Goldman Sachs Report Deconstructs the Competitive Landscape of China's AI Large Models: Who Will Be the Long-Term Winner?

marsbitPublicado a 2026-07-11Actualizado a 2026-07-11

Resumen

Goldman Sachs analyzes China's AI large language model (LLM) landscape, identifying key players and a strategic shift towards efficiency and global expansion. The report highlights that Chinese open-source/open-weight models are closing the performance gap with top global proprietary models at significantly lower cost, driven by architectural innovations like MoE. This enables a "two-tier" market: a high-end segment (e.g., GLM5.2, Qwen3.7 Max) with pricing at ~$1 per million tokens, and a low-end, price-sensitive global segment. Open-source strategies aid adoption but limit monetization, as deployments via third-party platforms (e.g., AWS Bedrock, Alibaba Cloud) may not generate direct revenue for model creators. The industry is thus moving towards "open-weight + community license" models with revenue-sharing to improve unit economics. Internationally, the focus is shifting from "token maximization" to ROI-driven enterprise adoption, particularly in non-U.S. markets. Major cloud platforms are integrating Chinese models (e.g., DeepSeek, MiniMax). Using a competitive framework based on pricing power, cost advantage, and financial strength, Goldman Sachs identifies **Zhipu AI** and **DeepSeek** as leaders in foundational text models, and **ByteDance** (with Seedance) leading in multimodal/video generation. **MiniMax** and **Kuaishou** are also rated favorably. The firm forecasts China's AI model API/subscription revenue growing from ~RMB 35bn (2026E) to RMB 879bn by 2030.

Author: Wall Street Insights, Bu Shuqing

Original Title: Goldman Sachs In-Depth Report: Who Will Be the Long-Term Winner in China's AI Large Model Industry?

China's AI large models are standing at a historic inflection point. Goldman Sachs believes that the intelligence performance of China's open-source/open-weight large models is approaching that of the world's top proprietary models, and adoption scale by domestic enterprises and global SMEs is rapidly expanding, thereby forming a data flywheel effect that will further drive model iteration and upgrades.

According to Zhui Feng Trading Desk, the latest Goldman Sachs report points out that this evolution trajectory can be summarized as 'from DeepSeek's cost-efficiency moment last year to Zhipu GLM's model intelligence moment this year'. The team led by Goldman Sachs analyst Ronald Keung systematically evaluates four core questions in this 50-page report: how Chinese AI models achieve high performance at low cost, why they choose the open-source route and how to monetize, where the core addressable market is, and who will be the long-term winners.

In assessing the competitive landscape, Goldman Sachs introduced a "competitive positioning framework" based on pricing power, cost advantage, and financial strength. Based on this, it determines that in the foundational text model field, Zhipu (initially covered) and DeepSeek (unlisted) have the strongest positioning; in the multimodal field, ByteDance (unlisted) is leading. Goldman Sachs also maintains Buy ratings on MiniMax and Kuaishou.

Small but Mighty, Efficiency Wins

The core reason Chinese large models can achieve performance close to their US counterparts at significantly lower cost lies in dual breakthroughs in architectural innovation and parameter efficiency.

The Goldman Sachs report points out that the parameter scale of Chinese open-source models is generally between 200 billion and 1.6 trillion, only 2% to 10% of the world's top models, primarily due to limited access to high-end computing power. Meanwhile, innovations like Mixture of Experts (MoE) architecture and sparse attention mechanisms have reduced the proportion of actually activated parameters to total parameters to only 3% to 5%, significantly lowering training and inference costs.

At the specific model level, DeepSeek V4 Pro has 1.6 trillion parameters, Zhipu GLM5.2 has 0.7 trillion, and MiniMax M3 has 0.4 trillion.

Goldman Sachs attributes the recent leap in Chinese models' coding capabilities to the synergistic effects of data curation, reinforcement learning fine-tuning, and other factors. On June 27th, DeepSeek launched the speculative decoding framework DSpark, already deployed in the online services of V4-Flash and V4 Pro, boosting per-user generation speed by 60% to 85% (V4-Flash) and 57% to 78% (V4 Pro) without altering model weights or output quality.

Meituan's LongCat 2.0 released on June 30th is viewed by Goldman Sachs as a major milestone in the localization of China's AI infrastructure—this is China's first fully open-source 1.6-trillion-parameter MoE model trained and deployed entirely on 50,000 domestic compute cards. Goldman Sachs believes this proves the feasibility of a localized hardware stack during the compute-intensive pre-training phase, holding profound significance for China's AI models to reduce dependence on foreign high-end chips.

