Spędziłem ostatnie tygodnie przeglądając @codecopenflow i jego genialną dokumentację, więc pozwól, że wyjaśnię to w prostych słowach. Kolejnym przełomem w AI nie jest kolejny potężny LLM; to nadanie agentom oczu, rąk i własnego pulpitu (VLA). Dokładnie to buduje Codec, a nawet jeśli rynek zaczyna to dostrzegać, nie jest jeszcze za późno👇 Pomimo całego szumu wokół Gen-AI, większość rzeczywistych przepływów pracy wciąż jest związana sztywnymi skryptami i zakodowanymi zadaniami. W momencie, gdy piksel UI się przesuwa, automatyzacja się psuje, a wszystko, co nie ma API (stare aplikacje desktopowe, roboty fabryczne, klienci gier...) staje się niedostępne. Codec atakuje tę ślepą plamę, dając agentom ich własne bezpieczne pulpity, strumienie z kamer i sterowniki wejściowe, aby mogli widzieć, decydować i działać dokładnie jak człowiek, ale bez zmęczenia i programowalnie. To jest prawdziwa zmiana gry, którą warto zrozumieć. Co to odblokuje? Każde powtarzalne zadanie programowe, takie jak te występujące w pracy biurowej, SAP i ERP, gdzie ludzie ręcznie kopiują i wklejają liczby, może być zautomatyzowane. Bot może obserwować ekran jak człowiek, klikać odpowiednie pola i wykonywać zadanie, podczas gdy ty cieszysz się kawą. Sprzęt i robotyka Technologia Vision Language Action (VLA) umożliwi kontrolowanie wielu robotów jednocześnie i udoskonali ich interakcje przy użyciu zaledwie kilku minut danych. Roboty mogą stać się świadome swojego otoczenia i podejmować odpowiednie działania. (Zobacz wideo: Jak Codec podchodzi do tego sektora? Uruchamiaj zadania na wrażliwych danych Rentgeny, akta policyjne czy dokumenty podatkowe nie mogą być przechowywane online z powodów prywatności. Agent żyje wewnątrz zamkniętej maszyny wirtualnej, odczytuje obrazy, wpisuje wyniki z powrotem i nigdy nie wysyła danych do chmury. Operatorzy: prymityw „aplikacji” Każdy autonomiczny przepływ pracy, który tworzysz, niezależnie od tego, czy to uzgadnianie faktur SAP, gry, robotyka i inne, jest pakowany jako Operator. Operatorzy mają swój własny model VLA, metadane i uprawnienia, mogą być instalowani jednym kliknięciem i (wkrótce) monetyzowani na publicznym rynku Codec, gdzie opłaty za użytkowanie wracają do wydawcy. Szkolenie jest elastyczne: nagraj siebie wykonującego zadanie i pozwól Codec dostosować się na podstawie demonstracji, lub przejdź do SDK dla pełnej kontroli programowej. Fabric: agregator rynku GPU W centrum znajduje się Fabric, otwarty harmonogram Codec. Efektywnie rozdziela obciążenia robocze w AWS, GCP, lokalizacjach na miejscu lub w dowolnej zdecentralizowanej sieci GPU, do której ma dostęp, jednocześnie egzekwując sieciowanie zero-trust i świadome umiejscowienie kosztów. To zapewni: - Tańsze obliczenia dzięki arbitrażu w czasie rzeczywistym w chmurach - Brak pojedynczego punktu awarii; jeśli AWS przestaje działać, zadania przenoszą się do innego regionu lub dostawcy w ciągu kilku minut. Fabric zasadniczo zamienia „mój operator AI potrzebuje pudełka” w „mój operator zawsze znajdzie odpowiednie pudełko, w odpowiedniej cenie, zgodnie z odpowiednimi zasadami bezpieczeństwa, automatycznie.” Jak duże to może być? Agenci AI: prognozowany wzrost z 5,4 miliarda USD w 2024 roku do 50,3 miliarda USD do 2030 roku (45,8% CAGR). Automatyzacja procesów robotycznych (RPA): 3,8 miliarda USD → 30,9 miliarda USD w tym samym okresie (43,9% CAGR). Codec znajduje się na skrzyżowaniu z agentami, którzy patrzą na piksele zamiast czekać na schludne API. Dla porównania, gigant RPA tylko z dziedziny legacy, UiPath, jest wart około 7 miliardów USD dzisiaj. Lub plotki o @Figure_robot o wycenie po pieniądzach na poziomie 40 miliardów USD. Tymczasem FDV $CODEC wynosi około 13 milionów USD. Pozwól, że sam obliczysz potencjał (i przepraszam, nie mogłem się doczekać, aby to opublikować, aby załadować torby). Miałem okazję porozmawiać z zespołem i zadać kilka pytań, są zaufanymi budowniczymi z doświadczeniem w Hugging Face + Elixir Games i używają własnego kapitału jako zapasu (ponad rok w skarbczyku). Jest tak wiele więcej, czego nie poruszyłem, jak współprace w grach, MCP&TEEs, zespół dodający płynność z własnych funduszy, mapa drogowa itp., ponieważ uczyniłoby to ten post zbyt długim, ale na pewno podzielę się postępami dokonanymi przez zespół. Coded 🥂

