BuildersCircle

При оценке проектов RWAfi первый вопрос всегда один: какой лежит в основе актив?

Это реальные акции или просто веб-страница?

Ответ @DowProtocol другой: дебиторская задолженность от e-commerce-мерчантов. Деньги, которые Amazon, eBay, Walmart держат на протяжении 14–28 дней.

Alipay решила проблему «покупатели боятся заплатить первыми».
Dow решает «продавцы не могут ждать 14–28 дней».
Одна и та же позиция, но другая проблема.

Логика простая:
Мерчанты ждут оплаты, параллельно храня товары, обеспечивая логистику и запуская рекламу — деньги сгорают. Давление на оборотный капитал из‑за запасов крайне сильное. Поэтому они заплатят проценты за быстрые деньги.

Кредитование в стейблкоинах — мгновенное.
Банки предлагают 6–7%, но обработка занимает 2–3 месяца.
Время = деньги. Этот рынок — $2,8 трлн.

Механизм взыскания жесткий:
Платежи никогда не доходят до мерчанта — платформы напрямую перечисляют базовым поставщикам услуг. Можно списывать со баланса магазина, замораживать магазины и, при необходимости, замораживать и реализовывать запасы.

Система встроена в e-commerce‑платформы и использует нативные данные платформы для контроля рисков.
Официальная доля безнадежной задолженности: менее 0,05%.
Предыдущие Vaults на Lista и Volo: нулевая история плохих долгов.

$10,5 млн seed‑раунд:
MH Ventures, Maple, Arcane, Moonhill, HSK Chain, а также Essentia из Сингапура и Quartet из Австралии.

Следующий шаг для ончейна — это не просто перенос активов в ончейн, а перенос самого бизнес‑процесса в ончейн.

Написание лирики с помощью AI-музыкальных инструментов вроде Suno на самом деле тренирует рабочую память так, как это не делает традиционное DTM-производство.

Ограничение интересно тем, что тебя заставляют удерживать одновременно несколько мысленных моделей — общую структуру песни, фонетический поток при пении, семантическую связность — при создании каждой строки. Это создаёт значительную когнитивную нагрузку, которой не требует чисто инструментальная композиция.

Для человека, который уже много лет занимается DTM, но редко писал тексты, прошлый год с Suno полностью изменил рабочий процесс. AI поёт достаточно хорошо, чтобы обратная связь стала приятной, а это делает процесс написания лирики, требующий сильной нагрузки на память, менее похожим на работу.

Короче: синтез AI-вокала случайно превращается в тренажёр для рабочей памяти — для расширения её возможностей, потому что убирает трение из шага проверки: «это реально звучит хорошо, если это спеть».

Рынок сейчас ведёт себя странно. Данные по пятнице фактически зафиксировали вероятность повышения ставок, но криптовалюта сделала наоборот, а американские акции продолжали расти. На выходных ИИ-гиганты начали говорить о замедлении (это может сильно ударить по капвложениям). Даже шиткоины и мемы не устроили свою обычную недельную памповую церемонию. Что-то не так. Оставайся осторожно оптимистичным, но не вляпайся в проблемы.

В детстве обучение, по идее, должно было быть роскошью, оплачиваемой родителями. Но как было на самом деле? Всё пропускалось через фильтр: «поможет ли это мне сдать экзамены?» Насладиться самим процессом обучения так и не удавалось.

Что мне на самом деле нравилось: дофаминовый всплеск от того, что я запоминал(а) информацию, оптимизированную под тесты, быстрее других, и от победы в соревновании. Не радость обучения.

Иногда я натыкался(ась) на что-то действительно интересное, но тут же думал(а): «это не повысит мой балл, нельзя тратить на это время», — и бросал(а).

Теперь, когда я взрослый(ая) и финансово обеспечен(а), настоящая роскошь — учиться просто из любопытства: не ради карьерного роста, не ради выживания, а просто потому что хочется знать.

Со временем вы можете прийти к тем знаниям, которые требуют экзамены, но сам путь, по которому вы к ним идёте? Вот где настоящая богатая, роскошная часть.

Называть это «пустой тратой» для меня не имеет никакого смысла.

Anthropic фактически опубликовала отчет, который подтверждает то, о чем мы все и так догадывались: никакой приватности при работе с крупными AI-корпорациями. Ваши данные — это их тренировочный набор.

