Будет период времени, когда ваши навыки значительно превосходят ваш портфель. Это самая эмоционально нестабильная точка в вашем пути. День за днем вы оттачиваете свое исполнение, улучшаете свое восприятие рынка, и все же ваша чистая стоимость остается запертой в каком-то произвольном "аду". Вы наблюдаете за другими, у кого в 100 раз больше, и понимаете, что у них нет никакого секретного знания, просто больше капитала. Это зона, где все решается. Низкий капитал означает, что у вас есть небольшое окно возможностей, чтобы рискнуть и достичь элитного богатства, как сказал бы degenspartan. Каждая сделка — это как ходьба по минному полю, одна-две неверные шаги могут полностью уничтожить вас. Тем не менее, вы знаете, что у вас есть все необходимое, чтобы войти в высшую лигу, ваша чистая стоимость просто еще не подтверждает это. Если вы действительно хотите прорваться, вам нужно найти такое состояние потока, которое будет настолько сильным, что вы откажетесь от него, потому что на другой стороне вас ждет работа с 9 до 5. Делайте все, что нужно. На этом этапе вы будете чувствовать, что сходите с ума, пока не получите тот самый удачный шанс, который сделает все жертвы стоящими.

Лучшее преимущество, которое вы можете иметь как трейдер в наши дни, — это мыслить самостоятельно. Искусственный интеллект научил нас делегировать мышление, что приводит к деградации мозга у поколений. Если вы можете разбить тезис на шаги, не полагаясь на терминал, выдающий заранее определенные текстовые строки, вы останетесь в топе 1%, так как не позволяете своему когнитивному преимуществу медленно исчезать. Сейчас настоящая угроза для общества — это не денежная инфляция, а когнитивная инфляция. Люди делегируют свою умственную силу и мировоззрение ChatGPT, рассматривая его как источник истины. Дисциплина формирования собственных выводов через написание, анализ и интуицию — это то, что отделит победителей от остальных. Никогда не было так легко оставаться пассивным и позволять информации подаваться вам на блюдечке. Да, скорость ИИ только ускорится. Я не говорю, что вы не должны его использовать, вы должны, потому что игнорирование этого оставит вас позади. Хотя вам нужно проводить часть своего дня, глубоко читая, контекстуализируя события и переводя их на свои слова. Прививайте привычку качественного мышления. В противном случае вы просто еще одна хомячка, бегущая на колесе, реагируя на мир, который мчится мимо вас.

Интересный факт: $REI всегда был одной из моих самых оптимистичных инвестиций, и этот дизайн был создан в марте, когда я планировал написать подробный исследовательский отчет о его инфраструктуре и размере около 10-15 миллионов. К сожалению, я этого не сделал из-за недостатка веры в команду Base, чтобы поддерживать экосистемных строителей, после того как увидел, как они полностью игнорируют самые значимые проекты на своей цепочке, такие как Virtuals. Через несколько недель я вижу посты, в которых говорится, что @Delphi_Digital была вовлечена за кулисами и работала с командой Rei, а затем публиковала исследовательские отчеты. Оказалось, что моя оценка их инфраструктуры была очень хорошо исследована, и график только рос, увеличившись в 15 раз с тех пор. С тех пор был только один утилитарный проект, который дал мне еще больше уверенности, чем Rei: $CODEC. Как и Rei, Codec не совсем понятен людям, так как то, что они строят, совершенно уникально по сравнению с тем, что мы видели на текущем рынке. Их подход к инфраструктуре не сосредоточен на том, что рынок спрашивает сегодня, а на том, что он будет спрашивать через 6-12 месяцев. Такие проекты инфраструктуры — это те, на которые мне нравится ставить все, не только в портфеле, но и с моей уверенностью, поскольку если я прав и у меня есть терпение держать, можно создать поколенческое богатство. Я верю, что когда Codec выпустит больше информации о своих продуктах и начнет предоставлять бета-версии своей платформы, мы увидим большой приток исследовательских подразделений и технических венчурных капиталистов, таких как Delphi, становящихся крайне оптимистичными по поводу того, что они строят. Очень немногие команды в этой области строят с первых принципов, размышляя о более глубоких философских вопросах о том, как общество будет адаптироваться, эволюционировать и реорганизовываться под тяжестью экспоненциального прогресса, вызванного ИИ и робототехникой. Когда исследователи, такие как я или Delphi, сталкиваются с ними, мы полностью «красные таблетки» и хотим сделать все возможное, чтобы увидеть их успех, так как мы так сильно согласны с их видением. На сегодняшний день маркетинг, дизайн и оптика Rei все еще являются одними из моих любимых среди любых проектов, не говоря уже о их продукте. Любая команда, которая хочет поднять уровень, должна использовать их в качестве примера, так как у них явно команда и мышление уровня S. Я позволил внешнему фактору повлиять на то, что должно было быть довольно внутренним решением, основанным на инфраструктуре и продукте. Не собираюсь позволять этому произойти снова. Codec закодирован.

