Сравнение четырех основных крипто X AI фреймов: ELIZA, GAME, ARC и ZEREPY

Автор: Deep Value Memetics, перевод: Золотая экономика xiaozou

В данной статье мы рассмотрим перспективы фреймворка Crypto X AI. Мы сосредоточимся на четырех основных фреймворках (ELIZA, GAME, ARC, ZEREPY) и их технических различиях.

1. Введение

На прошлой неделе мы исследовали и тестировали четыре основных крипто-ИИ фрейма: ELIZA, GAME, ARC и ZEREPY. Вот наши выводы.

Мы верим, что AI16Z продолжит занимать доминирующее положение. Ценность Eliza (доля рынка около 60%, рыночная капитализация более 1 миллиарда долларов) заключается в ее перв mover преимуществах (эффект Линди) и в том, что она получает все больше пользователей среди разработчиков, о чем свидетельствует количество: 193 участника, 1800 форков и более 6000 звезд, что делает ее одной из самых популярных кодовых баз на GitHub.

На данный момент развитие GAME (доля рынка около 20%, рыночная капитализация около 300 миллионов долларов) проходит очень успешно, платформе удается быстро завоевать популярность, как только что объявил VIRTUAL, у которой более 200 проектов, 150000 ежедневных запросов и 200% недельного роста. GAME продолжит извлекать выгоду из роста VIRTUAL и станет одним из крупнейших победителей в ее экосистеме.

Rig（ARC，доля рынка около 15%, рыночная капитализация около 160 миллионов долларов США）очень привлекателен, потому что его модульный дизайн очень удобен в эксплуатации и может занять доминирующее положение в экосистеме Solana (RUST) как "pure-play".

Zerepy (доля рынка около 5%, рыночная капитализация около 300 миллионов долларов) - это относительно нишевое приложение, специально разработанное для преданного сообщества ZEREBRO, которое недавно сотрудничало с сообществом ai16z, что может привести к синергии.

Мы отмечаем, что наши расчеты доли рынка охватывают рыночную капитализацию, записи разработчиков и рынок терминалов подлежащих операционных систем.

Мы считаем, что в этом рыночном цикле сегмент фреймов станет самой быстрорастущей областью, и общая рыночная капитализация в 1,7 миллиарда долларов может легко вырасти до 20 миллиардов долларов, что по сравнению с пиковыми оценками L1 в 2021 году все еще относительно консервативно, когда многие оценки L1 превышали 20 миллиардов долларов. Хотя эти фреймы обслуживают разные конечные рынки (цепи/экосистемы), поскольку мы считаем, что эта область находится в постоянном восходящем тренде, метод взвешивания по рыночной капитализации может быть самым осторожным подходом.

2、Четыре основных рамки

В таблице ниже мы перечислили ключевые технологии, компоненты и преимущества основных рамок.

! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png

(1) Обзор структуры

В области пересечения AI и Crypto существует несколько фреймворков, способствующих развитию AI. Это ELIZA от AI16Z, RIG от ARC, ZEREBRO от ZEREPY и VIRTUAL от GAME. Каждый фреймворк отвечает различным потребностям и концепциям в процессе разработки AI-агентов, от проектов с открытым исходным кодом до корпоративных решений, ориентированных на производительность.

В этой статье сначала будет представлен фреймворк, расскажем, что это такое, какие языки программирования, технические архитектуры и алгоритмы используются, какие уникальные функции он имеет, а также какие потенциальные случаи использования могут быть у фреймворка. Затем мы сравним каждый фреймворк с точки зрения удобства, масштабируемости, адаптивности и производительности, исследуя их преимущества и ограничения.

ELIZA (разработан ai16z)

Eliza — это открытая платформа для многопользовательского моделирования, предназначенная для создания, развертывания и управления автономными AI-агентами. Она разработана на языке программирования TypeScript и предоставляет гибкую и масштабируемую платформу для создания интеллектуальных агентов, которые могут взаимодействовать с людьми на различных платформах и поддерживать последовательную личность и знания.

