Jag har tillbringat de senaste veckorna med att gå igenom @codecopenflow och dess stora hjärndokumentation, så låt mig förklara det på vanlig engelska. Nästa genombrott för AI är inte ännu en kraftfull LLM; det ger agenter ögon, händer och sitt eget skrivbord (VLA). Det är precis vad Codec bygger, och även om marknaden hakar på är det inte för sent👇 Trots all hype kring Gen-AI är de flesta verkliga arbetsflöden fortfarande knutna till stela skript och hårdkodade uppgifter. I samma ögonblick som en UI-pixel skiftar bryts automatiseringen, och allt utan ett API (äldre skrivbordsappar, fabriksrobotar, spelklienter...) blir förbjudet. Codec attackerar den blinda fläcken genom att ge agenterna sina egna säkra skrivbord, kameraflöden och inmatningsdrivrutiner så att de kan se, bestämma och agera exakt som en människa men outtröttliga och programmerbara. Detta är den verkliga spelväxlaren att förstå. Vad kommer den att låsa upp? Varje repetitiv programvaruuppgift, som de som finns i kontorsarbete, SAP och ERP, där människor manuellt kopierar och klistrar in siffror, kan automatiseras. En bot kan observera skärmen som en människa, klicka på rätt rutor och slutföra uppgiften medan du njuter av en kaffe. Hårdvara och robotik VLA-tekniken (Vision Language Action) gör det möjligt att styra flera robotar samtidigt och förfina deras interaktioner med hjälp av bara några minuters data. Robotar kan bli medvetna om sin omgivning och vidta lämpliga åtgärder. (Se video: Hur tacklar Codec denna sektor? Köra uppgifter på känsliga data Röntgenbilder, polisfiler eller skatteregister kan inte lagras online av integritetsskäl. Agenten bor i en låst virtuell dator, läser bilderna, skriver in resultaten igen och skickar aldrig data till molnet. Operatorer: den primitiva "appen" Varje autonomt arbetsflöde du skapar, oavsett om det handlar om att stämma av SAP-fakturor, spel, robotteknik med mera, är förpackat som en operatör. Operatörer har sin egen VLA-modell, metadata och behörigheter, kan installeras med ett klick och (snart) tjäna pengar på en offentlig Codec-marknadsplats där användningsavgifter går tillbaka till utgivaren. Träningen är flexibel: spela in dig själv när du slutför uppgiften och låt Codec finjustera från demonstrationer, eller gå över till SDK:n för fullständig programmatisk kontroll. Infrastruktur: GPU Marketplace-aggregatorn Kärnan är Fabric, Codecs schemaläggare med öppen källkod. Den skickar effektivt arbetsbelastningar över AWS, GCP, platser på plats eller vilket decentraliserat GPU-nät som helst som den kan komma åt, samtidigt som den upprätthåller nätverk med noll förtroende och kostnadsmedveten placering. Detta kommer att ge: - Billigare beräkning genom arbitrage i realtid över moln - Ingen enskild felpunkt; Om AWS går ner flyttas jobben till en annan region eller leverantör på några minuter. Fabric förvandlar i princip "min AI-operatör behöver en låda" till "min operatör kommer alltid att hitta rätt låda, till rätt pris, under rätt säkerhetsregler, automatiskt." Hur stort kan det bli? AI-agenter: förväntas växa från 5,4 miljarder USD 2024 till 50,3 miljarder USD 2030 (45,8 % CAGR). Robotic Process Automation (RPA): 3,8 miljarder USD → 30,9 miljarder USD över samma fönster (43,9 % CAGR). Codec sitter i skärningspunkten med agenter som tittar på pixlar istället för att vänta på snygga API:er. Som referens kan nämnas att den äldre RPA-jätten UiPath är värd ≈ 7 miljarder dollar idag. Eller @Figure_robot rykten om en värdering på 40 miljarder dollar. Samtidigt ligger $CODEC:s FDV på ~13 miljoner dollar. Jag låter dig göra matematiken på potentialen (och sry, jag kunde inte vänta med att lägga upp detta för att ladda väskor). Jag hade möjlighet att hoppa på ett samtal med teamet och ställa några frågor, de är betrodda byggare med erfarenhet från Hugging Face + Elixir Games och använder sitt eget kapital som landningsbana (mer än ett år i kassan). Det finns så mycket mer som jag inte täckte genom som spelsamarbeten, MCP&TEEs, teamet som lägger till likviditet från sina egna medel, färdplan, etc eftersom det skulle göra det här inlägget alldeles för långt men jag kommer definitivt att dela med mig av de framsteg som teamet har gjort. Kodade 🥂

