документация по навыкам, что приводит к ошибкам вызова. Теперь для каждого нового навыка я обязуюсь добавлять "распространенные ловушки" и "сценарии использования".
Говоря об этом, я думаю, что суть AI автоматизации не в использовании самой сильной модели, а в том, чтобы **разбить работу на достаточно мелкие части, чтобы каждый элемент был независимым и чтобы ошибки было легко отлаживать**. Небольшие команды, инвестируя в это направление, могут существенно сократить ручной труд.
$BTC #AI #Agent
В основе два ключевых персонажа: **Hermes выполняет управление задачами**, а Claude Code занимается конкретной работой. Hermes по сути является менеджером задач, который обрабатывает расписание, управление памятью, фоновые cron задачи и отправляет сообщения в Telegram и Fei Shu. Представьте себе секретаря, который всегда на связи, помнит идеи с вчерашнего дня, в нужное время напоминает сегодня и завтра автоматически запускает скрипт для сбора данных.
Сложные кодовые задачи я отдаю Claude Code, чтобы он все сделал разом. Крупные рефакторинги, аудит кода или проектирование функции с 0 до 1 — все это я делаю через CLI режим Claude Code. Оба могут обращаться к моей библиотеке навыков (методологическая база), если Hermes хочет повторно использовать какую-то логику, он просто вызывает навык; Claude Code тоже может, переключение требует почти никаких затрат.
Выбор моделей основан на балансе затрат и выгод. Для повседневного общения, утренних новостей и мониторинга рынка, которые требуют высокой частоты обработки, я использую Haiku (дешево), а для действительно сложных задач с глубоким анализом обновляюсь до Sonnet или Opus. Таким образом, стоимость токенов за месяц можно контролировать.
С другой стороны, **агент — это мозг автоматизированной линии** — принимает решения и осуществляет планирование; **навык — это руки линии**, конкретно выполняет работу. Hermes на стороне агента, дает каждому этапу линии память и контекст. Если какая-то задача выходит за рамки, она непосредственно передается эксперту Claude Code.
До того, как я попробовал эту систему, мне приходилось тратить 8 часов в неделю на рутинную работу. Сейчас некоторые задачи в основном работают в фоновом режиме, и нужно лишь периодически проверять отчеты или аномальные предупреждения. Главная проблема — плохо написанная документация по навыкам, что приводит к ошибкам вызова. Теперь для каждого нового навыка я обязуюсь добавлять "распространенные ловушки" и "сценарии использования".
Говоря об этом, я думаю, что суть AI автоматизации не в использовании самой сильной модели, а в том, чтобы **разбить работу на достаточно мелкие части, чтобы каждый элемент был независимым и чтобы ошибки было легко отлаживать**. Небольшие команды, инвестируя в это направление, могут существенно сократить ручной труд.
$BTC #AI #Agent
Сезон 2 на GOAT Network был настоящим безумством. От развертывания без кода через @ClawUpAI до управления сложными биткойн-родными ZK рабочими процессами, мой AI агент прошёл путь от нуля до героя.
Что выделяет его? Это не просто технологии ради технологий, это РЕАЛЬная полезность. Наблюдая, как он упрощает многослойные ZK доказательства в безупречные, безопасные транзакции, которые ощущаются как отправка сообщения, я был в полном восторге.
Создан по-другому, сосредоточен на безопасности и делает криптоприватность доступной для всех с первого дня. Горжусь тем, что строю на прочном фундаменте, как @GOATRollup
#AIAgent #AGENT #BTC
Что выделяет его? Это не просто технологии ради технологий, это РЕАЛЬная полезность. Наблюдая, как он упрощает многослойные ZK доказательства в безупречные, безопасные транзакции, которые ощущаются как отправка сообщения, я был в полном восторге.
Создан по-другому, сосредоточен на безопасности и делает криптоприватность доступной для всех с первого дня. Горжусь тем, что строю на прочном фундаменте, как @GOATRollup
#AIAgent #AGENT #BTC
MasterCard объединяется с Coinbase и Stripe для создания платежной системы на основе AI Agent
MasterCard работает с компаниями Coinbase, Stripe и другими, чтобы разработать систему доверительных платежей для AI Agent. Традиционные платежи зависят от человекоподобной проверки (номер кредитной карты, пароль), тогда как транзакции между AI Agent требуют совершенно новой структуры аутентификации и авторизации. MasterCard использует свою глобальную платежную сеть и токенизацию для обеспечения безопасной расчетной инфраструктуры в автоматизированных бизнес-сценариях, управляемых AI.
Почему это важно: Автономные платежи AI Agent станут следующим триллионным рынком, и сотрудничество MasterCard, как традиционного гиганта платежей, с экосистемой крипто/финансовых технологий знаменует собой глубокую интеграцию AI и платежной инфраструктуры, которая вступила в стадию реальной реализации.
#AI #Mastercard #Web3 #支付 #Agent
MasterCard работает с компаниями Coinbase, Stripe и другими, чтобы разработать систему доверительных платежей для AI Agent. Традиционные платежи зависят от человекоподобной проверки (номер кредитной карты, пароль), тогда как транзакции между AI Agent требуют совершенно новой структуры аутентификации и авторизации. MasterCard использует свою глобальную платежную сеть и токенизацию для обеспечения безопасной расчетной инфраструктуры в автоматизированных бизнес-сценариях, управляемых AI.
Почему это важно: Автономные платежи AI Agent станут следующим триллионным рынком, и сотрудничество MasterCard, как традиционного гиганта платежей, с экосистемой крипто/финансовых технологий знаменует собой глубокую интеграцию AI и платежной инфраструктуры, которая вступила в стадию реальной реализации.
#AI #Mastercard #Web3 #支付 #Agent
Войдите, чтобы посмотреть больше материала