В этом отчете мы рассмотрим обстановку в области фреймворков в рамках Crypto X AI. Мы рассмотрим текущие типы (ELIZA, GAME, ARC, ZEREPY) и их технологические отличия.

Net/Net:

Мы рассмотрели и протестировали 4 основные фреймворки на протяжении прошлой недели, и наши выводы изложены здесь (и да, есть Шпаргалка).

Мы верим, что $AI16Z будет продолжать доминировать на рынке. Ценность Eliza ($ai16z, ~60% рыночной доли, $900m Mcap) заключается в ее преимуществе первопроходца (эффект Линди) и ускоряющемся использовании среди разработчиков, что подтверждается 193 участниками, 1.8k forks и 6000+ звездами, что делает ее одним из самых популярных репозиториев на Github.

$GAME (~20% доля рынка, $300 млн Mcap), до сих пор идет очень гладко и испытывает быстрое принятие, как указывает сегодняшнее объявление от $VIRTUAL, указывающее на 200+ проектов, 150 тыс. ежедневных запросов и 200% недельный рост. $GAMEпродолжит получать выгоду от роста $VIRTUAL и окажется одним из крупнейших победителей в их экосистеме.

Rig ($ARC, ~15% рыночная доля, $160m Mcap) очень убедительный и легкий в управлении благодаря своему модульному дизайну и может доминировать в экосистеме Solana (RUST) как "чистая игра".

Zerepy ($ZEREBRO, ~5% рыночная доля, $300m Mcap), это более узкоспециализированное приложение в рамках культивируемого сообщества, которое работает под управлением $ZEREBRO, и его недавнее партнерство с сообществом ai16z, вероятно, способствует синергии.

Мы отмечаем, что наши расчеты доли рынка представляют собой смесь MCap, опыта разработки и широты базового конечного рынка ОС.

Мы считаем, что сегмент Framework будет расти быстрее всего в текущем цикле, поскольку ~$1.7 млрд в совокупной рыночной капитализации легко может вырасти до $20 млрд, что все еще может быть консервативным по сравнению с вершинными оценками L1 в 2021 году, когда многие достигли оценки в $20 млрд и более только по оценке. В то время как все 3 служат разным конечным рынкам (цепочки / экосистемы), взвешенный по рыночной капитализации подход может быть наиболее благоразумным, учитывая, что мы рассматриваем сектор как поднимающуюся волну.

Шпаргалка по Framework:

В этой таблице мы изложим ключевые технологии, компоненты и преимущества для каждой основной структуры.

Шпаргалка для обзора фреймворков

Введение в фреймворки

На стыке AI x Crypto появилось несколько фреймворков, способствующих развитию ИИ. Среди них ELIZA от $AI 16Z, RIG от$ARC, ZEREPY от $ZEREBRO и $GAMEby $VIRTUAL. Каждая структура удовлетворяет различным потребностям и философиям в развитии агентных систем, начиная от проектов сообщества с открытым исходным кодом до решений, ориентированных на производительность предприятий.

Эта заметка сначала представляет фреймворки, такие как то, что они есть, используемый язык программирования, техническая архитектура, алгоритмы и уникальные функции с потенциальными применениями, где можно использовать фреймворк. Затем мы сравниваем каждый фреймворк по показателям удобства использования, масштабируемости, адаптивности и производительности. Вместе с их преимуществами и ограничениями.

Фреймворк ELIZA от @ai16zdao via @shawmakesmagic

Eliza - это мультиагентная симуляционная платформа с открытым исходным кодом, предназначенная для создания, развертывания и управления автономными искусственными интеллектуальными агентами. Разработанная на языке программирования TypeScript, она предоставляет гибкую и расширяемую платформу для создания интеллектуальных агентов, способных взаимодействовать с людьми на различных платформах, сохраняя последовательные личности и знания.