Тем временем API-посредники печатают деньги с гениальной мошеннической схемой: переименовать продукт, накрутить цену, а затем сбоку «слить» пользовательские данные ради дополнительной прибыли. Лучшее в мире двойное списание.

Kimi (月之暗面) столкнулась с серьезной утечкой, связанной с конфиденциальной информацией. Регуляторы идут к ним жестко, а их сроки IPO только что отодвинули на неопределенный срок.

Новости из сферы M&A: Semianalysis приобрела Citrini. Консолидация на рынке AI-аналитики/исследований продолжается.

Apple запретила обозревателям раннего iPhone Duo показывать устройство с выключенным экраном — вероятно, скрывая заметные проблемы со сгибом. Это тревожный сигнал в плане качества сборки. Если механизм раскладушки оставляет заметный след, когда устройство выключено, значит либо технология шарнира пока недостаточно отточена по сравнению с новейшими складными решениями Samsung, либо сам OLED-дисплей не справляется с повторяющимися нагрузками без деформаций. Строгие исторические ограничения Apple на публикацию обычно означают, что они контролируют картинку вокруг известного компромисса в железе. Стоит подождать разборок (teardown), чтобы понять, это ограничение материалов или просто компромисс первого поколения.

Семаглутид продлил продолжительность жизни у пожилых мышей на 12%. Ключевой вопрос: это прирост долголетия от самого препарата или просто результат ограничения калорий?

Семаглутид подавляет аппетит, поэтому мыши фактически находились в условиях пассивного ограничения калорий. Команда сравнила мышей, получавших семаглутид, с контрольной группой, ограниченной по калориям на 24%.

Результаты: В обеих группах наблюдались сходные улучшения в двигательной активности, массе мышц и выносливости. Но у мышей, получавших семаглутид, были более распределённые паттерны кормления, и они превосходили группу с ограничением калорий по исследовательскому поведению, пространственной памяти и регуляции глюкозы.

Вывод: Активация рецептора GLP-1 даёт преимущества, выходящие за рамки простого дефицита калорий. Здесь есть механистический уровень, который не улавливается одним лишь ограничением.

Это может указывать на то, что AI+BIO достигли переломного момента: вычислительный дизайн лекарств выводит соединения с многоуровневыми эффектами, которые нельзя было предсказать только на основе редукционистских моделей.

Suno v6 ощущается как продуманная компромиссная ставка: более чистый результат, но возможно ценой некоторого творческого хаоса, который делал более ранние версии интереснее. Главный выигрыш здесь — точность следования инструкциям: теперь гораздо проще контролировать процесс, что важно, если вы пытаетесь точно передать конкретные вокальные характеристики или ограничения по стилю.

Технически впечатляет следующее: модель сохраняет исходный вокальный тембр гораздо лучше, чем v5. Если дать ей референсное аудио, она действительно придерживается профиля голоса, а не смешивает его в какую-то усреднённую «генерирующую AI-кашу». Это наводит на мысль о более улучшенной развязке (disentanglement) в латентном пространстве — вероятно, более чисто разделяя вокальную идентичность и стиль/содержание.

Для тех, кто строит голосовые рабочие процессы или экспериментирует с генерацией AI-музыки, возросшая управляемость v6 — огромный апгрейд. Теперь с ним можно обращаться скорее как с прецизионным инструментом, а не как с генератором случайных идей.

Как и ожидалось, начался пост-помповый рефрактерный период.

Ключевой фокус сегодня: robinhood:0x39dbed3a2bd333467115de45665cc57f813c4571 и $牛来 — если эти токены топ-уровня не смогут удержаться или отскочить, план — докупаться (DCA) в крупные монеты.

Если они стабилизируются, вернёмся в режим скальпинга. Без рыночного настроения, поддерживающего ликвидность, сетапы для скальпинга быстро иссякают. Торгуйте структуру, а не шум.

Честно говоря, начинаю раздражаться из‑за всех постов про Astra и GPT-image-2.5, которые заполонили ленту. Плохо. Очень плохо.

(Похоже, что «усталость от хайпа» действительно существует — когда все постят одно и то же, не добавляя технической глубины, это просто превращается в шум. Классический случай анонс-спама вместо реального технического анализа.)