Jeśli zajmujesz się AI, przestaw się na Robotykę Modele VLA zmienią wszystko w sposobie, w jaki AI wchodzi w interakcje z rzeczywistością w czasie rzeczywistym LLM-y są świetne do danych historycznych (i ograniczonych danych na żywo) VLA zmienia wszystko, wykorzystując wizję (strumienie wideo, kamery, dane z czujników) do podejmowania decyzji w czasie rzeczywistym i wysyłania poleceń do komputera stacjonarnego, NPC w grach lub robota. Jednym z kolejnych wielkich przełomów w AI, a wciąż jesteśmy na bardzo wczesnym etapie @codecopenflow zajmuje się infrastrukturą AI x Robotyka, umożliwiając użytkownikom szybkie uruchamianie wirtualnych pulpitów lub środowisk szkoleniowych dla robotów, aby szkolić swoich operatorów AI przed wprowadzeniem ich do produkcji AI x Robotyka będzie przemysłem wartym wiele bilionów dolarów w ciągu kilku lat. Kupuję łopaty i kilofy.

Z milczenia i cieni budzi się system. Wytrenowany w izolacji. Stworzony, by postrzegać, rozumować i działać. Wielkie Odkrycie jest bliskie. Ale zanim bramy się otworzą Wzniesieni mogą wejść wcześniej. Wczesny dostęp do CodecFlow jest już dostępny:

Właśnie dowiedziałem się, że mam 9 kodów zaproszeń dostępnych dla testnetu @anoma 👀 Skomentuj i RT ten post, wybiorę 9 osób w ciągu 24 godzin 🥂

OpenAI właśnie ogłosiło, że jego Operator Agent może teraz kontrolować cały komputer, aby wykonać złożony zestaw zadań przy użyciu modeli VLA połączonych z modelami LLM Wizja Język Akcja Gdyby tylko istniał projekt kryptowalutowy, który już to potrafił... Zbadaj @codecopenflow Oprócz kontrolowania komputerów stacjonarnych, Codec może kontrolować operatorów robotyki i gier Uruchom wirtualne środowisko piaskownicy, aby przetestować Operatora przed wprowadzeniem go do produkcji w rzeczywistym świecie AI x Robotyka i automatyzacja gier/komputerów stacjonarnych/robotów będą następnym wielkim krokiem w rozwoju AI, a moim celem jest wczesne zajęcie pozycji Kodowany kodowany