Основные возможности этой платформы включают мультиагентную архитектуру, которая поддерживает развертывание и управление несколькими уникальными ИИ-личностями одновременно, а также систему персонажей для создания разнообразных агентов с использованием фреймворка файлов персонажей и функцию управления памятью с помощью системы Retrieval-Augmented Generation (RAG), обеспечивающей долгосрочную память и контекстуальную осведомленность. Кроме того, фреймворк Eliza предлагает платформу интеграции для надежного соединения с Discord, X и другими социальными медиа-платформами.

Элиза - отличный выбор, если речь идет о коммуникационных и медиа-возможностях AI агентов. В части коммуникации фреймворк поддерживает интеграцию на Discord с возможностями голосовых каналов, X функциональностью, Telegram и прямой API-доступ для индивидуальных случаев использования. С другой стороны, медиа-обработка фреймворка расширяется до чтения и анализа PDF-документов, извлечения и суммирования контента из ссылок, аудио-транскрипции, обработки видеоконтента, анализа изображений и суммирования бесед для эффективной обработки разнообразных медиа-входов и -выходов.

Фреймворк Eliza обеспечивает гибкую поддержку модели искусственного интеллекта через локальный вывод с использованием моделей с открытым исходным кодом, облачный вывод через OpenAI и конфигурации по умолчанию, такие как Nous Hermes Llama 3.1B, с поддержкой интеграции для обработки сложных запросов. Eliza использует модульную архитектуру с обширной системой действий, поддержкой пользовательских клиентов и обширным API, обеспечивая масштабируемость и адаптивность приложений.

Варианты использования Eliza охватывают несколько областей, таких как: AI-помощники для поддержки клиентов, модерация сообществ, выполнение личных задач, а также социальные медиа-персонажи, такие как автоматические создатели контента, боты вовлечения и представители бренда. Он также служит знатоком работника в таких ролях, как помощник исследователя, аналитик контента и обработчик документов, и поддерживает интерактивных персонажей в форме ботов для ролевых игр, образовательных репетиторов и развлекательных агентов.

Архитектура Eliza основана на среде выполнения агента, которая интегрируется без проблем с ее системой персонажей (поддерживаемой поставщиком моделей), менеджером памяти (связанным с базой данных) и системой действий (связанной с клиентами платформы). Уникальные особенности фреймворка включают систему плагинов, которая позволяет расширять модульную функциональность, поддержку многомодальных взаимодействий, таких как голос, текст и медиа, а также совместимость с ведущими моделями искусственного интеллекта, такими как Llama, GPT-4 и Claude. Благодаря своему гибкому и надежному дизайну, Eliza является мощным инструментом для разработки приложений искусственного интеллекта в различных областях.

Фреймворк G.A.M.E от @virtuals_io через @everythingempt0

Платформа Generative Autonomous Multimodal Entities Framework (G.A.M.E) предназначена для предоставления разработчикам доступа к API и SDK для экспериментов с агентами ИИ. Этот фреймворк предлагает структурированный подход к управлению поведением ИИ-агентов, процессами принятия решений и обучения.

Основными компонентами являются: во-первых, интерфейс подсказок агента в качестве точки входа для разработчиков для интеграции GAME в агент для доступа к агентному поведению. Подсистема восприятия инициирует сеансы, указывая параметры, такие как идентификаторы сеансов, идентификаторы агентов, пользователей и другие соответствующие детали.

Он синтезирует входящие сообщения в формат, подходящий для стратегического планирования движка, выступая в качестве механизма входного ввода для агентов ИИ, будь то в форме диалога или реакций. Ключевую роль в этом играет модуль обработки диалогов для обработки сообщений и ответов от агента и сотрудничества с подсистемой восприятия для эффективной интерпретации и ответа на входы.

Механизм стратегического планирования работает в связке с модулем обработки диалогов и оператором ончейн-кошелька, генерирует ответы и планы. Этот механизм функционирует на двух уровнях: как высокоуровневый планировщик для создания широких стратегий на основе контекста или целей и как низкоуровневая политика для преобразования этих стратегий в действенные политики, которые, в свою очередь, делятся на планировщика действий для определения задач и исполнителя плана для их выполнения.