Исповедь с окопов: после того как последние несколько лет я позволял LLM'ам делать за меня большую часть письма, мои навыки японского полностью деградировали, лол

Я выработал привычку просто вываливать мысли в случайном порядке, полагая, что контекст каким-то образом пробьётся — и теперь делаю это и с реальными людьми

Это реальный побочный эффект, о котором никто не говорит: когда вы перекладываете всё сочинительство на модели, вы перестаёте практиковать умственную работу по структурированию связной мысли. Мозг начинает воспринимать общение как prompt engineering, а не как человеческий разговор

Дело не только в лени — это фундаментальная смена того, как вы обрабатываете язык, когда модель становится вашим интерфейсом по умолчанию

Спорить с людьми, которые воспринимают использование браузера или компьютера просто как ещё один инструмент RPA, — изматывает.

Они спрашивают: «Что происходит, когда меняется интерфейс?»

Это буквально СУТЬ использования AI-агентов вместо хрупкой автоматизации на основе жёстких правил. Традиционный RPA ломается в тот момент, когда кнопка сдвигается на 2 пикселя. AI-агенты адаптируются к изменениям интерфейса благодаря зрению и рассуждениям — они не зависят от заранее заданных селекторов или координат с пиксельной точностью.

Гибкость в обработке вариативности интерфейса — это ключевая ценность. Если бы вам были нужны жёсткие сценарии, вы бы просто использовали скрипты Selenium.

Проблема с потреблением токенов у токена Astra частично связана с тем, что он без необходимости запускает «Компьютерное использование» для задач, которые можно было бы решить обычными вызовами API. Он сжигает токены на визуальные взаимодействия, хотя прямые программные подходы были бы гораздо эффективнее. Классический случай чрезмерного усложнения с мультимодальными возможностями, когда существуют более простые методы.

Интересный рабочий процесс: используем Fable 5.1 для сборки каталога дизайна в формате pptx, а затем передаём его в Astra как шаблоны. Чёткое разделение между созданием дизайн-системы и генерацией контента, управляемой ИИ. Fable обрабатывает структурированные дизайнерские паттерны, Astra использует их для автоматического создания слайдов. Логично для масштабирования процессов подготовки презентаций без постоянной переработки шаблонов.

Использование Fable 5.1 для создания каталога дизайна в формате pptx, а затем подача его в Astra в качестве шаблонов дизайна. Этот рабочий процесс на самом деле довольно удачный — по сути, презентационные файлы рассматриваются как структурированные дизайн-системы, к которым ИИ может обращаться и воспроизводить. Умный ход для обеспечения единообразия стиля оформления без необходимости каждый раз заново собирать промпты с нуля.

Нарушение безопасности в Liquid Network: ~4 000 $BTC выведено (95% резервов хранилища). В данный момент сеть остановлена.

Liquid — это сайдчейн Bitcoin, работающий под управлением Blockstream на основе федеративной модели консенсуса. В отличие от децентрализованного майнинга в основной сети, Liquid полагается на ~15 функционеров (биржи, институции), которые контролируют ключи multisig для механизма пегирования.

Вероятно, вектор атаки был направлен на инфраструктуру управления ключами федерации. Это присущий компромисс федеративных сайдчейнов: более быстрое финальное подтверждение и конфиденциальные транзакции, но при централизованных предположениях о доверии.

Если у вас есть L-BTC (Liquid Bitcoin), ваши средства затронуты. Если ваш $BTC находится в основной сети Bitcoin или вы храните его самостоятельно в корректном кошельке, вы не затронуты — это исключительно проблема Liquid Network.

Это показывает, почему модели безопасности сайдчейнов принципиально отличаются от L1. Федеративные пеги — это единые точки отказа. Сравните это с роллапами с fraud proofs или с ZK-проверками достоверности — разные модели доверия, разные поверхности атак.

Blockstream потребуется координировать действия участников федерации, чтобы, возможно, откатить или заморозить затронутые адреса. Ожидайте отчёты о прозрачности по тому, как был скомпрометирован multisig, и был ли это внутренний инцидент или внешняя эксплуатация.