Основные функции этой структуры включают многоагентскую архитектуру, поддерживающую одновременное развертывание и управление несколькими уникальными ИИ-персонажами, а также систему ролей для создания различных агентов с использованием файлов ролей, и функции управления памятью с долгосрочной памятью и контекстуальным восприятием через систему улучшенного генеративного поиска (RAG). Кроме того, структура Eliza также предлагает плавную интеграцию платформы с надежным подключением к Discord, X и другим социальным медиа-платформам.

С точки зрения коммуникационных и медийных функций AI-агента, Eliza является отличным выбором. В области связи этот фреймворк поддерживает интеграцию с функцией голосовых каналов Discord, X, Telegram, а также прямой доступ к API для настраиваемых случаев использования. С другой стороны, медийные функции этого фреймворка могут быть расширены до чтения и анализа PDF-документов, извлечения и резюмирования контента из ссылок, аудиотранскрипции, обработки видеоконтента, анализа изображений и резюмирования диалогов, что позволяет эффективно обрабатывать различные виды медийного ввода и вывода.

Фреймворк Eliza предоставляет гибкую поддержку AI-моделей через локальное вывод модели с открытым исходным кодом, облачное вывод OpenAI и настройки по умолчанию (такие как Nous Hermes Llama 3.1B), а также интегрирует поддержку Claude для обработки сложных задач. Eliza использует модульную архитектуру, предлагает широкую поддержку операционных систем, настраиваемых клиентов и полный API, что обеспечивает масштабируемость и адаптивность между приложениями.

Примеры использования Eliza охватывают несколько областей, таких как: AI-ассистент для поддержки клиентов, модерации сообществ и личных задач, а также роли в социальных медиа, такие как автоматический создатель контента, интерактивный бот и представитель бренда. Он также может выступать в роли интеллектуального работника, играя роли исследовательского помощника, аналитика контента и обработчика документов, а также поддерживать интерактивные роли, такие как ролевые боты, образовательные наставники и агенты.

Архитектура Eliza построена вокруг времени выполнения агента (agent runtime), которое бесшовно интегрируется с системой ролей (поддерживаемой поставщиками моделей), менеджером памяти (подключенным к базе данных) и операционной системой (связанной с клиентом платформы). Уникальные функции этой структуры включают систему плагинов, поддерживающую модульное расширение функциональности, поддержку мультимодальных взаимодействий, таких как голос, текст и медиа, а также совместимость с передовыми AI моделями (такими как Llama, GPT-4 и Claude). Благодаря своей разнообразной функциональности и мощному дизайну, Eliza выделяется как мощный инструмент для разработки AI приложений в различных областях.

G.A.M.E (разработано Virtuals Protocol)

Генеративная автономная мультимодальная объектная структура (G.A.M.E) предназначена для предоставления разработчикам доступа к API и SDK для экспериментов с AI-агентами. Эта структура предлагает структурированный подход к управлению поведением, принятием решений и процессом обучения AI-агентов.

Основные компоненты следующие: во-первых, интерфейс запросов агента (Agent Prompting Interface) является точкой входа для разработчиков, чтобы интегрировать GAME в агента и получить доступ к поведению агента. Подсистема восприятия (Perception Subsystem) инициализирует сессию, указывая такие параметры, как ID сессии, ID агента, пользователь и другие соответствующие детали.

Он будет синтезировать входящие данные в формат, подходящий для механизма ввода чувствительности AI-агента в стратегическом планировании (Strategic Planning Engine), как в виде диалога, так и в виде реакций. В его основе лежит модуль обработки диалогов, который обрабатывает сообщения и ответы от агента и сотрудничает с подсистемой восприятия для эффективной интерпретации и ответа на входящие данные.