Отдельным, но критическим компонентом является Контекст Мира, который ссылается на окружающую среду, информацию мира и состояния игры, обеспечивая необходимый контекст для принятия решений агентом. Дополнительно, Репозиторий Агента для хранения долгосрочных атрибутов, таких как цели, размышления, опыт и личности, которые в совокупности формируют поведение агента и процессы принятия решений.

Эта система использует кратковременную рабочую память и процессор долговременной памяти. Кратковременная память сохраняет соответствующую информацию о предыдущих действиях, результатах и текущих планах. В отличие от этого, процессор долговременной памяти извлекает ключевую информацию на основе критериев, таких как важность, свежесть и актуальность. Эта память хранит знания об опыте агента, его отражениях, динамической личности, контексте мира и рабочей памяти для улучшения принятия решений и создания основы для обучения.

Для дополнения макета модуль обучения использует данные из подсистемы восприятия для генерации общих знаний, которые обратно подаются в систему для уточнения будущих взаимодействий. Разработчики могут вводить обратную связь о действиях, состояниях игры и сенсорных данных через интерфейс для улучшения обучения AI-агента и улучшения его возможностей планирования и принятия решений.

Рабочий процесс начинается с взаимодействия разработчиков через интерфейс Agent Prompting. Входные данные обрабатываются подсистемой восприятия и передаются в модуль обработки диалога, который управляет логикой взаимодействия. Затем стратегический планировщик формулирует и выполняет планы на основе этой информации, используя как стратегии высокого уровня, так и детальное планирование действий.

Данные из контекста мира и репозитория агентов информируют эти процессы, в то время как рабочая память отслеживает текущие задачи. В то же время процессор долгосрочной памяти хранит и извлекает знания со временем. Модуль обучения анализирует результаты и интегрирует новые знания в систему, обеспечивая непрерывное улучшение поведения и взаимодействия агента.

RIG фреймворк от@arcdotfun через @Playgrounds0x

Rig - это среда с открытым исходным кодом, основанная на Rust, предназначенная для упрощения разработки приложений с большим языковым моделью. Он предоставляет унифицированный интерфейс для взаимодействия с несколькими поставщиками LLM, такими как OpenAI и Anthropic, и поддерживает различные векторные хранилища, включая MongoDB и Neo4j. Модульная архитектура среды включает в себя основные компоненты, такие как слой абстракции поставщика, интеграция векторного хранилища и система агентов для облегчения безшовного взаимодействия с LLM.

Основной аудиторией Rig являются разработчики, создающие приложения искусственного интеллекта и машинного обучения на Rust, в то время как вторичной аудиторией являются организации, стремящиеся интегрировать несколько поставщиков LLM и хранилищ векторов в свои приложения на Rust. Репозиторий организован с использованием структуры на основе рабочего пространства с несколькими крейтами, обеспечивая масштабируемость и эффективное управление проектом. Основные функции включают слой абстракции провайдера, который стандартизирует API для завершения и встраивания поставщиков LLM с последовательной обработкой ошибок. Компонент интеграции хранилища векторов предлагает абстрактный интерфейс для нескольких бэкэндов и поддерживает поиск похожих векторов. Система агента упрощает взаимодействие с LLM, поддерживая Retrieval Augmented Generation (RAG) и интеграцию инструментов. Кроме того, фреймворк встраивания обеспечивает возможности пакетной обработки и операции встраивания типов безопасности.

Rig использует несколько технических преимуществ для обеспечения надежности и производительности. Асинхронные операции используют асинхронную среду выполнения Rust для эффективной обработки многочисленных параллельных запросов. Встроенные механизмы обработки ошибок фреймворка повышают устойчивость к сбоям в поставщиках искусственного интеллекта или операциях с базами данных. Типовая безопасность предотвращает ошибки на этапе компиляции, улучшая поддержку кода. Эффективные процессы сериализации и десериализации облегчают обработку данных для форматов, таких как JSON, что важно для коммуникации и хранения служб искусственного интеллекта. Подробное журналирование и инструментализация дополнительно помогают в отладке и мониторинге приложений.