A Two-Tiered Market, the Strong Get Stronger

Goldman Sachs describes the Chinese AI model market as an emerging "two-tiered structure" and identifies two ARR-maximizing quadrants.

In the high-end market, top models represented by Zhipu GLM5.2 and Alibaba's Qwen3.7 Max are priced at approximately $1 per million tokens, five times that of low-end models, with an estimated inference gross margin of about 10% to 20% (Goldman Sachs estimate). In comparison, top US models are priced at $4 to $8 per million tokens. Chinese high-end models are only 10% to 25% of that price, but can still maintain positive gross margins due to their lower activated parameter ratio.

In the low-end market, models targeting agent tasks are priced as low as $0.06 to $0.2 per million tokens, opening up markets for price-sensitive global SMEs and individual users. MiniMax derives 60% to 70% of its revenue from overseas. Notably, DeepSeek has announced the introduction of peak/off-peak pricing for its V4 series from mid-July, with peak rates being twice the off-peak rate, resulting in a blended price of approximately $0.35 per million tokens (V4 Pro) and $0.12 per million tokens (V4 Flash).

Goldman Sachs predicts that API and subscription revenue from Chinese AI models will grow from an estimated 35 billion RMB in 2026 to 879 billion RMB in 2030, corresponding to daily token consumption increasing from 350 trillion to 4.6 quadrillion tokens, a roughly 25-fold increase.

Open-Source Strategy: Broad Penetration, Monetization Paths Await Upgrade

The Goldman Sachs report details the strategic logic behind the prevalent open-source/open-weight approach among Chinese AI models and its monetization limitations.

The core advantages of the open-source strategy are deployment flexibility and community ecosystem. Alibaba's Qwen series, DeepSeek, Zhipu GLM, and MiniMax M3 all adopt open-source or open-weight approaches, with ByteDance's Seed model being a major exception, taking a fully closed, proprietary route. The open-source model allows flexible deployment both within and outside mainland China and accelerates iteration through community feedback.

However, Goldman Sachs points out that the ARR numbers disclosed by open-source model companies likely severely underestimate the actual deployment scale and revenue potential. Taking Zhipu as an example, its ARR target for the end of 2026 is $1 billion, but the actual global deployment volume of GLM5.2 will far exceed the token volume and revenue from Zhipu's own API channels—Alibaba Cloud's Bailian MaaS platform can directly host the GLM5.2 open-source model without paying any fees to Zhipu.

Goldman Sachs expects the industry to gradually migrate from pure open-source (MIT license, completely free) to an "open-weight + community license" model—where commercial use requires signing a revenue-sharing agreement with the model company. The MiniMax M series has already adopted this model. Goldman Sachs believes this shift will significantly improve the unit economics for AI model companies, as they can benefit from revenue-sharing agreements with platforms like AWS Bedrock and Alibaba Cloud Bailian without bearing the inference compute costs themselves.

From "Token Maximization" to ROI Priority

Goldman Sachs characterizes international market expansion as the most important upside for Chinese AI models, especially in non-US markets.

Goldman Sachs' US research team estimates that by 2030, agent AI will drive a 24-fold increase in global token consumption to 120 quintillion tokens per month, with enterprise agents contributing a 55-fold increase and consumer agents a 12-fold increase. In global (non-China) markets, Chinese AI models have already achieved significant token share growth leveraging performance improvements and price advantages.

The Goldman Sachs report notes that the AI usage paradigm for global enterprises is undergoing a fundamental shift from "token maximization" to "ROI priority." The former prevailed from late 2025 to early 2026, where companies equated high token consumption with organizational productivity; the latter focuses more on clear task boundaries, daily active agent count, backend process automation, and tangible output. Data from a Jellyfish AI Engineering Trends study shows that heavy AI users in enterprises consume 10x the tokens but only achieve a 2x increase in output.

On the channel front, Alphabet's Gemini Enterprise Agent Platform and Amazon's AWS Bedrock already offer hosting services for Chinese AI models like DeepSeek, MiniMax, Moonshot, GLM, and Qwen. According to The Wall Street Journal, Microsoft's CEO recently stated that Microsoft is considering hosting a version of DeepSeek on Copilot as an optional low-cost model, emphasizing that if DeepSeek were hosted, the model would run within Microsoft's cloud ecosystem, ensuring customer data remains within Azure.

Who Are the Long-Term Winners?

Goldman Sachs constructed a three-dimensional competitive positioning framework, using quantitative metrics to assess each player's long-term winning probability. The core formula is: ARR Scale × Gross Margin Advantage + Financial Strength.

The pricing power dimension examines release speed (compared to previous generation and peer models), LMArena Arena ranking (based on large-scale blind user evaluation), and blended price per million tokens.