Стратегический планировочный движок работает в связке с модулем обработки диалогов и оператором кошелька на блокчейне, генерируя ответы и планы. Данный движок имеет два уровня функциональности: как высокоуровневый планировщик, который создает широкие стратегии в зависимости от контекста или целей; и как низкоуровневая стратегия, которая преобразует эти стратегии в оперативные планы, которые далее делятся на планировщики действий для конкретных задач и исполнителей планов для выполнения задач.

Еще один независимый, но важный компонент — это World Context (мировой контекст), который ссылается на окружение, глобальную информацию и состояние игры, предоставляя необходимый контекст для принятия решений агентом. Кроме того, Agent Repository (репозиторий агентов) используется для хранения долгосрочных атрибутов, таких как цели, размышления, опыт и личность, которые вместе формируют поведение и процесс принятия решений агента.

Эта структура использует процессоры краткосрочной и долгосрочной памяти. Краткосрочная память хранит информацию о предыдущем поведении, результатах и текущих планах. В то же время процессор долгосрочной памяти извлекает ключевую информацию в зависимости от важности, актуальности и других критериев. Долгосрочная память хранит знания агента, такие как опыт, размышления, динамическая личность, контекст мира и рабочая память, чтобы улучшить принятие решений и обеспечить основу для обучения.

Модуль обучения использует данные из подсистемы восприятия для генерации общих знаний, которые возвращаются в систему для улучшения будущих взаимодействий. Разработчики могут вводить через интерфейс обратную связь о действиях, состоянии игры и данных ощущений, чтобы повысить способности обучения ИИ-агента и улучшить его планирование и принятие решений.

Рабочий процесс начинается с взаимодействия разработчиков через интерфейс подсказок агента. Вводимые данные обрабатываются подсистемой восприятия и передаются модулю обработки диалогов, который отвечает за управление логикой взаимодействия. Затем движок стратегического планирования разрабатывает и выполняет планы на основе этой информации, используя высокоуровневую стратегию и детализированные планы действий.

Данные из контекста мира и репозитория агентов уведомляют эти процессы, в то время как оперативная память отслеживает текущие задачи. В то же время процессор долгосрочной памяти хранит и извлекает долгосрочные знания. Модуль обучения анализирует результаты и интегрирует новые знания в систему, что позволяет постоянно улучшать поведение и взаимодействие агентов.

RIG (разработан ARC)

Rig — это открытая Rust-библиотека, предназначенная для упрощения разработки приложений на основе больших языковых моделей. Она предоставляет унифицированный интерфейс для взаимодействия с несколькими провайдерами LLM, такими как OpenAI и Anthropic, и поддерживает различные векторные хранилища, включая MongoDB и Neo4j. Уникальность модульной архитектуры этой библиотеки заключается в ее основных компонентах, таких как абстракция провайдера (Provider Abstraction Layer), интеграция векторного хранилища и система агентов, что способствует бесшовному взаимодействию LLM.

Основная аудитория Rig включает разработчиков, использующих Rust для создания приложений AI/ML, а также организации, стремящиеся интегрировать несколько поставщиков LLM и векторное хранилище в свои приложения на Rust. Репозиторий использует архитектуру рабочих пространств с несколькими crate, что поддерживает масштабируемость и эффективное управление проектами. Его ключевая функция - уровень абстракции поставщиков, который предоставляет стандартизированный, с единообразной обработкой ошибок API для выполнения и встраивания между различными поставщиками LLM. Компонент интеграции векторного хранилища (Vector Store Integration) предоставляет абстрактный интерфейс для нескольких бэкэндов и поддерживает поиск по векторной схожести. Система агентов упрощает взаимодействие с LLM, поддерживает извлечение, улучшенное генерацией (RAG) и интеграцию инструментов. Кроме того, фреймворк встраивания также предоставляет функции пакетной обработки и операции встраивания с безопасностью типов.

