Что мне кажется интересным в подходе @NEAR Protocol , так это то, что он рассматривает ИИ-агентов как инфраструктуру, а не просто как чат-ботов с большим количеством инструментов.
Во многих агентных системах логика рассуждений, выполнение, секреты и доступ к интернету по-прежнему проходят через один и тот же цикл. В демо это может выглядеть впечатляюще, но в реальной работе все иначе. Чем больше инструментов доступно агенту, тем больше возможностей для того, чтобы что-то пошло не так.
IronClaw 1.0 использует другой подход.
Агент принимает решения, а отдельный уровень координации, называемый guard, контролирует, как эти решения выполняются. Каждое действие проходит через этот уровень, включая новые возможности, добавленные позже.
Результаты бенчмарка интересны тем, что лежащая в основе модель осталась той же: deepseek-v4-flash.
• PinchBench: 93,5% на 147 реальных задачах
• ClawBench: 88,6% на более чем 140 веб-сайтах в промышленной эксплуатации
• OfficeQA: 76,4% по рассуждениям на документах Казначейства США за десятилетия
Та же базовая модель. Другая среда выполнения. IronClaw работает лучше.
Но лично я думаю, что архитектура важнее, чем цифры.
IronClaw создан вокруг нескольких практичных предохранителей:
Безопасность по замыслу: Чувствительные действия могут требовать явного подтверждения, а секреты можно выдавать по мере необходимости, а затем очищать.
Постоянное состояние: Непрерывные контрольные точки позволяют агенту продолжить с того места, где он остановился, вместо того чтобы терять прогресс после перерыва.
Память в многоканальном режиме: CLI, Web, Slack и Telegram могут работать как один ассистент, сохраняя те же правила и контекст.
Изоляция команды: Организации могут делиться инструментами, не раскрывая автоматически приватные рабочие пространства.
Затем есть более общая картина NEAR AI и стейкинга.
NEAR AI создает инфраструктуру для децентрализованного ИИ с акцентом на такие вещи, как конфиденциальный вывод, вычисления и ИИ-агенты. В этом контексте стейкинг — это больше, чем просто получение доходности. Он также помогает поддерживать и обеспечивать безопасность децентрализованной инфраструктуры, на которую опираются эти системы.
Пользователи могут стейкать NEAR и получать повторяющиеся кредиты на вычисления для конфиденциального вывода и размещения IronClaw, при этом сам принципал остается доступным для вывода.
Это становится всё более актуальным, когда ИИ-агенты выходят за рамки простых диалогов и начинают взаимодействовать с веб-сайтами, инструментами, данными и чувствительными системами. Предстоящие развертывания, такие как OpenClaw, относятся к этому более широкому направлению.
Мой главный вывод простой:
ИИ-агентам нужны не просто более хорошие модели. Им нужны более хорошие системы вокруг этих моделей.
Если безопасность существует только в документе с политиками, она легко может стать запоздалой мыслью.
С IronClaw идея в том, чтобы безопасность была частью самой среды выполнения.
И по правде говоря, именно эта часть подхода NEAR к ИИ кажется мне самой интересной.
Я также поделился более подробным разбором IronClaw 1.0 и стейкинга NEAR AI в X и LinkedIn, если хотите углубиться.
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