Рабочий процесс в Rig начинается, когда клиент инициирует запрос, который проходит через Уровень Абстракции Поставщика для взаимодействия с соответствующей моделью LLM. Данные затем обрабатываются основным уровнем, где агенты могут использовать инструменты или получать доступ к векторным хранилищам для контекста. Ответы генерируются и уточняются через сложные рабочие процессы, такие как RAG, которые включают извлечение документов и понимание контекста, прежде чем возвращаться клиенту. Система интегрирует несколько поставщиков LLM и векторных хранилищ, обеспечивая адаптивность к наличию модели или изменениям производительности.

Разнообразные сценарии использования Rig включают системы вопросно-ответных систем, которые извлекают соответствующие документы для доставки точных ответов, поиск и извлечение документов для эффективного обнаружения контента, а также чат-боты или виртуальные помощники, которые обеспечивают контекстно-осознанные взаимодействия для обслуживания клиентов или образования. Он также поддерживает генерацию контента, позволяя создавать текст и другие материалы на основе изученных шаблонов, что делает его универсальным инструментом для разработчиков и организаций.

фреймворк Zerepy от @0xzerebroи @blorm_ через@jyu_eth

ZerePy — это фреймворк с открытым исходным кодом, написанный на Python, предназначенный для развертывания агентов на X с использованием OpenAI или Anthropic LLM. Производный от модульной версии бэкенда Zerebro, ZerePy позволяет разработчикам запускать агенты с функциональностью, аналогичной основным функциям Zerebro. Несмотря на то, что фреймворк обеспечивает основу для развертывания агентов, для создания творческих результатов необходима тонкая настройка моделей. ZerePy упрощает разработку и развертывание персонализированных агентов ИИ, особенно для создания контента на социальных платформах, способствуя созданию экосистемы творчества на основе ИИ, направленной на художественные и децентрализованные приложения.

Фреймворк, разработанный на Python, акцентирует внимание на автономии агента с основным упором на генерацию творческого вывода, соответствующего архитектуре ELIZA + Партнерство с ELIZA. Его модульный дизайн поддерживает интеграцию системы памяти и облегчает развертывание агента на социальных платформах. Основные функции включают командный интерфейс для управления агентом, интеграцию с Twitter, поддержку OpenAI и Anthropic LLMs, а также модульную систему подключения для расширенной функциональности.

Применение ZerePy охватывает автоматизацию социальных медиа, где пользователи могут развертывать искусственных интеллектуальных агентов для публикаций, ответов, лайков и ретвитов, способствуя вовлеченность платформы. Кроме того, он обеспечивает создание контента в таких областях, как музыка, мемы и NFT, что делает его ценным инструментом для цифрового искусства и платформ контента на основе блокчейна.

Сравнение четырех фреймворков

На наш взгляд, каждый фреймворк предлагает уникальный подход к разработке ИИ, учитывающий конкретные потребности и среды, что уводит дискуссию от конкурирующих концепций к аргументам каждой концепции, предлагающей уникальное предложение.

ELIZA выделяется своим пользовательским интерфейсом, особенно для разработчиков, знакомых с окружениями JavaScript и Node.js. Ее подробная документация помогает настраивать искусственных интеллектных агентов на различных платформах, хотя ее обширный набор функций может представлять среднюю кривую обучения. Разработанный на TypeScript, Eliza идеально подходит для создания агентов, встроенных в веб, так как большая часть фронтенда веб-инфраструктуры построена на TypeScript. Фреймворк отличается своей многоагентной архитектурой, позволяющей развертывать различные личности искусственного интеллекта на платформах, таких как Discord, X и Telegram. Его продвинутая система RAG для управления памятью делает его особенно эффективным для искусственных интеллектуальных помощников в области поддержки клиентов или социальных медиа-приложений. Несмотря на то, что он обеспечивает гибкость, сильную поддержку сообщества и последовательную межплатформенную производительность, он все еще находится на начальной стадии и может представлять кривую обучения для разработчиков.