Не отмечал 6 миллионов и не отмечаю 17 миллионов тоже. Обратите внимание, что во всех моих материалах я говорил только об архитектуре? Тот, кто выиграет в архитектуре операторов и робототехники, будет подобен войнам блокчейна 2021 года и поиску наиболее масштабируемого механизма консенсуса. Codec не строит, чтобы привлечь внимание на следующие 2 недели, поэтому вы не видите кучу ярких низкокачественных постов, выходящих ежедневно. Этот продукт такой редкий случай, что план того, что они строят, обгоняет другие проекты, которые уже исчерпали свои возможности с существующими продуктами (инвесторы, команда, партнеры и т. д.). Я получаю много сообщений с вопросами вроде "но это просто еще не совсем имеет смысл, как все части соединяются вместе?". Маг никогда не раскрывает своих секретов (пока). Выходят ли ваши любимые диджеи в начале или в конце ночи? Вы сначала едите десерт или закуски? Вы открываете шампанское перед гонкой или после победы? Так что происходит, когда мы начинаем видеть веселые вещи? $CODEC закодирован.

Протоколы и команды должны прекратить платить KOL за контент. Единственный раз, когда команды должны раздавать токены, это KOL или членам сообщества, которые создают высокую ценность для их проекта и приносят результаты. Ваш продукт или нарратив должны быть достаточно интересными, чтобы влиятельные люди автоматически хотели бы купить и написать о нем естественным образом. Именно этим людям вы должны выделять токены, а не делать 3 оплаченных поста для амбассадоров, которые накручивают своих подписчиков. "Что если я не смогу заинтересовать никого в своем продукте, чтобы они твитнули?" Тогда продолжайте строить, вы явно не нашли правильную нишу или недостаточно наладили связи, если не можете привлечь несколько основных сторонников. Мое сообщение строителям: создайте что-то достаточно крутое, чтобы люди естественным образом хотели бы купить и написать об этом, дайте токены самым большим сторонникам, которые соответствуют вашему видению. Поскольку: 1. Они будут гораздо более склонны работать сверхурочно и делать больше, чтобы помочь вам добиться успеха, поскольку вы продемонстрировали сильное моральное поведение (редкость в этой сфере) 2. Те, кого вы платите за определенное количество постов, исчезнут, как только их сделка закончится, и сбросят токены. Я не занимаюсь оплаченной рекламой любого рода, но я, очевидно, не откажусь от бесплатных токенов для проекта, в который я крайне верю, без каких-либо условий. Лучшие писатели не могут быть куплены и отвергнут, если вы попытаетесь это сделать. Играйте в долгую и не ищите короткие пути, это отразится на ваших действиях во всех аспектах бизнеса, и умные трейдеры могут учуять это за милю. Кампании KOL мертвы, 99,9% маркетинговых агентств - это трата денег и будут -ev для вашего бизнеса. Единственный способ проникнуть на этот рынок - это наличие крипто-ориентированных членов команды, которые готовы засучить рукава.

