Harga My Little Pony

Distribusi TVL di antara PJT Ekosistem @Cronos_chain Total #TVL Ekosistem #Cronos: $ 753 juta 1. #VVSStandard TVL: $ 289 juta 2. #Tectonic TVL: $ 144 juta 3. #Cryptocom LS TVL: $ 142 juta $CRO $VVS $TONIC $ORB $VNO $MLP $FUL $FER $GT

PJT 9 teratas berdasarkan pertumbuhan TVL dalam 7 hari terakhir #TVL mewakili semua dana di seluruh platform dalam kapasitas transaksional, pinjaman, dan pinjaman. $RAN $YFI $IMF $MLP $WHALES

Ingat pemain yang memiliki ratusan remaja yang memainkan Axie Infinity agar mereka mendapatkan Ramuan Cinta Ajaib? Ya, itu 4 tahun yang lalu. Sekarang Anda bisa melatih dan memutar 100 Operator Codec Otonom untuk bermain untuk Anda sebagai gantinya ... dan memonetisasinya dan menjualnya kepada orang lain ✅ AI x Robotika Narasi AI x Robotics memanas secara nyata dengan model VLA ​ Pada tahap ini dalam ekosistem AI, sebagian besar protokol dan agen menggunakan mesin LLM berbasis teks atau tangkapan layar statis untuk menafsirkan data ​ Tetapi ingat saja bahwa sebagian besar dunia nyata tidak memiliki akses API, Anda memerlukan visi, keputusan, dan tindakan. Dunia nyata harus dilihat dalam piksel dan di sinilah model VLA masuk ​ @Codecopenflow memungkinkan otomatisasi perangkat lunak dan robotika melalui visi menggunakan tumpukan teknologi yang dibangun dari awal ✅ Operator CODEC ​ Operator adalah agen perangkat lunak otonom yang dapat melakukan tugas melalui siklus persepsi-alasan-tindakan. Kemampuan untuk melihat layar (atau umpan kamera atau data sensor) memungkinkan mereka untuk membuat keputusan yang tidak dapat dilakukan LLM ​ • Persepsi: Menangkap tangkapan layar, umpan kamera, atau data sensor • Penalaran: Memproses pengamatan dan instruksi menggunakan model bahasa-penglihatan • Tindakan: Mengeksekusi keputusan melalui interaksi UI atau kontrol perangkat keras ​ Dalam lingkaran terus menerus Operator dapat berjalan di server bare-metal, Virtual Machine (pada sistem operasi apa pun), atau bahkan pada robot. ​ Setiap operator secara otomatis mendapatkan mesin komputasi khusus (VM terisolasi atau instans kontainer), dan dapat diamankan oleh TEE (isolasi tingkat perangkat keras) untuk kode dan data sensitif. ​ ✅ Lapisan Kecerdasan AI ​ Operator dapat dikonfigurasi untuk menggunakan satu atau lebih model (LLM atau VLA) yang digabungkan sebagai "otak" mereka ​ Misalnya, memasangkan model bahasa Mixtral-8×7B berbiaya rendah dengan model visi CogVLM sumber terbuka memungkinkan Operator membaca teks di layar dan menafsirkan layar langsung atau umpan kamera - semuanya dengan biaya yang lebih murah dari GPT-4. ​ Model VLA (Vision-Language-Action) memungkinkan agen menafsirkan input visual, dan kemudian memutuskan tindakan berdasarkan apa yang dilihatnya ✅ Kasus Penggunaan ​ 🔹 Otomatisasi Desktop ​ Dapat mengotomatiskan tugas kantor yang berulang dengan mengontrol GUI. Seperti mengisi spreadsheet, memperbarui kalender, atau tugas lain yang memerlukan interaksi GUI ​ Dapat menangani pembaruan UI karena benar-benar dapat melihat apa yang dilakukannya ​ 🔹 Agen Game ​ Operator dapat mengontrol pemain atau menguji video game. Agen melakukan streaming layar dan dapat melakukan tindakan berdasarkan apa yang mereka lihat dengan mengirim perintah keyboard atau mouse ke game. ​ Dapat digunakan untuk pengujian QA, atau bahkan lawan NPC tingkat lanjut atau otomatisasi game web3 ​ 🔹 Robotika ​ Operator dapat mengontrol robot fisik. Lapisan mesin akan terhubung ke perangkat keras robot dengan sensor dan aktuator, dan agen dapat mengirim perintah untuk menggerakkan lengan atau menavigasi. ​ Misalnya dapat menangkap umpan kamera dari objek yang bergerak di ban berjalan dan melakukan tindakan berdasarkan gerakan. Jika ada hambatan di jalan Operator dapat melihatnya dan mengontrol robot untuk menghindarinya ​ ✅ Pengumpulan Data dan Rel pengaman Onchain ​ Dengan membawa informasi onchain Operator ke Solana, mereka dapat menawarkan log tindakan yang tidak dapat diubah dari semua tindakan yang dilakukan ​ Di masa depan kita dapat melihat titik di mana perusahaan Robotika akan diminta untuk mempertaruhkan token untuk menjamin bahwa Operator mereka tidak akan membuat robot melakukan kontak fisik dengan manusia atas kekuatan tertentu. Jika mereka melanggarnya, mereka akan dipotong untuk sebagian dari token yang dipertaruhkan (seperti EigenLayer / Symbiotic restaking) ​ ✅ Lingkungan pelatihan untuk Robotika ​ Dengan Codec, model virtual yang tidak terlatih dapat digunakan ke tempat pelatihan yang dinamis dan fidelitas tinggi, tidak diperlukan robot fisik. ​ Simulasikan, latih, dan sempurnakan perilaku kompleks dalam skala cloud, lalu transfer kebijakan tersebut ke perangkat keras nyata dengan percaya diri. Lingkungan pelatihan dapat dengan cepat diputar untuk semua jenis Operator (Perangkat Lunak, Game, atau Robotika) ​ ✅ SDK Codec ​ SDK dan API lengkap telah dikembangkan sehingga pengembang dapat menerapkan Operator mereka dengan mudah ​ ✅ Pasar Operator ​ Operator dapat (di masa mendatang) dijual di pasar khusus. ​ Akan ada pembagian pendapatan sehingga Anda dapat mengirimkan dan memonetisasi operator VLA Anda, yang berarti jika Anda melatih Operator yang efektif, Anda dapat memiliki aliran pendapatan tambahan ​ ✅ Kesimpulan ​ Saya pikir kita akan melihat perkembangan besar-besaran di bidang VLA di tahun depan. Kami telah melihat seberapa cepat LLM dikembangkan, baru beberapa tahun yang lalu sejak GPT-1 diluncurkan. Robotika dan Model Visi kemungkinan besar akan menjadi narasi panas pada satu titik dalam siklus ini, dan saya ingin diposisikan lebih awal ​ Oh dan apakah saya menyebutkan bahwa salah satu pendiri berasal dari game 👀 Hugging Face dan Elixir ​ Catatan: Slappjakke memiliki tas $CODEC yang besar, dan ini adalah salah satu saat saya menjadi lebih bullish saat menulis utas ini dan menambahkan lebih banyak lagi ​ Ini seperti biasa bukan nasihat keuangan dan investasi berisiko tinggi, jadi lakukan riset Anda sendiri.