Rig использует множество технологических преимуществ для обеспечения надежности и производительности. Асинхронные операции используют асинхронное время выполнения Rust для эффективной обработки большого количества конкурентных запросов. Встроенный механизм обработки ошибок этого фреймворка улучшает способность восстанавливаться после сбоев со стороны поставщиков ИИ или операций с базами данных. Безопасность типов может предотвратить ошибки на этапе компиляции, что усиливает поддерживаемость кода. Эффективные процессы сериализации и десериализации поддерживают обработку данных в таких форматах, как JSON, что жизненно важно для связи и хранения сервисов ИИ. Подробная регистрация и мониторинг дополнительно помогают отладке и наблюдению за приложением.

Рабочий процесс Rig начинается, когда клиент инициирует запрос, который взаимодействует с соответствующей моделью LLM через уровень абстракции поставщика. Затем данные обрабатываются на основном уровне, где агент может использовать инструменты или получать доступ к векторному хранилищу контекста. Ответ генерируется и уточняется через сложный рабочий процесс (например, RAG) перед его возвратом клиенту, процесс включает в себя извлечение документов и понимание контекста. Эта система интегрирует несколько поставщиков LLM и векторные хранилища, адаптируясь к обновлениям доступности или производительности моделей.

Применение Rig разнообразно, включая системы вопросов и ответов, которые извлекают соответствующие документы для предоставления точных ответов, системы поиска и извлечения документов для эффективного обнаружения контента, а также чат-ботов или виртуальных помощников, которые обеспечивают контекстно-зависимое взаимодействие для обслуживания клиентов или образования. Он также поддерживает генерацию контента, позволяя создавать текст и другие материалы на основе режимов обучения, что делает его универсальным инструментом для разработчиков и организаций.

Zerepy (разработанный ZEREPY и blorm)

ZerePy — это открытая структура, написанная на языке Python, предназначенная для развертывания агентов на X с использованием LLM OpenAI или Anthropic. Это модульная версия, происходящая из бэкенда Zerebro, ZerePy позволяет разработчикам запускать агентов, имеющих функции, аналогичные основным функциям Zerebro. Хотя эта структура предоставляет основы для развертывания агентов, тонкая настройка модели необходима для генерации креативного вывода. ZerePy упрощает разработку и развертывание персонализированных AI-агентов, особенно для создания контента на социальных платформах, способствуя созданию AI-управляемой творческой экосистемы, ориентированной на искусство и децентрализованные приложения.

Этот фреймворк разработан на Python, акцентирует внимание на автономности агентов и сосредоточен на генерации креативного контента, сохраняя согласованность с архитектурой ELIZA и ее взаимосвязью с ELIZA. Его модульный дизайн поддерживает интеграцию систем памяти и развертывание агентов на социальных платформах. Основные функции включают интерфейс командной строки для управления агентами, интеграцию с Twitter, поддержку LLM от OpenAI и Anthropic, а также модульную систему подключения для расширения возможностей.

Применение ZerePy охватывает сферу автоматизации социальных медиа, пользователи могут развертывать искусственные интеллектуальные агенты для публикации, ответов, лайков и репостов, тем самым увеличивая вовлеченность на платформе. Кроме того, он также ориентирован на создание контента в таких областях, как музыка, мемы и NFT, что делает его важным инструментом для цифрового искусства и контент-платформ на основе блокчейна.

(2) Сравнение четырех основных рамок

На наш взгляд, каждая структура предоставляет уникальный подход к разработке искусственного интеллекта, соответствующий конкретным требованиям и условиям, мы смещаем акцент с конкурентных отношений между этими структурами на их уникальность.

