Beyond the Model Lies the Harness: Deepseek Enters the Arena, Why Has the Main Battlefield of China's AI Competition Shifted?

marsbitPubblicato 2026-06-22Pubblicato ultima volta 2026-06-22

Introduzione

In mid-to-late May 2026, Deepseek internally established a new Harness team focused on code agent products, internally benchmarked against Anthropic's Claude Code. This move, marked by the formula "Model + Harness = Agent" in their job postings, signals a major shift in China's AI competition: the main battlefield is transitioning from developing large models to building toolchains and achieving workplace integration. Deepseek's direct involvement in Harness development aims to secure control over interface design and training data feedback loops, moving beyond open-sourcing powerful models. Harness, the runtime infrastructure for AI agents, handles everything beyond model reasoning—task orchestration, tool calling, context management, safety checks, and error recovery. It is crucial because agent products are not just outputs of model capability but also training grounds for it. Real-world task failures recorded by Harness can feed back into model training, creating a flywheel effect. Engineering Harness is more critical than optimizing prompts, as poor context management or error handling can drastically reduce agent success rates in multi-step, real-world scenarios. This shift is not isolated. Other major Chinese tech companies are also pursuing differentiated toolchain strategies. Tencent leverages its enterprise ecosystem (WeChat Work, Tencent Cloud) to build connectors for organizational-level AI collaboration and complex task delivery. Alibaba focuses on lowering aut...

In late May 2026, Deepseek internally formed a new Harness team, focused on a code agent product, internally benchmarking against Anthropic's Claude Code. Cui Tianyi, a former star quantitative engineer from Jane Street, joined the team in March, with senior researcher Chen Deli publicly confirming and leading the recruitment. Deepseek's job description clearly states a formula: 'Model + Harness = Agent'. As the capabilities of foundational large models gradually converge, the era of simply competing on parameters is fading. Deepseek's direct entry in building a toolchain team marks a shift in the main battlefield of China's AI competition from 'refining large models' to 'building toolchains and office productivity integration'.

Why is Deepseek Building Its Own Harness?

For a long time, developers' expectations for Deepseek focused on open-sourcing more powerful base models. But strong coding capability doesn't mean developers will adopt it as a productivity tool. What truly changes workflows isn't code answers in a chatbox, but engineering agents that can enter terminals, understand projects, read/write files, run commands, and fix bugs. Before the official move, the developer community had already built various open-source terminal Agents based on Deepseek models. By forming the Harness team now, Deepseek aims to control interface design and training data loop closure, integrating community-developed pathways into official core products.

To understand this strategic intent, one must first clarify what 'Harness' is. For non-technical readers, the term 'Harness' might be unfamiliar. In Deepseek's formula, the model handles reasoning, and the Harness handles everything else. 'Harness' originally means 'horse tack' or 'safety belt' in engineering, extended in the AI field to refer to the 'runtime infrastructure' of an Agent.

For a more accessible analogy, consider a large model as the 'brain' and 'intelligence' of a highly capable employee, while the Harness is that employee's 'job description, KPI evaluation criteria, office blast walls, and toolbox'. It's not a 'scaffolding' assembled before runtime, nor a 'framework' providing building blocks, but a continuously running system. It orchestrates execution loops, dispatches tool calls, manages context, performs security checks, and handles error recovery and state persistence. The large model itself is stateless and lacks environmental interaction capability—it can only receive text input and output text. The Harness compensates for these flaws, enabling the model to truly interact with the external world and execute specific tasks.

Why must foundational model companies master this runtime themselves? The core reason is that Agent products are not just outlets for model capabilities but also training grounds. Deepseek's JD emphasizes 'achieving co-evolution of the model and Harness'. In real-world complex tasks, models encounter various failures due to environmental constraints or tool exceptions. Recording these failure trajectories via the Harness can feed back into model training, creating a flywheel effect. If left to the community, model providers risk losing core application-layer data feedback, becoming mere compute and weight providers.

From an engineering perspective, optimizing the Harness is more critical to Agent success than merely optimizing prompts. According to technical experts, in Agent runtime, tool outputs constitute 67.6% of the content the Agent actually sees in its context, while system prompts account for only 3.4%. This means most of the model's 'view' is occupied by tool call results. If the Harness mishandles tool output formatting or fails to compress redundant information effectively, the model suffers from 'context rot', causing subsequent reasoning quality to plummet.