The cost advantage dimension examines throughput (tokens per second), cache hit rate, activated parameter ratio, and inference gross margin. The financial strength dimension examines cash on hand, net cash as a percentage of total assets, and valuation multiples.

In the foundational text model field, Goldman Sachs identifies Zhipu (initially covered, Neutral rating, target valuation $110 billion) and DeepSeek (unlisted) as having the strongest positioning, with both showing outstanding performance in pricing power and cost advantage. The aggregate implied valuation of independent AI model companies exceeds $200 billion.

In the multimodal/video generation field, ByteDance leads with Seedance. According to LatePost and 36Kr reports, Seedance has a gross margin as high as 70%, and its ARR run rate already exceeds $2 billion. Kuaishou's Kling and MiniMax's Hailuo/upcoming H3 model are also viewed favorably by Goldman Sachs, expected to benefit in the second half of 2026 from functional breakthroughs in video generation and LLM integration, as well as healthy pricing driven by supply tightness.

Goldman Sachs maintains a Buy rating on MiniMax with a target price of HK$860, citing its M3 model's position in the ARR-maximizing quadrant of high token volume and attractive pricing, and its current valuation of only 13x 2026 year-end ARR, representing a significant discount compared to valuation multiples of Chinese and global peers, with a risk-reward skewed to the upside.

Criptos en tendencia

CitreaCTR

wrapped stUSDTWSTUSDT

Velodrome FinanceVELODROME

BrevisBREV

ZRX（0X）ZRX

PancakeSwapCAKE

Preguntas relacionadas

QAccording to Goldman Sachs' report, what is the core competitive advantage of Chinese AI models in terms of cost and performance?

AThe core advantage is achieving performance close to global top-tier models at significantly lower cost. This stems from architectural innovations (like Mixture of Experts - MoE) and parameter efficiency, which result in a low parameter activation ratio (3%-5%). Chinese models typically have 2%-10% the parameter count of top global models but maintain competitive performance.

QHow does Goldman Sachs describe the evolving pricing structure in the Chinese AI model market?

AGoldman Sachs describes a forming 'two-layer structure' with two ARR maximization quadrants. The high-end market (e.g., GLM5.2, Qwen3.7 Max) prices around $1 per million tokens. The low-end market, targeting price-sensitive users, sees prices as low as $0.06-$0.2 per million tokens for agent-focused models.

QWhat is a key strategic limitation of the open-source/open-weight approach adopted by many Chinese AI model companies, as highlighted by Goldman Sachs?

AA key limitation is that reported ARR figures likely 'materially understate' actual deployment scale and revenue potential. For example, GLM5.2 can be directly hosted on platforms like Alibaba Cloud's Bailian MaaS without the model creator (e.g., Zhipu AI) receiving any revenue, as the model is fully open-source under a permissive license.

QWhich companies does Goldman Sachs identify as having the strongest positioning in the foundational text model and multimodal/video generation sectors respectively?

AFor foundational text models, Goldman Sachs identifies Zhipu AI (GLM) and DeepSeek as having the strongest positioning. In the multimodal/video generation sector, ByteDance (with its Seed model) is identified as the leader.

QWhat global market shift in AI usage paradigm does the Goldman Sachs report discuss, and what does it entail?

AThe report discusses a shift from 'Token Maximization' to 'ROI First.' The earlier 'Token Maximization' phase equated high token consumption with productivity. The emerging 'ROI First' paradigm focuses more on defined task boundaries, daily active agents, backend process automation, and tangible output, prioritizing return on investment over sheer token volume.

Lecturas Relacionadas

In Just 11 Days, Claude Rewrote Millions of Lines of Code, an Epic AI Engineering Feat Sparks Fury

In just 11 days, Bun's founder Jarred Sumner used Anthropic's Claude AI models to rewrite its million lines of code from Zig to Rust. This move sparked significant controversy, particularly from Zig's creator, Andrew Kelley, who publicly criticized Sumner's engineering practices and the decision to use AI for such a massive rewrite. Bun, a high-performance JavaScript/TypeScript runtime and rival to Node.js, was originally written in Zig. After Anthropic acquired Bun, the team encountered persistent stability and memory safety bugs in the Zig codebase. These issues, combined with Zig's strict policy against LLM-generated code, led to the decision to rewrite in Rust. The rewrite was executed using Claude AI tools at an estimated API cost of $165,000, dramatically reducing the expected time and financial cost. Andrew Kelley's response was scathing. He blamed the original bugs on poor engineering habits, calling Bun's Zig code a collection of "hacks on top of hacks." He expressed relief that Bun was no longer associated with Zig, fearing it would misrepresent the language and attract low-quality, AI-generated contributions. The tech community is divided; some view Kelley's critique as unprofessional, while others see it as a defense of engineering integrity. A major concern about the AI-driven rewrite is the resulting code quality. The translation from Zig left approximately 27,000 lines of unsafe Rust code, raising fears about long-term maintainability and technical debt. The debate centers on whether this project is a milestone in AI-assisted development or a future maintenance nightmare.