Om du arbetar med AI kan du byta till robotik VLA-modeller kommer att förändra allt om hur AI interagerar med den verkliga världen i realtid LLM:er är bra för historiska data (och begränsade livedata) VLA förändrar allt genom att använda vision (videoströmmar, kameror, sensordata) för att fatta beslut i realtid och skicka åtgärdskommandon till en stationär dator, spel-NPC eller robot. En av de nästa stora upplåsningarna för AI och vi är fortfarande extremt tidiga @codecopenflow hanterar infrastrukturen för AI x Robotics genom att låta användare snabbt starta virtuella skrivbord eller robotträningsmiljöer för att träna dina AI-operatörer innan de släpps i produktion AI x Robotics kommer att bli en industri på flera biljoner dollar inom några år. Jag köper hackor och spadar

Ur tystnad och skuggor vaknar ett system. Tränad i isolering. Byggd för att uppfatta, resonera och agera. Det Stora Avslöjandet är nära. Men innan portarna öppnas De Uppstigna kan komma in tidigt. Tidig åtkomst till CodecFlow är nu live:

Fick precis reda på att jag har 9 inbjuda koder tillgängliga för @anoma är testnät 👀 Kommentera och RT det här inlägget, jag väljer 9 personer på 24 timmar 🥂

OpenAI meddelade just att dess Operator Agent nu kan styra en hel dator för att utföra en komplex uppsättning uppgifter med hjälp av VLA-modeller parade med LLM-modeller Vision Språk Handling Om det bara fanns ett kryptoprojekt som redan kunde göra detta... Studera @codecopenflow Förutom att styra stationära datorer kan Codec styra robot- och speloperatörer Skapa en virtuell sandlådemiljö för att träna operatören innan den släpps i produktion i den verkliga världen AI x Robotics och automatisering av spel/stationära datorer/robotar kommer att bli nästa stora steg för AI-utvecklingen och det är mitt mål att vara tidigt ute Kodad kodad