ELIZA выделяется своим удобным интерфейсом, особенно для разработчиков, знакомых с JavaScript и Node.js. Его исчерпывающая документация помогает настраивать искусственные интеллектуальные агенты на различных платформах, хотя его обширный набор функций может привести к определенной кривой обучения. Разработанный на TypeScript, Eliza становится идеальным выбором для создания агентов, встроенных в веб, так как большинство фронтенд-инфраструктур веба разрабатываются с использованием TypeScript. Этот фреймворк известен своей многопользовательской архитектурой и может развёртываться на платформах, таких как Discord, X и Telegram, с различными искусственными интеллектуальными личностями. Его продвинутая система управления памятью RAG делает его особенно эффективным для искусственных интеллектуальных помощников в службах поддержки клиентов или социальных медиа-приложениях. Хотя он предлагает гибкость, мощную поддержку сообщества и последовательную кроссплатформенную производительность, он все еще находится на ранних стадиях и может представлять собой кривую обучения для разработчиков.

GAME предназначен для разработчиков игр и предлагает интерфейс с низким или нулевым кодом через API, что позволяет пользователям с низким уровнем технической компетенции в игровой сфере также использовать его. Однако он сосредоточен на разработке игр и интеграции блокчейна, что может представлять собой резкую кривую обучения для тех, кто не имеет соответствующего опыта. Он выделяется в генерации контента программы и поведении NPC, но ограничен сложностью, добавленной его специализированной областью и интеграцией блокчейна.

Из-за использования языка Rust, учитывая его сложность, Rig может быть не очень удобным, что создает значительные вызовы для обучения, но для тех, кто хорошо разбирается в системном программировании, он обладает интуитивным взаимодействием. По сравнению с TypeScript, этот язык программирования сам по себе известен своей производительностью и безопасностью памяти. У него строгая компиляция и нулевые затраты на абстракцию, что необходимо для выполнения сложных алгоритмов ИИ. Этот язык очень эффективен, и его низкоуровневый контроль делает его идеальным выбором для ресурсозатратных приложений ИИ. Этот фреймворк предлагает высокопроизводительные решения с модульным и масштабируемым дизайном, что делает его идеальным выбором для корпоративных приложений. Однако для разработчиков, не знакомых с Rust, использование Rust неизбежно связано с крутой кривой обучения.

ZerePy использует Python, чтобы обеспечить высокую доступность для творческих AI-задач, кривая обучения для разработчиков Python относительно низкая, особенно для тех, кто имеет опыт в AI/ML, и благодаря криптосообществу Zerebro извлекает выгоду из мощной поддержки сообщества. ZerePy преуспевает в таких творческих AI-приложениях, как NFT, позиционируя себя как мощный инструмент для цифровых медиа и искусства. Хотя он процветает в области креативности, его ассортимент относительно узок по сравнению с другими фреймворками.

В отношении масштабируемости ELIZA достигла значительного прогресса в своем обновлении V2, введя единый поток сообщений и масштабируемую основную структуру, поддерживающую эффективное управление на нескольких платформах. Однако, если не оптимизировать, такое управление межплатформенным взаимодействием может привести к проблемам с масштабируемостью.

GAME демонстрирует отличные результаты в области实时 обработки, масштабируемость управляется с помощью эффективных алгоритмов и потенциальной распределенной системы блокчейна, хотя она может быть ограничена конкретными игровыми движками или сетями блокчейна.

Рамка Rig использует производительность расширяемости Rust и разработана для приложений с высокой пропускной способностью, что особенно эффективно для развертывания на уровне предприятий, хотя это может означать, что для достижения истинной масштабируемости потребуется сложная настройка.

Расширяемость Zerepy ориентирована на креативный выход с поддержкой вклада сообщества, но её фокус может ограничивать применение в более широком контексте искусственного интеллекта; расширяемость может подвергнуться испытанию разнообразием креативных задач, а не количеством пользователей.

В отношении адаптивности ELIZA выделяется своей системой плагинов и кроссплатформенной совместимостью, также отличные результаты показывает GAME в игровой среде и Rig в обработке сложных задач ИИ. ZerePy демонстрирует высокую адаптивность в творческой сфере, но менее подходит для более широких приложений ИИ.