marsbitHace 41 min(s)

In Just 11 Days, Claude Rewrote Millions of Lines of Code, an Epic AI Engineering Feat Sparks Fury

marsbitHace 41 min(s)

From Auto Finance to Bitcoin to AI Engines: An Analysis of Cango's 'What Not to Do' Strategy

From Auto Finance to Bitcoin and Now AI: Cango's "What Not to Do" Strategy Cango, a Chinese auto finance platform that went public on the NYSE in 2018, is undergoing its third major transformation. After selling its entire auto business in 2024, it pivoted to become a large-scale Bitcoin miner, acquiring 50 exahash of mining rigs from Bitmain. However, its true goal was never Bitcoin, but owning and controlling energy infrastructure. Now, Cango is pivoting again. While most listed Bitcoin miners are leasing power to giant hyperscalers for AI training clusters, Cango is taking the opposite path. It has launched an AI inference subsidiary called EcoHash, focusing not on training but on distributed inference. The company's strategy hinges on the insight that over 70% of mining industry power is controlled by small, independent sites (10-50 MW), which are too small for hyperscalers but ideal for low-latency AI inference. Cango aims to partner with these small operators, providing the AI technology, customers, and financing through its EcoLink software layer, which can distribute workloads across sites for reliability. Cango maintains a hybrid model, running roughly 31.7 EH/s of Bitcoin mining for cash flow while aggressively cleaning its balance sheet—slashing long-term debt by 94.5% to $30.6 million and raising $75 million for its AI venture. Its first AI deployment will be at a 50 MW site in Georgia. The strategy faces skepticism, given the high costs of converting mining sites and the potential for an AI bubble. However, Cango's leadership believes discipline around "what not to do"—avoiding direct competition with hyperscalers in training—positions it to capture the long-tail demand for distributed AI inference power.

Foresight NewsHace 57 min(s)

From Auto Finance to Bitcoin to AI Engines: An Analysis of Cango's 'What Not to Do' Strategy

Foresight NewsHace 57 min(s)

Strategy's Bitcoin Sales Cap Far Exceeds $1.25 Billion: A Detail the Market Overlooked

The article discusses how MicroStrategy's potential Bitcoin sales go far beyond the announced $1.25 billion "reserve-building capacity." It clarifies a key distinction in the company's "BTC Monetization Program": selling Bitcoin to *build* a new dollar reserve (the $1.25B cap) versus selling to *replenish* the existing USD Reserve after it's used for expenses like preferred share dividends. The recent $216M BTC sale for dividend payments was a "replenishment," leaving the headline $1.25B building quota untouched. The plan actually outlines three potential funding pools from BTC sales: 1) Building the reserve ($1.25B cap), 2) Covering preferred share/ debt costs (no specified cap), and 3) Funding buyback programs (up to $20B). This means the structured sales potential exceeds $30 billion, not including uncapped replenishment sales. The piece argues this marks MicroStrategy's shift from a passive "buy-and-hold" Bitcoin proxy to an actively managed entity using BTC as a balance-sheet tool to manage its complex capital structure (common stock, preferred shares, debt, reserve). This creates new dynamics and potential conflicts, as actions benefiting one part (e.g., selling BTC to pay dividends) may pressure another (e.g., undermining the "never sell" narrative). Investors must now parse the company's specific terminology ("build" vs. "replenish") to understand the true scope of future BTC sales, which is significantly larger than the market initially perceived.

marsbitHace 1 hora(s)

Strategy's Bitcoin Sales Cap Far Exceeds $1.25 Billion: A Detail the Market Overlooked

marsbitHace 1 hora(s)

All about CleanSpark’s addition of 454 Bitcoin and what it means

CleanSpark, a publicly traded company, added 454 Bitcoin to its holdings, bringing its total treasury to 13,924 BTC worth $897.1 million. In 2026, it has sold 258 BTC while adding 1,171 BTC. The news follows a 28% rise in its stock price this year. Other major firms also increased their Bitcoin reserves in June and July. Public companies collectively added nearly 9,000 BTC in June, led by purchases from Strategy and Strive. Notable buyers included DDC Enterprise, MARA Holdings, and CIMG. In July, Strive, American Bitcoin Corp., Boyaa Interactive, and OranjeBTC also expanded their holdings. However, Strategy, the world's largest Bitcoin holder, sold 3,588 BTC for approximately $216 million, citing active balance sheet management rather than a bearish outlook. Meanwhile, Bitcoin ETFs saw net inflows of $35.4 million in July. Overall, corporate Bitcoin accumulation remains strong, with CleanSpark among the key players.