GAME, разработанная с учетом потребностей разработчиков игр, предлагает интерфейсы с низким кодом или без кода через API, что делает ее доступной для менее технически подкованных пользователей в игровом секторе. Однако ее специализированное внимание к разработке игр и интеграции с блокчейном может создать крутой кривую обучения для тех, кто не имеет соответствующего опыта. Она выделяется процедурной генерацией контента и поведением NPC, но ограничена своим специализированным фокусом и сложностью, добавленной интеграцией с блокчейном.

Rig, из-за использования Rust, может быть менее удобным для пользователей из-за сложности языка, представляющей собой значительное препятствие в обучении, но для тех, кто знаком с системным программированием, он предлагает интуитивное взаимодействие. Сам язык программирования известен своей производительностью и безопасностью памяти по сравнению с typescript. Он предоставляет строгие проверки времени компиляции и абстракции нулевой стоимости, которые необходимы для выполнения сложных алгоритмов искусственного интеллекта. Язык эффективен, и его управление на низком уровне делает его идеальным для ресурсоемких приложений искусственного интеллекта. Этот фреймворк предлагает высокопроизводительные решения с модульным и масштабируемым дизайном, что делает его идеальным для предприятий. Однако использование Rust вводит крутую кривую обучения для разработчиков, не знакомых с языком.

ZerePy, используя Python, обеспечивает высокую удобство использования для творческих задач искусственного интеллекта с более низким порогом обучения для разработчиков Python, особенно для тех, у кого есть опыт в области искусственного интеллекта / машинного обучения, и получает преимущества от сильной поддержки сообщества благодаря участию Zerebro в криптосообществе. Отличается в творческих приложениях искусственного интеллекта, таких как NFT, позиционируя себя как мощный инструмент для цифровых медиа и искусства. В то время как он процветает в творчестве, его область относительно уже по сравнению с другими фреймворками.

В плане масштабируемости ELIZA сделала значительные шаги с обновлением V2, которое вводит унифицированную шину сообщений и масштабируемую основную структуру, позволяющую эффективно управлять на различных платформах. Однако управление этим межплатформенным взаимодействием может создать проблемы масштабируемости, если не оптимизировать.

GAME отличается в реальном времени обработки, необходимой для игр, где масштабируемость управляется эффективными алгоритмами и, возможно, распределенными системами блокчейна, хотя она может быть ограничена конкретным игровым движком или ограничениями сети блокчейна.

Rig Framework использует производительность Rust для масштабируемости, внутренне разработанный для приложений с высокой производительностью, что может быть особенно эффективно для развертывания на предприятиях, хотя это может означать сложные настройки для достижения истинной масштабируемости.

Масштабируемость Zerepy направлена на творческие результаты, поддерживаемые вкладом сообщества, но ее узкий фокус может ограничить ее применение в широком контексте искусственного интеллекта, с масштабируемостью, потенциально проверяемой разнообразием творческих задач, а не объемом пользователей.

Что касается адаптивности, ELIZA лидирует благодаря своей системе плагинов и кросс-платформенной совместимости, за ней следует GAME в игровых средах и Rig для обработки сложных задач искусственного интеллекта. ZerePy проявляет высокую адаптивность в творческих областях, но менее подходит для широкого спектра приложений искусственного интеллекта.

С точки зрения производительности ELIZA оптимизирована для быстрых взаимодействий в социальных сетях, где быстрое время ответа является ключевым, но ее производительность может варьироваться при работе с более сложными вычислительными задачами.

GAME by Virtual Protocol фокусируется на высокопроизводительном взаимодействии в реальном времени в игровых сценариях, используя эффективные процессы принятия решений и, возможно, блокчейн для децентрализованных операций ИИ.