OpenAI только что подтвердил мою северную звезду тезис для ИИ, выпустив своего оператора-агента. Это не только был мой руководящий тезис для $CODEC, но и для всех других инвестиций в ИИ, которые я сделал, включая те, что были сделаны ранее в этом году во время мании ИИ. С Codec было много обсуждений относительно робототехники, и хотя этот вертикаль скоро будет иметь свою собственную нарратив, основная причина, по которой я был так оптимистичен по поводу Codec с первого дня, заключается в том, как его архитектура поддерживает операторов-агентов. Люди все еще недооценивают, сколько доли рынка на кону, создавая программное обеспечение, которое работает автономно, превосходя человеческих работников без необходимости в постоянных подсказках или контроле. Я видел много сравнений с $NUIT. Прежде всего, я хочу сказать, что я большой поклонник того, что строит Nuit, и желаю им только успеха. Если вы наберете "nuit" в моем телеграме, вы увидите, что в апреле я сказал, что если бы мне пришлось держать одну монету в течение нескольких месяцев, это была бы Nuit из-за моего операционного тезиса. Nuit был самым многообещающим операторским проектом на бумаге, но после обширного исследования я обнаружил, что их архитектура не имеет глубины, необходимой для оправдания крупной инвестиции или поддержки своей репутации. С учетом этого, я уже знал о архитектурных пробелах в существующих командах операторов-агентов и активно искал проект, который бы их устранял. Вскоре после этого появился Codec (благодаря @0xdetweiler, который настаивал, чтобы я глубже изучил их), и вот в чем разница между двумя: $CODEC против $NUIT Архитектура Codec построена на трех уровнях: Машина, Система и Интеллект, которые разделяют инфраструктуру, интерфейс окружения и ИИ-логику. Каждый оператор-агент в Codec работает в своем собственном изолированном виртуальном машине или контейнере, что позволяет достичь почти нативной производительности и изоляции ошибок. Этот многослойный дизайн означает, что компоненты могут масштабироваться или развиваться независимо, не нарушая систему. Архитектура Nuit идет другим путем, будучи более монолитной. Их стек вращается вокруг специализированного веб-браузерного агента, который сочетает парсинг, ИИ-рассуждение и действия. Это означает, что они глубоко парсят веб-страницы в структурированные данные для потребления ИИ и полагаются на облачную обработку для тяжелых задач ИИ. Подход Codec к внедрению легкой модели Vision-Language-Action (VLA) в каждом агенте означает, что она может работать полностью локально. Это не требует постоянного обращения к облаку за инструкциями, что сокращает задержку и избегает зависимости от времени работы и пропускной способности. Агент Nuit обрабатывает задачи, сначала преобразуя веб-страницы в семантический формат, а затем используя мозг LLM, чтобы понять, что делать, что со временем улучшается с помощью обучения с подкреплением. Хотя это эффективно для веб-автоматизации, этот поток зависит от тяжелой облачной обработки ИИ и предопределенных структур страниц. Локальный интеллект устройства Codec означает, что решения принимаются ближе к данным, что снижает накладные расходы и делает систему более стабильной к неожиданным изменениям (без хрупких скриптов или предположений о DOM). Операторы Codec следуют непрерывному циклу восприятия–мышления–действия. Машинный уровень передает окружение (например, живое приложение или поток робота) на уровень интеллекта через оптимизированные каналы уровня системы, давая ИИ "глаза" на текущее состояние. Модель VLA агента затем интерпретирует визуальные данные и инструкции вместе, чтобы решить, какое действие предпринять, которое уровень системы выполняет через события клавиатуры/мыши или управление роботом. Этот интегрированный цикл означает, что он адаптируется к живым событиям, даже если интерфейс пользователя меняется, вы не нарушите поток. Чтобы объяснить все это более простым аналогом, подумайте о операторах Codec как о самодостаточном сотруднике, который адаптируется к неожиданностям на работе. Агент Nuit похож на сотрудника, которому нужно остановиться, описать ситуацию супервайзеру по телефону и ждать инструкций. Не углубляясь слишком сильно в технические детали, это должно дать вам общее представление о том, почему я выбрал Codec как свою основную ставку на операторов. Да, Nuit имеет поддержку от YC, сильную команду и уровень S на github. Хотя архитектура Codec была построена с учетом горизонтального масштабирования, что означает, что вы можете развернуть тысячи агентов параллельно без общей памяти или контекста выполнения между агентами. Команда Codec тоже не средние разработчики. Их архитектура VLA открывает множество вариантов использования, которые были невозможны с предыдущими моделями агентов из-за способности видеть через пиксели, а не скриншоты. Я мог бы продолжать, но оставлю это для будущих постов.