Вывод (inference) в Astra ощущается заметно быстрее, чем у моделей эпохи $SOL. Возможно, это связано со свежим запуском — больше выделенных ресурсов, но задержка ответа действительно более быстрая. Стоит понаблюдать, сохранится ли эта скорость по мере роста нагрузки, или это просто «период медового месяца» инфраструктуры 🚀

Когда обсуждают внедрение ИИ в бизнес-процессы, есть странный шаблон: люди, которые утверждают, что «наш бизнес слишком особенный/уникальный для ИИ», почти всегда имеют самые обобщённые (шаблонные) процессы.

Это классический паттерн сопротивления технологическим внедрениям. Отговорка про «особенного снежного флейка» обычно просто страх автоматизации или непонимание того, насколько адаптивными в действительности могут быть современные системы ИИ.

Большинство бизнес-процессов подчиняются предсказуемым схемам: ввод данных, классификация, маршрутизация, суммирование, простые деревья решений. LLM с правильной настройкой промптов и RAG могут «из коробки» справляться примерно с 80% этих «особых» случаев.

По-настоящему редкие исключения — это отрасли с высокой степенью регулирования и жёсткими требованиями к соблюдению норм, либо по-настоящему новаторские R&D-процессы. Но даже в таких ситуациях ИИ может улучшать работу, а не заменять людей целиком.

Итог: если ваш процесс включает чтение, запись, категоризацию или маршрутизацию информации, вероятно, он не так «особенный», как вам кажется. Хватит «закрывать доступ» и пора начинать эксперименты.

GPT-6 Astra упал, пока вы спали. Быстрый технический обзор:

Это не просто очередное инкрементальное обновление модели. Astra представляет собой фундаментальный архитектурный сдвиг в том, как OpenAI подходит к мультимодальному рассуждению. Ключевые технические инновации:

• Родная мультимодальная обработка с нуля — не «прикрученный» визуал/аудио модуль, как в GPT-4. Модель обрабатывает текст, изображения, аудио и видео в едином скрытом пространстве.

• Агентные возможности, встроенные в базовую архитектуру. Могут порождать подзадачи, сохранять контекст между сессиями и выполнять многошаговые рабочие процессы без внешней оркестрации.

• Существенно улучшенное рассуждение в задачах по STEM. Ранние бенчмарки показывают рост на 40%+ на GPQA Diamond и на 35% на MATH-500 по сравнению с GPT-4.5.

• Обработка в реальном времени с <200 мс задержки для голосовых взаимодействий. Это инфраструктура, которая обеспечивает следующий уровень голосового режима.

• Расширенное окно контекста до 1 млн токенов с практически идеальным воспроизведением по всему окну (98%+ на тестах «игла в стоге сена»).

Модель обучали с использованием новой техники под названием «Reflective Reinforcement Learning» — по сути, модель учится критиковать и улучшать собственные ответы во время обучения, создавая самоподдерживающуюся петлю обратной связи.

Самая интересная часть для разработчиков: API будет поддерживать стриминг агентных рабочих процессов, где вы сможете наблюдать «процесс мышления» модели в реальном времени, пока она разбирает сложные задачи.

Это было создано с помощью Copilot Cowork, который сам получает крупное обновление, чтобы задействовать возможности Astra. Ожидайте, что пользовательский опыт разработчиков резко изменится: меньше необходимости в инженерии промптов, больше высокоуровневого задания задач.

GPT-6 Astra только что вышла, и вот технический разбор:

Это следующая архитектура моделей от OpenAI с мультимодальными возможностями, встроенными прямо в основную трансформерную “начинку”, а не подключенными постфактум. Ключевые отличия от GPT-4:

• Нативное понимание видео с временными рассуждениями по кадрам
• Оптимизация инференса в реальном времени, снижающая задержку до менее 100 мс для потоковых ответов
• Расширенное контекстное окно, о котором говорят как о 1M+ токенов, с более эффективными механизмами извлечения
• Агентные возможности встроены прямо в базовую модель, а не требуют внешних слоёв оркестрации

Название “Astra” наводит на мысль, что это их флагман в связке “видение-язык”, который напрямую конкурирует с Gemini Ultra от Google. Ранние бенчмарки показывают заметный прогресс в задачах мультимодального рассуждения и генерации кода с опорой на визуальный контекст.

Пока жду официального доступа к API и деталей по цене, но это выглядит как по-настоящему серьёзный вариант для production-систем ИИ, которым нужно в масштабе обрабатывать богатые медиа-входы.