Фреймворк Rig, с основой на Rust, обеспечивает отличную производительность для высокопроизводительных вычислительных задач, подходит для предприятий, где вычислительная эффективность является главным фактором.

Производительность Zerepy ориентирована на создание креативного контента, с метриками, ориентированными на эффективность и качество генерации контента, потенциально менее универсальная за пределами творческих областей.

Учитывая преимущества, ELIZA обеспечивает гибкость и расширяемость, что делает ее высокоадаптивной через свою систему плагинов и настройку персонажа, полезную для социальных взаимодействий ИИ на различных платформах.

GAME предлагает уникальные возможности взаимодействия в режиме реального времени в играх, усиленные интеграцией блокчейна для нового искусственного интеллекта.

Преимущество Rig заключается в его производительности и масштабируемости для задач предприятий в области искусственного интеллекта, с упором на чистый, модульный код для долгосрочного здоровья проекта.

Zerepy превосходит в поощрении творчества, лидирует в применении искусственного интеллекта в цифровом искусстве, поддерживаемом моделью развития, основанной на активном участии сообщества.

У каждого фреймворка есть свои ограничения: ELIZA все еще находится в своих ранних стадиях развития, что может вызывать проблемы стабильности и требовать определенного времени для овладения новыми разработчиками; у Game есть узкая специализация, что может ограничить его применение в более широком контексте; блокчейн добавляет сложность; Rig требует от разработчиков освоения языка программирования Rust, что может отпугнуть некоторых разработчиков; у Zerepy узкая специализация на творческих продуктах, что может ограничить его применение в других областях искусственного интеллекта.

Основные выводы при сравнении фреймворков

Rig ($ARC):

Язык: Rust, с фокусом на безопасность и производительность.

Применение: Идеально подходит для корпоративных приложений искусственного интеллекта благодаря своему акценту на эффективности и масштабируемости.

Сообщество: Меньше ориентировано на сообщество, больше сосредоточено на технических разработчиках.

Eliza ($AI16Z):

Язык: TypeScript, с упором на гибкость web3 и участие сообщества.

Применение: разработано для социальных взаимодействий, DAO и торговли, с особым акцентом на мультиагентных системах.

Сообщество: высокая активность сообщества, с активным участием в GitHub.

ZerePy ($ZEREBRO):

Язык: Python, делая его доступным для более широкой базы разработчиков искусственного интеллекта.

Применение: подходит для автоматизации социальных медиа и более простых задач агента искусственного интеллекта.

Сообщество: относительно новое, но готовое к росту благодаря популярности Python и поддержке со стороны AI16Z.

GAME ($VIRTUAL):

Фокус: на автономных, адаптивных агентах искусственного интеллекта, способных эволюционировать на основе взаимодействий в виртуальных средах.

Сценарий использования: наилучший вариант для ситуаций, где агентам необходимо учиться и адаптироваться, например, в играх или виртуальных мирах.

Сообщество: Инновационное, но все еще определяющее свою нишу среди конкуренции.

История Star на Github

История звезд Github

Иллюстрация выше представляет собой справку по истории звезд GitHub фреймворков с момента их запуска. Отмечается, что звезды GitHub служат индикатором интереса сообщества, популярности проекта и воспринимаемой ценности проекта.

ELIZA - Красная линия:

Демонстрирует значительный и стабильный рост звезд, начиная с низкой базы в июле и испытывая значительный всплеск звезд, начиная в конце ноября, достигая 6,1 тыс. звезд. Это указывает на быстрый всплеск интереса, который привлек внимание разработчиков. Экспоненциальный рост свидетельствует о том, что ELIZA приобрела существенное привлечение внимания благодаря своим функциям, обновлениям и вовлеченности сообщества. Ее популярность значительно превышает других, что указывает на сильную поддержку сообщества и более широкую применимость или интерес в области искусственного интеллекта.