Di pasar ini dan dengan musim panas yang semakin dekat, banyak yang mungkin beristirahat dari kripto Saya tidak berhenti dan akan melakukan kegiatan berikut untuk menang besar dengan Airdrops akhir tahun ini @DeFiTuna: LP atau pinjamkan USDC (bisa berupa model bagi hasil) @humafinance: Pinjamkan USDC untuk APY besar (Airdrop di Q2) @fragmetric: Ambil ulang SOL, pasang fragSOL di Ratex (bisa menarik Airdrop Solayer) @DriftProtocol: Letakkan beberapa kandang saya di lemari besi untuk mendapatkan FUEL (Perdagangan Netral = Airdrop 2-in-1) @LoopscaleLabs: Loop fragSOL & kySOL untuk 20% APY @Perena__: Tukar USDC dengan USD* (pasang di Ratex) @RateX_Dex: letakkan USD* & fragSOL pada RateX untuk Pengganda @KyrosFi: Stake ulang SOL, pasang kySOL di Ratex @ExponentFinance: Mint MLP dan pertanian Meteora di atas @MeteoraAG: Lakukan LP seperti biasa (topi tinggi) @RainFi_: Pinjamkan USDC terhadap SOL (setelah pasar sedikit hijau lagi) @deBridgeFinance: Lakukan perdagangan multichain saya melalui debridge untuk S2 @KaitoAI: Tingkatkan Yaps saya untuk S2 dan dapatkan hadiah tambahan @monad_xyz: Lakukan beberapa tugas di sana-sini, pegang Mad Lads @ikadotxyz: Menaikkan level NFT saya @Polymarket: Lakukan beberapa perdagangan & menyediakan likuiditas @HaedalProtocol: Stake Sui @WalrusProtocol: Stake WAL @AbstractChain: Lakukan lencana Abstrak @ethos_network: Lakukan ulasan + Lakukan semua Airdrop DePin seperti Rumput, Gradien, Berkati, dll.