ambcryptoHace 2 hora(s)

All about CleanSpark’s addition of 454 Bitcoin and what it means

ambcryptoHace 2 hora(s)

SK Hynix, Fleeing South Korea

SK Hynix, South Korea's leading memory chipmaker and the global leader in High Bandwidth Memory (HBM) crucial for AI, recently listed on the Nasdaq in a record $26.5 billion IPO for a foreign firm. Despite posting a remarkable 77% net profit margin last quarter and generating roughly $30 billion in cash, the company sought a U.S. listing not for urgent funding but primarily for valuation reassessment. In South Korea, it traded at a significant "Korea Discount," with a price-to-earnings ratio around 8x, far below the 23x+ of its U.S. rival Micron. The move aims to attract deeper-pocketed, long-term global institutional investors, granting Hynix access to cheaper capital crucial for the escalating R&D and fab costs of next-gen AI chips like HBM4, which require advanced foundry partnerships. This strategic migration underscores how in the AI era, capital market positioning and valuation efficiency have become as critical as technological prowess, forcing top-tier global assets toward the world's most liquid funding pools.

marsbitHace 4 hora(s)

marsbitHace 4 hora(s)

Trading

Spot

Artículos destacados

Qué es $S$

Entendiendo SPERO: Una Visión General Completa Introducción a SPERO A medida que el panorama de la innovación continúa evolucionando, la aparición de tecnologías web3 y proyectos de criptomonedas juega un papel fundamental en la configuración del futuro digital. Un proyecto que ha atraído la atención en este campo dinámico es SPERO, denotado como SPERO,$$s$. Este artículo tiene como objetivo reunir y presentar información detallada sobre SPERO, para ayudar a entusiastas e inversores a comprender sus fundamentos, objetivos e innovaciones dentro de los dominios web3 y cripto. ¿Qué es SPERO,$$s$? SPERO,$$s$ es un proyecto único dentro del espacio cripto que busca aprovechar los principios de descentralización y tecnología blockchain para crear un ecosistema que promueva la participación, la utilidad y la inclusión financiera. El proyecto está diseñado para facilitar interacciones de igual a igual de nuevas maneras, proporcionando a los usuarios soluciones y servicios financieros innovadores. En su esencia, SPERO,$$s$ tiene como objetivo empoderar a los individuos al proporcionar herramientas y plataformas que mejoren la experiencia del usuario en el espacio de las criptomonedas. Esto incluye habilitar métodos de transacción más flexibles, fomentar iniciativas impulsadas por la comunidad y crear caminos para oportunidades financieras a través de aplicaciones descentralizadas (dApps). La visión subyacente de SPERO,$$s$ gira en torno a la inclusividad, buscando cerrar brechas dentro de las finanzas tradicionales mientras aprovecha los beneficios de la tecnología blockchain. ¿Quién es el Creador de SPERO,$$s$? La identidad del creador de SPERO,$$s$ sigue siendo algo oscura, ya que hay recursos públicos limitados que proporcionan información de fondo detallada sobre su(s) fundador(es). Esta falta de transparencia puede derivarse del compromiso del proyecto con la descentralización, una ética que muchos proyectos web3 comparten, priorizando las contribuciones colectivas sobre el reconocimiento individual. Al centrar las discusiones en torno a la comunidad y sus objetivos colectivos, SPERO,$$s$ encarna la esencia del empoderamiento sin señalar a individuos específicos. Como tal, comprender la ética y la misión de SPERO sigue siendo más importante que identificar a un creador singular. ¿Quiénes son los Inversores de SPERO,$$s$? SPERO,$$s$ cuenta con el apoyo de una diversa gama de inversores que van desde capitalistas de riesgo hasta inversores ángeles dedicados a fomentar la innovación en el sector cripto. El enfoque de estos inversores generalmente se alinea con la misión de SPERO, priorizando proyectos que prometen avances tecnológicos sociales, inclusión financiera y gobernanza descentralizada. Estas fundaciones de inversores suelen estar interesadas en proyectos que no solo ofrecen productos innovadores, sino que también contribuyen positivamente a la comunidad blockchain y sus ecosistemas. El respaldo de estos inversores refuerza a SPERO,$$s$ como un contendiente notable en el dominio de proyectos cripto que evoluciona rápidamente. ¿Cómo Funciona SPERO,$$s$? SPERO,$$s$ emplea un marco multifacético que lo distingue de los proyectos de criptomonedas convencionales. Aquí hay algunas de las características clave que subrayan su singularidad e innovación: Gobernanza Descentralizada: SPERO,$$s$ integra modelos de gobernanza descentralizada, empoderando a los usuarios para participar activamente en los procesos de toma de decisiones sobre el futuro del proyecto. Este enfoque fomenta un sentido de propiedad y responsabilidad entre los miembros de la comunidad. Utilidad del Token: SPERO,$$s$ utiliza su propio token de criptomoneda, diseñado para servir diversas funciones dentro del ecosistema. Estos tokens permiten transacciones, recompensas y la facilitación de servicios ofrecidos en la plataforma, mejorando la participación y la utilidad general. Arquitectura en Capas: La arquitectura técnica de SPERO,$$s$ apoya la modularidad y escalabilidad, permitiendo la integración fluida de características y aplicaciones adicionales a medida que el proyecto evoluciona. Esta adaptabilidad es fundamental para mantener la relevancia en el cambiante paisaje cripto. Participación de la Comunidad: El proyecto enfatiza iniciativas impulsadas por la comunidad, empleando mecanismos que incentivan la colaboración y la retroalimentación. Al nutrir una comunidad sólida, SPERO,$$s$ puede abordar mejor las necesidades de los usuarios y adaptarse a las tendencias del mercado. Enfoque en la Inclusión: Al ofrecer tarifas de transacción bajas e interfaces amigables para el usuario, SPERO,$$s$ busca atraer a una base de usuarios diversa, incluyendo a individuos que anteriormente pueden no haber participado en el espacio cripto. Este compromiso con la inclusión se alinea con su misión general de empoderamiento a través de la accesibilidad. Cronología de SPERO,$$s$ Entender la historia de un proyecto proporciona información crucial sobre su trayectoria de desarrollo y hitos. A continuación se presenta una cronología sugerida que mapea eventos significativos en la evolución de SPERO,$$s$: Fase de Conceptualización e Ideación: Las ideas iniciales que forman la base de SPERO,$$s$ fueron concebidas, alineándose estrechamente con los principios de descentralización y enfoque comunitario dentro de la industria blockchain. Lanzamiento del Whitepaper del Proyecto: Tras la fase conceptual, se lanzó un whitepaper completo que detalla la visión, los objetivos y la infraestructura tecnológica de SPERO,$$s$ para generar interés y retroalimentación de la comunidad. Construcción de Comunidad y Primeras Interacciones: Se realizaron esfuerzos de divulgación activa para construir una comunidad de primeros adoptantes y posibles inversores, facilitando discusiones en torno a los objetivos del proyecto y obteniendo apoyo. Evento de Generación de Tokens: SPERO,$$s$ llevó a cabo un evento de generación de tokens (TGE) para distribuir sus tokens nativos a los primeros seguidores y establecer liquidez inicial dentro del ecosistema. Lanzamiento de la dApp Inicial: La primera aplicación descentralizada (dApp) asociada con SPERO,$$s$ se puso en marcha, permitiendo a los usuarios interactuar con las funcionalidades centrales de la plataforma. Desarrollo Continuo y Alianzas: Actualizaciones y mejoras continuas a las ofertas del proyecto, incluyendo alianzas estratégicas con otros actores en el espacio blockchain, han moldeado a SPERO,$$s$ en un jugador competitivo y en evolución en el mercado cripto. Conclusión SPERO,$$s$ se erige como un testimonio del potencial de web3 y las criptomonedas para revolucionar los sistemas financieros y empoderar a los individuos. Con un compromiso con la gobernanza descentralizada, la participación comunitaria y funcionalidades diseñadas de manera innovadora, allana el camino hacia un paisaje financiero más inclusivo. Como con cualquier inversión en el espacio cripto que evoluciona rápidamente, se anima a los posibles inversores y usuarios a investigar a fondo y participar de manera reflexiva con los desarrollos en curso dentro de SPERO,$$s$. El proyecto muestra el espíritu innovador de la industria cripto, invitando a una mayor exploración de sus innumerables posibilidades. Mientras el viaje de SPERO,$$s$ aún se desarrolla, sus principios fundamentales pueden, de hecho, influir en el futuro de cómo interactuamos con la tecnología, las finanzas y entre nosotros en ecosistemas digitales interconectados.