Дело в том, что если вы действительно хотите добиться успеха в этой сфере, все вокруг будут думать, что с вами что-то не так. Чтобы по-настоящему стать 0.001%, жизнь вне окопов почти не существует. Нет девушек, нет хобби, нет социальных мероприятий, нет Netflix или чего-либо, что отвлекает вас от работы. Это тип мышления, который крайне непонятен даже профессиональным спортсменам, потому что нет причин, по которым вы не можете быть онлайн 24/7. Мы застряли в собственном парадоксе свободы. Все хотят волшебной способности нажимать кнопки для заработка, пока не приходит время сказать "нет" 95% удовольствий. Друзья и семья постоянно намекают, что у вас есть форма психического расстройства и никогда не увидят истинного видения. Ревность возрастает, когда кусочки успеха пробиваются наружу; если вы внимательно наблюдаете за людьми, они всегда раскрывают свои истинные намерения, даже если не хотели этого. Самые маленькие намеки выдадут их, обычно это происходит из спонтанных эмоциональных реакций в моменте, когда вам нужно только услышать несколько слов, которые выскользнули, чаще всего этого достаточно. По мере того как вы становитесь более успешным, учитесь молчать. Нет необходимости упоминать о своем прогрессе, как бы здорово это ни было, чтобы поделиться с каждым и насладиться плодами своего труда, это только привлечет жадность со стороны других. Большинство терпят неудачу, так как делают "крипто парнем" или "инвестором" своей целой персоной. Даже если вы онлайн 16 часов в день, вам все равно нужно иметь интересы и амбиции вне этой индустрии. Друзья должны хотеть проводить с вами время из-за качества вашего присутствия и разницы в настроении, которое вы создаете, а не из-за того, сколько цифр вы заработали на экране. Жить частной, уединенной жизнью с небольшим кругом качественных людей — это величайший лайфхак для душевного спокойствия. Если ваше присутствие не заставляет людей чувствовать что-то без разговоров о деньгах, вы уже проиграли.

Люди в этом приложении увидели, как крупнейшее приложение по генерации дохода в нашей отрасли привлекло 1 миллиард долларов за 12 минут при капитализации в 1,5 миллиарда долларов и сказали: "давайте продадим его в шорт".

Торговля по графикам, как небольшая группа людей на CT, выявила единственный проект, который строит инфраструктуру для одного из самых сильных нарративов следующего полувека.