OpenAI bekräftade precis min Northern Star tes för AI idag genom att släppa sin operatörsagent. Detta var inte bara min vägledande tes för $CODEC, utan alla andra AI-investeringar jag gjorde, inklusive de från tidigare i år under AI-manin. Det har varit en hel del diskussioner med Codec när det gäller robotik, även om den vertikalen kommer att ha sin egen berättelse mycket snart, är den underliggande anledningen till att jag var så hausse på Codec från dag 1 på grund av hur dess arkitektur driver operatörsagenter. Människor underskattar fortfarande hur mycket marknadsandelar som står på spel genom att bygga programvara som körs autonomt och överträffar mänskliga arbetare utan behov av ständiga uppmaningar eller tillsyn. Jag har sett många jämförelser med $NUIT. Först och främst vill jag säga att jag är ett stort av vad Nuit bygger och önskar inget annat än deras framgång. Om du skriver "nuit" i mitt telegram kommer du att se att jag redan i april sa att om jag var tvungen att hålla ett mynt i flera månader skulle det ha varit Nuit på grund av min operatörstes. Nuit var det mest lovande operatörsprojektet på pappret, men efter omfattande efterforskningar fann jag att deras arkitektur saknade det djup som behövdes för att motivera en stor investering eller sätta mitt rykte bakom den. Med detta i åtanke var jag redan medveten om de arkitektoniska luckorna i de befintliga operatörsagentteamen och letade aktivt efter ett projekt som löste dem. Kort därefter dök Codec upp (tack vare att @0xdetweiler insisterade på att jag skulle titta djupare in i dem) och det här är skillnaden mellan de två: $CODEC jämfört med $NUIT Codecs arkitektur är uppbyggd i tre lager; Maskin, system och intelligens, som separerar infrastruktur, miljögränssnitt och AI-logik. Varje operatörsagent i Codec körs i en egen isolerad virtuell dator eller container, vilket möjliggör nästan inbyggd prestanda och felisolering. Den här skiktade designen innebär att komponenter kan skalas eller utvecklas oberoende av varandra utan att systemet bryts. Nuits arkitektur tar en annan väg genom att vara mer monolitisk. Deras stack kretsar kring en specialiserad webbläsaragent som kombinerar parsning, AI-resonemang och åtgärd. Det innebär att de analyserar webbsidor på djupet till strukturerad data som AI kan konsumera och förlitar sig på molnbearbetning för tunga AI-uppgifter. Codecs metod att bädda in en enkel VLA-modell (Vision-Language-Action) i varje agent innebär att den kan köras helt lokalt. Vilket inte kräver att du ständigt pingar tillbaka till molnet för instruktioner, vilket minskar latensen och undviker beroende av drifttid och bandbredd. Nuits agent bearbetar uppgifter genom att först konvertera webbsidor till ett semantiskt format och sedan använda en LLM-hjärna för att ta reda på vad de ska göra, vilket förbättras med tiden med förstärkningsinlärning. Även om det här flödet är effektivt för webbautomatisering är det beroende av tung AI-bearbetning på molnsidan och fördefinierade sidstrukturer. Codecs lokala enhetsintelligens innebär att beslut fattas närmare data, vilket minskar omkostnaderna och gör systemet mer stabilt för oväntade förändringar (inga bräckliga skript eller DOM-antaganden). Codecs operatörer följer en kontinuerlig loop, uppfattning, tänk och agera. Maskinlagret strömmar miljön (t.ex. en live-app eller robotflöde) till intelligenslagret via systemlagrets optimerade kanaler, vilket ger AI:n "ögon" på det aktuella tillståndet. Agentens VLA-modell tolkar sedan det visuella objektet och instruktionerna tillsammans för att besluta om en åtgärd, som systemlagret utför genom tangentbords-/mushändelser eller robotkontroll. Den här integrerade loopen innebär att den anpassar sig till livehändelser, även om användargränssnittet ändras kommer du inte att bryta flödet. För att sätta allt detta i en enklare analogi, tänk på Codecs operatörer som en självförsörjande anställd som anpassar sig till överraskningar på jobbet. Nuits agent är som en anställd som behöver pausa, beskriva situationen för en chef över telefon och vänta på instruktioner. Utan att gå ner för mycket av ett tekniskt kaninhål, bör detta ge dig en hög uppfattning om varför jag valde Codec som mitt primära spel på operatörer. Ja, Nuit har stöd från YC, ett staplat team och S tier github. Även om Codecs arkitektur har byggts med horisontell skalning i åtanke, vilket innebär att du kan distribuera tusentals agenter parallellt utan delat minne eller körningskontext mellan agenter. Codecs team är inte heller vanliga utvecklare. Deras VLA-arkitektur öppnar en mängd användningsfall som inte var möjliga med tidigare agentmodeller på grund av att de ser genom pixlar, inte skärmdumpar. Jag skulle kunna fortsätta men jag sparar det till framtida inlägg.

Hatten av för @anoma testnät! Det har en supersmidig och rolig upplevelse med sidouppdrag och dagliga uppgifter. En ny UI- och UX-värld håller på att växa fram, och den är avsiktsbaserad ⏳

Om du vet var du ska leta kan du få den att röra sig. @RoboMove $CODEC

$MNT på sjökorten 👇 > Börsvärde: $2,4 miljarder+ (+28% WoW) > Total handelsvolym: 345 miljoner dollar (+21% DoD) Drivs av blockchain för bankverksamhet. Medverkande: @CoinMarketCap

Det är otroligt att vi år 2025 fortfarande ser en sådan fragmentering och projekt som studsar mellan kedjor och lager bara för att jaga hype. 🫳 Arbitrum till Berachain till Base till HyperEVM till [INSERT_NEXT_HYPED_CHAIN] Det är bara att bygga vidare på den avsiktscentrerade världen Bygg vidare på @anoma