More critical is the compound error problem. An Agent process with 10 steps, each 99% reliable, has an end-to-end success rate of about 90%. When task complexity rises to 50 steps, the success rate plummets to around 60%. In real-world scenarios like codebase maintenance or enterprise office automation, continuous operations spanning dozens of steps are common. Here, even the strongest model reasoning cannot compensate for the cumulative probability loss. Only through error handling and recovery mechanisms within the Harness can retries or path corrections occur upon step failures. This is the engineering value of Harness and precisely why Deepseek must enter this arena directly.

Tencent Makes Connectors, Alibaba Makes Frontend Inroads: Big Tech's Divergent Toolchain Paths

Deepseek's shift is not an isolated case. According to industry media, strengthening Agent capabilities has become a key development direction for domestic foundational large models in 2026. Foundational models are gradually becoming 'utilities', shifting the competitive main battlefield to the application layer. Other domestic tech giants are also carving out differentiation through toolchains, but with distinct approaches, reflecting their respective ecosystem endowments and target user bases.

In June 2026, Tencent played its new card for enterprise Agents, launching WorkBuddy Enterprise Edition. Its core positioning is a full-scenario workplace intelligent agent desktop workbench, focusing on shifting from individual efficiency to organizational collaboration. WorkBuddy Enterprise Edition supports multi-agent parallelism and business system Connector integration, aiming to seize the unified AI office entry point. Tencent's positioning logic leverages its vast WeCom (Enterprise WeChat) and Tencent Cloud ecosystem. For large enterprises, the pain point in AI office automation isn't the ultimate experience of a single-point tool, but whether it can integrate with internal siloed office systems. By building connectors, Tencent enables Agents to directly orchestrate enterprise data and workflows, focusing on organization-level collaboration and complex task delivery. This path's strength lies in high barriers; once integrated into core business processes, switching costs are immense. The challenge is the need for robust enterprise service capabilities and customized support.

Alibaba has taken a different path, choosing to lower automation barriers on the web frontend. Alibaba open-sourced the purely frontend, in-browser GUI Agent framework, PageAgent. This framework requires no backend deployment; a single line of code allows any website to integrate AI operator capabilities. Alibaba's positioning logic is empowering web developers, instantly transforming any webpage into an AI-native application. Given the reality that many legacy enterprise systems lack API interfaces, achieving automation through frontend DOM manipulation is a pragmatic, disruptive path. This approach's advantage is its lightweight, easy integration nature, enabling rapid coverage of a vast long tail of websites. However, frequent changes to frontend DOM structures pose stability challenges, demanding higher error recovery capabilities from the Harness.

In contrast, companies are no longer solely competing on model benchmarks but building toolchains based on their unique ecosystem strengths. Tencent focuses on connectors, Alibaba on frontend penetration, while Deepseek starts with the most critical pain point for developers: code engineering scenarios. This divergence indicates that China's AI industry has recognized there is no perfect, universal Agent—only vertical solutions honed through robust Harness engineering for specific scenarios. For enterprise procurement, choosing a toolchain essentially means choosing an automation path: deep integration with an office ecosystem, flexible embedding into existing web systems, or empowering developer engineering workflows.

Viktor's $20M ARR Proof: Enterprises Will Pay for Autonomous Execution

The maturation of toolchains is changing the paradigm of AI's role in the office. The native Copilot logic is 'draft and wait for human completion'—AI generates copy or code, with the final step requiring human intervention for modification and execution. In this mode, AI is merely an efficiency tool, not a true labor replacement. Employees must constantly monitor AI output for verification and implementation, which actually increases cognitive load.

Overseas markets already show clear signals of a paradigm shift. As a reference point for global trends, Poland-based AI office automation company Viktor, positioned as an AI employee within Slack, achieved a $20 million Annual Recurring Revenue (ARR) without a sales team, serving 30,000 companies, and secured a $75 million Series A funding round in May 2026. Viktor's model represents the end state of new AI employees: possessing a cloud computer, capable of long-duration continuous operation, firmly grasping massive context, and delivering results directly.