RIG - Синяя линия:

Rig - самый старый из четырех, демонстрируя скромный, но стабильный рост звезд, с заметным ростом в текущем месяце. Он достиг 1.7 тыс. звезд, но находится на восходящей траектории. Постоянное накопление интереса обусловлено непрерывным развитием, обновлениями и растущей пользовательской базой. Это может отражать узкую аудиторию или фреймворк, который все еще строит свою репутацию.

ZEREPY - Желтая линия:

ZerePy только что запустился несколько дней назад и набрал 181 звезду. Отмечается, что ZerePy нуждается в дальнейшей разработке для увеличения видимости и принятия. Партнерство с $AI16Z, вероятно, привлечет больше участников в кодовую базу.

GAME - Green Line:

Этот проект имеет минимальное количество звезд, отмечается, что этот фреймворк может быть непосредственно применен к агентам виртуальной экосистемы через API, что исключает необходимость видимости на Github. Однако этот фреймворк стал доступен для строителей всего лишь немного более месяца назад, и с ним уже было создано более 200 проектов.

Бычий тезис для фреймворков

Версия 2 Eliza будет включать интеграцию с Coinbase agent kit. Все проекты, использующие Eliza, будут иметь будущую поддержку для native TEE, что позволит агентам работать в безопасных средах. Одной из предстоящих функций Eliza является Реестр плагинов, позволяющий разработчикам регистрировать и интегрировать плагины без проблем.

Кроме того, Eliza V2 будет поддерживать автоматизированную анонимную межплатформенную переписку. Белая книга по токеномике, запланированная к выпуску 1 января 2025 года, ожидается, что положительно повлияет на токен AI16Z, который лежит в основе фреймворка Eliza. AI16Z планирует продолжать улучшать полезность фреймворка, опираясь на привлечение высококвалифицированных специалистов, как это продемонстрировано усилиями его ведущего участника.

Фреймворк GAME предлагает интеграцию без кода для агентов, позволяя одновременное использование GAME и ELIZA в рамках одного проекта, каждый из которых служит определенным целям. Такой подход предполагает привлечение строителей, ориентированных на бизнес-логику, а не на технические сложности. Несмотря на то, что фреймворк доступен публично всего более 30 дней, он продемонстрировал значительный прогресс, поддерживаемый усилиями команды по привлечению большего числа участников. Ожидается, что каждый проект, запущенный на $VIRTUAL, примет GAME.

Риг, представленный $ARC токен, имеет значительный потенциал, хотя рост его структуры находится на ранних стадиях. Программа handshake для привлечения проектов, использующих Rig, работает всего несколько дней. Однако скоро ожидаются качественные проекты, сопровождающиеся ARC, аналогично виртуальному маховику, но с уклоном в Solana. Команда оптимистично относится к партнерству с Solana, позиционируя ARC как Virtual по отношению к Base. Отмечается, что команда стимулирует не только новые проекты, запущенные с помощью Rig, но и разработчиков для улучшения самой структуры Rig.

Zerepy, недавно запущенный фреймворк, набирает популярность благодаря партнерству с $AI16Z (Элиза). Фреймворк привлек вкладчиков из Элизы, которые активно работают над его улучшением. Он пользуется культовой популярностью среди поклонников $ZEREBRO и открыл новые возможности для разработчиков Python, которым ранее не хватало представительства в конкурентной среде AI-инфраструктуры. Этот фреймворк готов сыграть значительную роль в творческих аспектах искусственного интеллекта.

Отказ от ответственности:

1. Эта статья взята из [gateX]. Все авторские права принадлежат оригинальному автору [@DV_Memetics]. Если есть возражения против этой публикации, пожалуйста, свяжитесь с Gate Learnкоманда, и они оперативно решат эту проблему.
2. Отказ от ответственности: Представленные в данной статье взгляды и мнения являются исключительно личными автора и не являются инвестиционными советами.
3. Команда Gate Learn перевела статью на другие языки. Копирование, распространение или плагиатирование переведенных статей запрещено, если не указано иное.