120 Vistas totalesPublicado en 2024.12.17Actualizado en 2024.12.17

Qué es AGENT S

Agent S: El Futuro de la Interacción Autónoma en Web3 Introducción En el paisaje en constante evolución de Web3 y las criptomonedas, las innovaciones están redefiniendo constantemente cómo los individuos interactúan con las plataformas digitales. Uno de estos proyectos pioneros, Agent S, promete revolucionar la interacción humano-computadora a través de su marco agente abierto. Al allanar el camino para interacciones autónomas, Agent S busca simplificar tareas complejas, ofreciendo aplicaciones transformadoras en inteligencia artificial (IA). Esta exploración detallada profundizará en las complejidades del proyecto, sus características únicas y las implicaciones para el dominio de las criptomonedas. ¿Qué es Agent S? Agent S se presenta como un marco agente abierto innovador, diseñado específicamente para abordar tres desafíos fundamentales en la automatización de tareas informáticas: Adquisición de Conocimiento Específico del Dominio: El marco aprende inteligentemente de diversas fuentes de conocimiento externas y experiencias internas. Este enfoque dual le permite construir un rico repositorio de conocimiento específico del dominio, mejorando su rendimiento en la ejecución de tareas. Planificación a Largo Plazo de Tareas: Agent S emplea planificación jerárquica aumentada por la experiencia, un enfoque estratégico que facilita la descomposición y ejecución eficiente de tareas complejas. Esta característica mejora significativamente su capacidad para gestionar múltiples subtareas de manera eficiente y efectiva. Manejo de Interfaces Dinámicas y No Uniformes: El proyecto introduce la Interfaz Agente-Computadora (ACI), una solución innovadora que mejora la interacción entre agentes y usuarios. Utilizando Modelos de Lenguaje Multimodal de Gran Escala (MLLMs), Agent S puede navegar y manipular diversas interfaces gráficas de usuario sin problemas. A través de estas características pioneras, Agent S proporciona un marco robusto que aborda las complejidades involucradas en la automatización de la interacción humana con las máquinas, preparando el terreno para una multitud de aplicaciones en IA y más allá. ¿Quién es el Creador de Agent S? Si bien el concepto de Agent S es fundamentalmente innovador, la información específica sobre su creador sigue siendo elusiva. El creador es actualmente desconocido, lo que resalta ya sea la etapa incipiente del proyecto o la elección estratégica de mantener a los miembros fundadores en el anonimato. Independientemente de la anonimidad, el enfoque sigue siendo en las capacidades y el potencial del marco. ¿Quiénes son los Inversores de Agent S? Dado que Agent S es relativamente nuevo en el ecosistema criptográfico, la información detallada sobre sus inversores y patrocinadores financieros no está documentada explícitamente. La falta de información disponible públicamente sobre las bases de inversión u organizaciones que apoyan el proyecto plantea preguntas sobre su estructura de financiamiento y hoja de ruta de desarrollo. Comprender el respaldo es crucial para evaluar la sostenibilidad del proyecto y su posible impacto en el mercado. ¿Cómo Funciona Agent S? En el núcleo de Agent S se encuentra una tecnología de vanguardia que le permite funcionar de manera efectiva en diversos entornos. Su modelo operativo se basa en varias características clave: Interacción Humano-Computadora Similar a la Humana: El marco ofrece planificación avanzada de IA, esforzándose por hacer que las interacciones con las computadoras sean más intuitivas. Al imitar el comportamiento humano en la ejecución de tareas, promete elevar las experiencias de los usuarios. Memoria Narrativa: Empleada para aprovechar experiencias de alto nivel, Agent S utiliza memoria narrativa para hacer un seguimiento de las historias de tareas, mejorando así sus procesos de toma de decisiones. Memoria Episódica: Esta característica proporciona a los usuarios una guía paso a paso, permitiendo que el marco ofrezca apoyo contextual a medida que se desarrollan las tareas. Soporte para OpenACI: Con la capacidad de ejecutarse localmente, Agent S permite a los usuarios mantener el control sobre sus interacciones y flujos de trabajo, alineándose con la ética descentralizada de Web3. Fácil Integración con APIs Externas: Su versatilidad y compatibilidad con varias plataformas de IA aseguran que Agent S pueda encajar sin problemas en ecosistemas tecnológicos existentes, convirtiéndolo en una opción atractiva para desarrolladores y organizaciones. Estas funcionalidades contribuyen colectivamente a la posición única de Agent S dentro del espacio cripto, ya que automatiza tareas complejas y de múltiples pasos con una intervención humana mínima. A medida que el proyecto evoluciona, sus posibles aplicaciones en Web3 podrían redefinir cómo se desarrollan las interacciones digitales. Cronología de Agent S El desarrollo y los hitos de Agent S pueden encapsularse en una cronología que resalta sus eventos significativos: 27 de septiembre de 2024: El concepto de Agent S fue lanzado en un documento de investigación integral titulado “Un Marco Agente Abierto que Usa Computadoras Como un Humano”, mostrando las bases del proyecto. 10 de octubre de 2024: El documento de investigación fue puesto a disposición del público en arXiv, ofreciendo una exploración profunda del marco y su evaluación de rendimiento basada en el benchmark OSWorld. 12 de octubre de 2024: Se lanzó una presentación en video, proporcionando una visión visual de las capacidades y características de Agent S, involucrando aún más a posibles usuarios e inversores. Estos marcadores en la cronología no solo ilustran el progreso de Agent S, sino que también indican su compromiso con la transparencia y la participación comunitaria. Puntos Clave Sobre Agent S A medida que el marco Agent S continúa evolucionando, varios atributos clave destacan, subrayando su naturaleza innovadora y potencial: Marco Innovador: Diseñado para proporcionar un uso intuitivo de las computadoras similar a la interacción humana, Agent S aporta un enfoque novedoso a la automatización de tareas. Interacción Autónoma: La capacidad de interactuar de manera autónoma con las computadoras a través de GUI significa un salto hacia soluciones informáticas más inteligentes y eficientes. Automatización de Tareas Complejas: Con su metodología robusta, puede automatizar tareas complejas y de múltiples pasos, haciendo que los procesos sean más rápidos y menos propensos a errores. Mejora Continua: Los mecanismos de aprendizaje permiten a Agent S mejorar a partir de experiencias pasadas, mejorando continuamente su rendimiento y eficacia. Versatilidad: Su adaptabilidad en diferentes entornos operativos como OSWorld y WindowsAgentArena asegura que pueda servir a una amplia gama de aplicaciones. A medida que Agent S se posiciona en el paisaje de Web3 y criptomonedas, su potencial para mejorar las capacidades de interacción y automatizar procesos significa un avance significativo en las tecnologías de IA. A través de su marco innovador, Agent S ejemplifica el futuro de las interacciones digitales, prometiendo una experiencia más fluida y eficiente para los usuarios en diversas industrias. Conclusión Agent S representa un audaz avance en la unión de la IA y Web3, con la capacidad de redefinir cómo interactuamos con la tecnología. Aunque aún se encuentra en sus primeras etapas, las posibilidades para su aplicación son vastas y atractivas. A través de su marco integral que aborda desafíos críticos, Agent S busca llevar las interacciones autónomas al primer plano de la experiencia digital. A medida que nos adentramos más en los reinos de las criptomonedas y la descentralización, proyectos como Agent S sin duda desempeñarán un papel crucial en la configuración del futuro de la tecnología y la colaboración humano-computadora.