В плане производительности ELIZA оптимизирована для быстрого взаимодействия в социальных медиа, где ключевым является быстрое время отклика, но при выполнении более сложных вычислительных задач ее производительность может отличаться.

GAME, разработанный Virtual Protocol, сосредоточен на высокопроизводительном взаимодействии в реальном времени в игровом сценарии, используя эффективный процесс принятия решений и потенциальную блокчейн-технологию для децентрализованной работы с искусственным интеллектом.

Рамка Rig основана на языке Rust и обеспечивает отличную производительность для задач высокопроизводительных вычислений, что делает ее подходящей для корпоративных приложений, где критически важна вычислительная эффективность.

Производительность Zerepy разработана специально для создания креативного контента, а ее показатели сосредоточены на эффективности и качестве генерации контента, что может быть не так универсально за пределами креативной сферы.

Преимущества ELIZA заключаются в обеспечении гибкости и масштабируемости, благодаря своей системе плагинов и настройкам ролей, что придает ей высокую адаптивность и способствует межплатформенному взаимодействию социальных ИИ.

GAME предлагает уникальные функции реального взаимодействия в игре, которые улучшены за счет интеграции блокчейна с новыми AI участниками.

Преимущества Rig заключаются в его производительности и масштабируемости для задач искусственного интеллекта в бизнесе, с акцентом на предоставление чистого модульного кода для здоровья долгосрочных проектов.

Zerepy специализируется на培养创造力, занимает передовые позиции в области применения искусственного интеллекта в цифровом искусстве и поддерживается динамичной моделью развития, основанной на сообществе.

Каждый фреймворк имеет свои ограничения, ELIZA все еще находится на ранней стадии, существует потенциальная проблема стабильности и кривая обучения для новых разработчиков, нишевые игры могут ограничить более широкое применение, а блокчейн добавляет сложности; Rig может отпугнуть некоторых разработчиков из-за крутой кривой обучения, связанной с Rust, а узкое внимание Zerepy к креативному выходу может ограничить его использование в других областях ИИ.

(3) Сравнительный обзор рамок

Риг (ARC)：

Язык: Rust, сосредоточен на безопасности и производительности.

Пример: идеальный выбор для корпоративных AI-приложений, так как он акцентирует внимание на эффективности и масштабируемости.

Сообщество: не слишком управляется сообществом, больше внимания уделяется разработчикам технологий.

Элиза (AI16Z)：

Язык: TypeScript, подчеркивающий гибкость web3 и участие сообщества.

Примеры использования: разработан для социальных взаимодействий, DAO и торговли, с особым акцентом на многопользовательские системы.

Сообщество: высокоактивное сообщество, с широким участием на GitHub.

ZerePy (ZEREBRO):

Язык: Python, чтобы он стал доступен более широкой базе разработчиков ИИ.

Пример использования: подходит для автоматизации социальных медиа и более простых задач с ИИ-агентами.

Сообщество: относительно новое, но благодаря популярности Python и поддержке участников AI16Z ожидается рост.

ИГРА (ВИРТУАЛЬНАЯ):

Фокус: автономные, адаптивные искусственные интеллектуальные агенты, которые могут эволюционировать в зависимости от взаимодействий в виртуальной среде.

Пример использования: наиболее подходящий сценарий для обучения и адаптации AI-агентов, например, в играх или виртуальных мирах.

Сообщество: инновационное сообщество, но все еще определяет свою позицию в конкуренции.

3、Динамика данных о звездах на Github

! WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png

На графике представлены данные о количестве звезд GitHub с момента выпуска этих фреймворков. Стоит отметить, что звезды GitHub являются показателем интереса сообщества, популярности проектов и воспринимаемой ценности проектов.

