Đọc：https://docs.google.com/spreadsheets/d/1JSmI-YDvbdxXJ1Tud2sK8mly33zh1VmcH8i5wUgSYs0/edit?usp=sharing
Kênh TG：https://t.me/SleepinRain
Đăng ký Binance, giảm phí: https://www.binance.com/join?ref=MPQ4JG9S
Nhóm có phí: 3SOL/năm, quan tâm Twitter DM
Trước đây tôi đã nhắc đến một chút về vấn đề $FET, chủ yếu là phàn nàn về việc @Fetch_ai chưa đủ giáo dục thị trường, hoặc có thể nói họ trước đây chưa xác định rõ hướng phát triển sản phẩm. Điều này trực tiếp dẫn đến kết quả là trước đây các hoạt động thổi phồng $FET chủ yếu xoay quanh câu chuyện AI và sáp nhập.
Tuy nhiên, nếu chỉ nhìn vào diễn biến giá của $FET trong giai đoạn trước, thì $FET là một token rất thành công - năm 23 được hưởng lợi từ câu chuyện thổi phồng AI, năm 24 đẩy mạnh câu chuyện sáp nhập ba dự án lớn, giá token tăng vài chục lần.
Nhưng bây giờ, Fetch cuối cùng cũng đã xác định được hướng ứng dụng sản phẩm của mình, ra mắt một mô hình ngôn ngữ lớn (LLM) có tên là ASI-1 Mini.
Trước đây, Fetch còn xa rời thị trường và người dùng. Nhưng bây giờ, Fetch đang tiến gần hơn về phía người dùng.
Hãy cùng tôi thảo luận về những cập nhật mới của Fetch ⬇️
1. Trước hết, ASI-1 Mini là một mô hình ngôn ngữ lớn, điểm đặc trưng là "suy luận thích ứng" và "ra quyết định nhận thức ngữ cảnh". Tập trung trao đổi về "suy luận thích ứng". "Suy luận thích ứng" cung cấp cho Agent bốn dịch vụ suy luận: suy luận nhiều bước, suy luận đầy đủ, suy luận tối ưu và suy luận ngắn gọn. Thông qua động cơ suy luận cốt lõi của nó, nó sẽ điều chỉnh độ sâu suy luận dựa trên nhu cầu khác nhau, để nâng cao hiệu quả suy luận - đây cũng là một trong những lý do hiệu suất suy luận phần cứng của ASI-Mini cao hơn.
2. Kiến trúc phía trên động cơ suy luận của ASI-1 Mini là MoM (Mixture of Models) + MoA (Mixture of Agents), MoM là lựa chọn mô hình phù hợp để suy luận dựa trên nhu cầu của Agent, MoA là câu chuyện Swarm AI Agent, tức là sự hợp tác của nhiều Agent.
3. Hướng ứng dụng chính của ASI-1 Mini là Agentic Workflows. Đơn giản hiểu, Agentic Workflows là sử dụng nhiều AI Agent để hợp tác, thực hiện, quản lý và tối ưu hóa quy trình công việc, để khiến việc thực hiện các nhiệm vụ phức tạp trở nên tự động hóa và hiệu quả hơn. Những nhiệm vụ phức tạp này bao gồm xử lý dữ liệu + phân tích dữ liệu (hỗ trợ văn bản, hình ảnh, mã), dự đoán (thể thao, Polymarket), tương tác trên chuỗi (DeFAI) v.v.
4. ASI-1 Mini là sản phẩm đầu tiên của ASI Alliance (là dự án hợp nhất của $FET $AGIX $OCEAN) ASI:<Train/>. Sẽ có những cập nhật mới trong tương lai. Trong tương lai, họ dự định mở rộng cửa sổ ngữ cảnh của nó lên 10M Token (có thể hiểu trực tiếp là cho phép xử lý khối lượng dữ liệu lớn), để phù hợp với các ứng dụng như giao dịch tài chính, tài liệu pháp lý, cơ sở dữ liệu lớn, v.v.
5. ASI-1 Mini của Fetch nhấn mạnh việc sử dụng hiệu suất cao + chi phí thấp để giảm rào cản hoạt động của Agent - theo họ thì "cộng đồng có thể trực tiếp đầu tư, huấn luyện và sở hữu AI".
Điểm then chốt nhất là, cộng đồng cần $FET để truy cập ASI-1 Mini - tương đương với việc tăng cường năng lực cho $FET. Đây cũng là điều tôi đề cập ở trên, Fetch đang tiến gần hơn về phía người dùng, cuối cùng câu chuyện AI vẫn phải được thực hiện.
Và một số cập nhật gần đây của $FET (gần đây họ chủ yếu thực hiện mua lại và đốt token, trong bài tiếp theo tôi muốn chia sẻ với mọi người quan điểm của tôi về vấn đề này): ASI Alliance đã đốt 5 triệu $FET vào ngày 10/1, lần đốt tiếp theo sẽ là sau 3 tháng, tức là vào ngày 10/4.
Cơ chế đốt Earn and Burn hoạt động như sau⬇️
Earn: Người dùng có thể kiếm được $FET bằng cách sử dụng các sản phẩm của hệ sinh thái ASI hoặc tham gia các hoạt động của hệ sinh thái ASI, chẳng hạn như phát triển sản phẩm AI Agent thông qua ASI Train. Quá trình này sẽ tạo ra thu nhập phí cho ASI Alliance;
Burn: Một phần thu nhập phí sẽ được sử dụng để mua lại và đốt $FET. Trước đây, Fetch đã công bố mục tiêu mua lại và đốt 100 triệu $FET.
Cuối cùng, tôi muốn chia sẻ với mọi người một nguồn thông tin mà tôi luôn theo dõi: https://t.me/cyra_alpha (Nắm bắt toàn bộ cập nhật về Web3, Web2 AI, tôi là @0xPrismatic 老师's self-water).