524 Vistas totalesPublicado en 2025.01.14Actualizado en 2025.01.14

Cómo comprar S

¡Bienvenido a HTX.com! Hemos hecho que comprar Sonic (S) sea simple y conveniente. Sigue nuestra guía paso a paso para iniciar tu viaje de criptos.Paso 1: crea tu cuenta HTXUtiliza tu correo electrónico o número de teléfono para registrarte y obtener una cuenta gratuita en HTX. Experimenta un proceso de registro sin complicaciones y desbloquea todas las funciones.Obtener mi cuentaPaso 2: ve a Comprar cripto y elige tu método de pagoTarjeta de crédito/débito: usa tu Visa o Mastercard para comprar Sonic (S) al instante.Saldo: utiliza fondos del saldo de tu cuenta HTX para tradear sin problemas.Terceros: hemos agregado métodos de pago populares como Google Pay y Apple Pay para mejorar la comodidad.P2P: tradear directamente con otros usuarios en HTX.Over-the-Counter (OTC): ofrecemos servicios personalizados y tipos de cambio competitivos para los traders.Paso 3: guarda tu Sonic (S)Después de comprar tu Sonic (S), guárdalo en tu cuenta HTX. Alternativamente, puedes enviarlo a otro lugar mediante transferencia blockchain o utilizarlo para tradear otras criptomonedas.Paso 4: tradear Sonic (S)Tradear fácilmente con Sonic (S) en HTX's mercado spot. Simplemente accede a tu cuenta, selecciona tu par de trading, ejecuta tus trades y monitorea en tiempo real. Ofrecemos una experiencia fácil de usar tanto para principiantes como para traders experimentados.

1.1k Vistas totalesPublicado en 2025.01.15Actualizado en 2026.06.02

Discusiones

Bienvenido a la comunidad de HTX. Aquí puedes mantenerte informado sobre los últimos desarrollos de la plataforma y acceder a análisis profesionales del mercado. A continuación se presentan las opiniones de los usuarios sobre el precio de S (S).