Что такое $CODEC Робототехника, Операторы, Игры? Все вышеперечисленное и больше. Видение-язык-действие (VLA) Codec — это модель, независимая от фреймворка, позволяющая использовать десятки вариантов применения благодаря своей уникальной способности визуализировать ошибки по сравнению с LLM. За последние 12 месяцев мы увидели, что LLM в основном функционируют как механизмы циклического выполнения, управляемые предопределенными данными и шаблонами ответов. Поскольку они построены на речи и тексте, LLM имеют ограниченные возможности эволюционировать за пределами окна лингвистического контекста, на котором они обучены. Они не могут интерпретировать сенсорные данные, такие как выражения лиц или эмоциональные сигналы в реальном времени, так как их рассуждения привязаны к языку, а не к восприятию. Большинство агентов сегодня комбинируют LLM на основе трансформеров с визуальными кодировщиками. Они "видят" интерфейс через скриншоты, интерпретируют то, что на экране, и генерируют последовательности действий, кликов, нажатий клавиш, прокруток, чтобы следовать инструкциям и выполнять задачи. Вот почему ИИ еще не заменил большие категории работ: LLM видят скриншоты, а не пиксели. Они не понимают динамическую визуальную семантику окружающей среды, только то, что читается через статические кадры. Их типичный рабочий процесс повторяется: захватить скриншот, рассуждать о следующем действии, выполнить его, затем захватить другой кадр и повторить. Этот цикл восприятия-размышления продолжается до тех пор, пока задача не будет выполнена или агент не потерпит неудачу. Чтобы действительно обобщить, ИИ должен воспринимать свою среду, рассуждать о своем состоянии и действовать соответствующим образом для достижения целей, а не просто интерпретировать снимки. У нас уже есть макросы, RPA-боты и скрипты автоматизации, но они слабые и нестабильные. Небольшое смещение пикселей или изменение макета нарушает поток и требует ручного исправления. Они не могут адаптироваться, когда что-то меняется в рабочем процессе. Это и есть узкое место. Видение-язык-действие (VLA) Агенты VLA Codec работают по интуитивно понятному, но мощному циклу: воспринимать, думать, действовать. Вместо того чтобы просто выдавать текст, как большинство LLM, эти агенты видят свою среду, решают, что делать, а затем выполняют действия. Все это упаковано в один унифицированный конвейер, который можно визуализировать в три основных слоя: Видение Агент сначала воспринимает свою среду через зрение. Для настольного оператора это означает захват скриншота или визуального ввода текущего состояния (например, окно приложения или текстовое поле). Компонент видения модели VLA интерпретирует этот ввод, считывая текст на экране и распознавая элементы интерфейса или объекты. То есть глаза агента. Язык Затем приходит размышление. Учитывая визуальный контекст (и любые инструкции или цели), модель анализирует, какое действие требуется. По сути, ИИ "думает" о соответствующем ответе, как это сделал бы человек. Архитектура VLA объединяет видение и язык внутри, так что агент может, например, понять, что всплывающее диалоговое окно задает вопрос с ответом "да/нет". Затем он решит, какое действие выполнить (например, нажать "ОК") на основе цели или подсказки. Это служит мозгом агента, сопоставляя воспринимаемые входные данные с действием. Действие Наконец, агент действует, выдавая управляющую команду в окружающую среду. Вместо текста модель VLA генерирует действие (например, клик мышью, нажатие клавиши или вызов API), которое напрямую взаимодействует с системой. В примере с диалогом агент выполнит клик по кнопке "ОК". Это завершает цикл: после действия агент может визуально проверить результат и продолжить цикл восприятия-размышления-действия. Действия являются ключевым разделителем, который превращает их из чат-окон в настоящих операторов. Сценарии использования Как я уже упоминал, благодаря архитектуре Codec является независимым от нарратива. Так же, как LLM не ограничены тем, какие текстовые выходные данные они могут производить, VLA не ограничены тем, какие задачи они могут выполнять. Робототехника Вместо того чтобы полагаться на старые скрипты или несовершенную автоматизацию, агенты VLA принимают визуальный ввод (видеопоток или датчики), пропускают его через языковую модель для планирования, а затем выводят реальные управляющие команды для перемещения или взаимодействия с миром. По сути, робот видит то, что перед ним, обрабатывает инструкции, такие как "переместить банку Pepsi рядом с апельсином", определяет, где что находится, как двигаться, не сбивая ничего, и делает это без необходимости жесткого кодирования. Это та же категория системы, что и RT-2 или PaLM-E от Google. Большие модели, которые объединяют видение и язык для создания реальных действий. Работа CogAct с VLA является хорошим примером: робот сканирует загроможденный стол, получает естественную подсказку и выполняет полный цикл: идентификация объекта, планирование пути, выполнение движения. Операторы В настольной и веб-среде агенты VLA в основном функционируют как цифровые работники. Они "видят" экран через скриншот или живую трансляцию, пропускают это через слой рассуждений, построенный на языковой модели, чтобы понять как интерфейс, так и задачу, а затем выполняют действия с реальным управлением мышью и клавиатурой, как это сделал бы человек. Этот полный цикл восприятия, размышления, действия работает непрерывно. Таким образом, агент не просто реагирует один раз, он активно навигирует по интерфейсу, обрабатывая многоступенчатые потоки без необходимости в жестко закодированных скриптах. Архитектура представляет собой смесь OCR-стиля видения для считывания текста/кнопок/значков, семантического рассуждения для принятия решения о том, что делать, и управляющего слоя, который может кликать, прокручивать, печатать и т.д. Где это становится действительно интересным, так это в обработке ошибок. Эти агенты могут отражать действия и перепланировать, если что-то идет не так, как ожидалось. В отличие от RPA-скриптов, которые ломаются, если интерфейс немного изменяется, например, если кнопка смещается или метка переименовывается, агент VLA может адаптироваться к новому макету, используя визуальные подсказки и понимание языка. Это делает его гораздо более устойчивым для реальной автоматизации, где интерфейсы постоянно меняются. С чем я лично сталкивался, когда кодировал свои собственные исследовательские боты с помощью таких инструментов, как playwright. Игры Игры — один из самых очевидных сценариев использования, где агенты VLA могут проявить себя, думайте о них меньше как о ботах и больше как о погружающихся ИИ-игроках. Весь поток такой же: агент видит экран игры (кадры, меню, текстовые подсказки), размышляет о том, что ему нужно сделать, а затем играет, используя ввод мыши, клавиатуры или контроллера. Это не сосредоточено на грубой силе, это ИИ, который учится играть, как это сделал бы человек. Восприятие + размышление + контроль, все связано вместе. Проект SIMA от DeepMind разблокировал это, объединив модель видения-языка с предсказательным слоем и внедрив его в такие игры, как No Man’s Sky и Minecraft. Просто наблюдая за экраном и следуя инструкциям, агент мог выполнять абстрактные задачи, такие как "построить костер", связывая вместе правильные шаги, собирать дрова, находить спички и использовать инвентарь. И это не ограничивалось только одной игрой. Он перенес эти знания между разными средами. Игровые агенты VLA не привязаны к одному набору правил. Один и тот же агент может адаптироваться к совершенно разным механикам, просто основываясь на видении и языковом основании. И поскольку он построен на инфраструктуре LLM, он может объяснить, что он делает, следовать инструкциям на естественном языке в процессе игры или сотрудничать с игроками в реальном времени. Мы недалеко от того, чтобы иметь ИИ-товарищей, которые адаптируются к вашему стилю игры и персонализациям, благодаря Codec.