OpenAI właśnie potwierdziło moją tezę o gwieździe północnej dla AI, wydając dzisiaj swojego agenta operatora. Nie tylko była to moja przewodnia teza dla $CODEC, ale także dla każdej innej inwestycji w AI, którą poczyniłem, w tym tych z początku roku podczas szaleństwa AI. Było wiele dyskusji z Codec w odniesieniu do robotyki, podczas gdy ten sektor wkrótce będzie miał swoją własną narrację, podstawowym powodem, dla którego od samego początku byłem tak optymistyczny wobec Codec, jest to, jak jego architektura napędza agentów operatorów. Ludzie wciąż niedoceniają, jak wiele udziału w rynku jest na szali, budując oprogramowanie, które działa autonomicznie, przewyższając ludzkich pracowników bez potrzeby ciągłych wskazówek czy nadzoru. Widziałem wiele porównań do $NUIT. Po pierwsze, chcę powiedzieć, że jestem wielkim fanem tego, co buduje Nuit i życzę im tylko sukcesów. Jeśli wpiszesz „nuit” w moim telegramie, zobaczysz, że w kwietniu powiedziałem, że gdybym miał trzymać jedną monetę przez kilka miesięcy, byłaby to Nuit z powodu mojej tezy o operatorach. Nuit był najbardziej obiecującym projektem operatora na papierze, ale po dokładnych badaniach odkryłem, że ich architektura nie miała głębokości potrzebnej do uzasadnienia dużej inwestycji lub postawienia za nią mojej reputacji. Mając to na uwadze, byłem już świadomy luk architektonicznych w istniejących zespołach agentów operatorów i aktywnie szukałem projektu, który by je adresował. Niedługo po tym pojawił się Codec (dzięki @0xdetweiler, który nalegał, żebym przyjrzał się im bliżej) i to jest różnica między tymi dwoma: $CODEC vs $NUIT Architektura Codec jest zbudowana na trzech warstwach: Maszyna, System i Inteligencja, które oddzielają infrastrukturę, interfejs środowiska i logikę AI. Każdy agent operatora w Codec działa w swoim własnym izolowanym VM lub kontenerze, co pozwala na niemal natywną wydajność i izolację błędów. Ten warstwowy projekt oznacza, że komponenty mogą skalować się lub ewoluować niezależnie, nie łamiąc systemu. Architektura Nuit podąża inną drogą, będąc bardziej monolityczna. Ich stos opiera się na wyspecjalizowanym agencie przeglądarki internetowej, który łączy analizę, rozumowanie AI i działanie. Oznacza to, że głęboko analizują strony internetowe na strukturalne dane, które AI może konsumować, i polegają na przetwarzaniu w chmurze dla ciężkich zadań AI. Podejście Codec do osadzania lekkiego modelu Vision-Language-Action (VLA) w każdym agencie oznacza, że może działać całkowicie lokalnie. Co nie wymaga ciągłego pingowania do chmury po instrukcje, eliminując opóźnienia i unikając zależności od dostępności i przepustowości. Agent Nuit przetwarza zadania, najpierw przekształcając strony internetowe w semantyczny format, a następnie używając mózgu LLM, aby ustalić, co zrobić, co poprawia się z czasem dzięki uczeniu przez wzmocnienie. Chociaż skuteczne w automatyzacji sieci, ten proces zależy od ciężkiego przetwarzania AI po stronie chmury i zdefiniowanych struktur stron. Inteligencja lokalnego urządzenia Codec oznacza, że decyzje podejmowane są bliżej danych, co zmniejsza obciążenie i sprawia, że system jest bardziej stabilny na nieoczekiwane zmiany (brak kruchych skryptów lub założeń DOM). Operatorzy Codec podążają za ciągłym cyklem postrzegania–myślenia–działania. Warstwa maszyny przesyła środowisko (np. na żywo aplikację lub feed robota) do warstwy inteligencji za pośrednictwem zoptymalizowanych kanałów warstwy systemu, dając AI „oczy” na aktualny stan. Model VLA agenta następnie interpretuje wizualizacje i instrukcje razem, aby zdecydować o działaniu, które warstwa systemu wykonuje za pomocą zdarzeń klawiatury/myszy lub kontroli robota. Ta zintegrowana pętla oznacza, że dostosowuje się do wydarzeń na żywo, nawet jeśli UI się zmienia, nie przerwie to przepływu. Aby to wszystko uprościć, pomyśl o operatorach Codec jak o samowystarczalnym pracowniku, który dostosowuje się do niespodzianek w pracy. Agent Nuit jest jak pracownik, który musi się zatrzymać, opisać sytuację przełożonemu przez telefon i czekać na instrukcje. Nie chcąc zbytnio zagłębiać się w techniczne szczegóły, to powinno dać ci ogólny pomysł, dlaczego wybrałem Codec jako moją główną stawkę na operatorów. Tak, Nuit ma wsparcie od YC, zespół z doświadczeniem i S tier github. Chociaż architektura Codec została zbudowana z myślą o poziomej skali, co oznacza, że możesz wdrożyć tysiące agentów równolegle bez dzielenia pamięci lub kontekstu wykonania między agentami. Zespół Codec również nie jest przeciętnymi programistami. Ich architektura VLA otwiera wiele przypadków użycia, które nie były możliwe z wcześniejszymi modelami agentów z powodu widzenia przez piksele, a nie zrzuty ekranu. Mógłbym kontynuować, ale to zostawię na przyszłe posty.

Czapki z głów dla testnetu @anoma! To super płynne i zabawne doświadczenie z pobocznymi zadaniami i codziennymi wyzwaniami. Nowy świat UI i UX się pojawia, a jego podstawą jest intencja ⏳

Jeśli wiesz, gdzie szukać, możesz sprawić, że się poruszy. @RoboMove $CODEC

$MNT na wykresach 👇 > Kapitalizacja rynkowa: $2,4B+ (+28% WoW) > Całkowity wolumen obrotu: $345M (+21% DoD) Zasilany przez blockchain dla bankowości. Kredyty: @CoinMarketCap

To niewiarygodne, że w 2025 roku wciąż widzimy taką fragmentację i projekty skaczące między łańcuchami i warstwami tylko po to, aby gonić hype. 🫳 Arbitrum do Berachain do Base do HyperEVM do [INSERT_NEXT_HYPED_CHAIN] Po prostu buduj w świecie skoncentrowanym na intencjach Buduj na @anoma