ЭЛИЗА (красная линия):

С июля, начиная с низкой базы, и до значительного увеличения количества звезд в конце ноября (достигнув 61 000 звезд), это указывает на быстро растущий интерес со стороны людей, что привлекло внимание разработчиков. Этот экспоненциальный рост указывает на то, что ELIZA приобрела огромную привлекательность благодаря своим функциям, обновлениям и участию сообщества. Ее популярность значительно превышает популярность других конкурентов, что свидетельствует о сильной поддержке сообщества и более широком применении или интересе в сообществе искусственного интеллекта.

RIG (синяя линия) :

Rig является самым старым из четырех основных фреймов, его количество звезд умеренное, но постоянно растет, и в следующем месяце оно может значительно увеличиться. Он уже достиг 1700 звезд, но продолжает расти. Постоянная разработка, обновления и растущее количество пользователей являются причиной накопления интереса со стороны пользователей. Это может отражать то, что пользователи этого фрейма являются нишевыми или что он все еще накапливает репутацию.

ZEREPY（желтая линия）：

ZerePy был только что запущен несколько дней назад и уже накопил 181 звезду. Стоит подчеркнуть, что ZerePy требует дополнительных разработок для повышения своей видимости и уровня принятия. Сотрудничество с AI16Z может привлечь больше вкладчиков в код.

ИГРА (зеленая линия):

Это количество звезд у проекта наименьшее, стоит отметить, что этот фреймворк может быть напрямую применен к агентам в виртуальной экосистеме через API, тем самым устраняя необходимость в видимости на Github. Однако этот фреймворк был открыт для строителей всего чуть более месяца назад, и более 200 проектов используют GAME для разработки.

4. Причины для оптимизма в отношении структуры

Версия V2 Eliza будет интегрировать набор инструментов代理 Coinbase. Все проекты, использующие Eliza, в будущем будут поддерживать нативное TEE, что позволит агентам работать в безопасной среде. Одна из предстоящих функций Eliza — это реестр плагинов (Plugin Registry), который позволит разработчикам бесшовно регистрировать и интегрировать плагины.

Кроме того, Eliza V2 будет поддерживать автоматизированную анонимную межплатформенную передачу сообщений. Белая книга по токеномике запланирована к выпуску 1 января 2025 года, и ожидается, что она положительно повлияет на основную токен AI16Z фреймворка Eliza. AI16Z планирует продолжать улучшать полезность фреймворка, продолжая привлекать высококачественные кадры, усилия основных его участников уже доказали, что он обладает такой способностью.

GAME-рамка предоставляет агентам интеграцию без кода, позволяя одновременно использовать GAME и ELIZA в одном проекте, каждый из которых служит определенной цели. Этот подход, как ожидается, привлечет внимание строителей, сосредоточенных на бизнес-логике, а не на технической сложности. Несмотря на то, что рамка была публично выпущена всего 30 дней назад, благодаря усилиям команды по привлечению большего числа участников, она достигла значительного прогресса. Ожидается, что все проекты, запускаемые на VIRTUAL, будут использовать GAME.

Rig, представленный токеном ARC, обладает огромным потенциалом, хотя его структура все еще находится на ранней стадии роста, и планы по внедрению проекта были запущены всего несколько дней назад. Ожидается, что высококачественные проекты, использующие ARC, появятся в ближайшее время, аналогично Virtual Flywheel, но с акцентом на Solana. Команда настроена оптимистично по поводу сотрудничества с Solana и сравнивает отношения ARC с Solana с отношениями Virtual и Base. Стоит отметить, что команда не только поощряет новые проекты использовать Rig для запуска, но и призывает разработчиков улучшать саму структуру Rig.

Zerepy — это новый запущенный фреймворк, который получает всё большее внимание благодаря сотрудничеству с Eliza. Этот фреймворк привлёк вкладчиков Eliza, которые активно работают над его улучшением. Поддерживаемый фанатами ZEREBRO, он имеет группу преданных поклонников и предоставляет новые возможности для разработчиков на Python, которые ранее не имели достаточного представительства в конкуренции за инфраструктуру искусственного интеллекта. Этот фреймворк сыграет важную роль в области творческого использования ИИ.