Viktor is positioned as a Tier 3 AI Coworker, meaning it handles not simple Q&A but complex tasks like marketing audits, ad campaign management, lead research—requiring multi-step, long-running operations. Enterprises show strong willingness to pay for this type of AI that requires no final human confirmation and can operate continuously for long periods. The explosion of such commercial data proves the value anchor of office automation has shifted from 'assistive generation' to 'autonomous execution'.

Domestic manufacturers' focus on Harness and Agent toolchains aims to capture this trend. When the Harness provides sufficient safety rails, state persistence, and error recovery capabilities, AI can evolve from an 'intern' requiring constant human supervision to an 'outsourcing partner' capable of independently delivering work outcomes. Enterprise procurement focus will shift from model parameter size to whether the Agent can run stably for 8 hours without crashing, automatically handle API rate limits, and adapt to webpage structure changes. For developers, this means the focus of building AI applications shifts from 'how to write good prompts' to 'how to design a robust runtime environment'.

Token Explosion and the Engineering Barriers of 'Thick Frameworks'

As competition shifts to toolchains, the challenges faced by enterprises and developers in practical implementation haven't decreased but have become more focused on the engineering layer.

First and foremost is the Token explosion problem. Agents running for extended durations, in their 'think, act, feedback' loops, are prone to rapidly inflating context due to redundant tool outputs. This is widely discussed in developer communities, as it not only drives up inference costs but also causes model attention to scatter, drastically increasing task failure rates. For example, in a web scraping task, if the Harness feeds the entire webpage's HTML source code unchanged into the context, the model quickly gets lost in redundant information, forgetting the original task objective. Therefore, the Harness's context compression and memory management capabilities become a core consideration for enterprise procurement. A superior Harness must know which historical information can be discarded and which tool return results need summarization. This tests deep engineering architectural capabilities, not the model's inherent intelligence.

This also heightens developer wariness towards 'thin-shell' frameworks. If the Harness launched by a large model provider is merely a simple API wrapper offering basic chat windows and tool-calling interfaces, it will lack practical debugging value. The fragility of production environments demands Harness features like sandbox isolation, fine-grained permission control, and checkpoint/restart—characteristics of a 'thick framework'. Only a runtime with solid engineering barriers can truly meet the stability needs of enterprise-grade applications. For instance, in code execution scenarios, the Harness must provide a safe sandbox environment to prevent malicious code generated by the model from harming the host system. For long-running tasks, it must support checkpoint/restart to avoid restarting entire tasks due to network fluctuations.

Furthermore, geopolitical factors create a significant market vacuum for domestic Harness solutions. Top overseas engineering agent products like Claude Code restrict access for mainland China and Chinese-affiliated enterprises. Unable to use these top tools directly, domestic developers can only seek domestic alternatives. Deepseek forming its Harness team is not just following a technical trend but also responding to this vast replacement demand.

For enterprises and developers, understanding the value of Harness means when selecting AI products, they won't be dazzled by flashy demo conversations but will instead probe into its error recovery mechanisms, context management strategies, and whether it can truly integrate into existing workflows. In the toolchain competition stage, enterprises should prioritize evaluating vendors' engineering delivery capabilities and ecosystem compatibility over simply comparing model benchmarks. Developers should focus on the Harness framework's openness and the completeness of its debugging toolchain, choosing platforms that offer deeply controllable runtimes.

Crypto di tendenza

CitreaCTR

wrapped stUSDTWSTUSDT

Velodrome FinanceVELODROME

BrevisBREV

ZRX（0X）ZRX

Domande pertinenti

QWhat does the term 'Harness' refer to in the context of AI agents, according to the Deepseek article?

AIn the context of AI agents, the article defines 'Harness' as the "runtime infrastructure" that complements the core model. It is likened to a job description, KPI, safety protocols, and toolkit for a highly intelligent worker (the AI model). It manages the execution loop, tool calls, context, security, error recovery, and state persistence, enabling the stateless model to interact with the external world.

QWhy did Deepseek decide to build its own Harness team for code agents, as explained in the article?

ADeepseek built its own Harness team to master the interface design and establish a training data feedback loop. As model capabilities converge, the competition shifts to toolchains. An official Harness allows Deepseek to control the product, collect crucial failure data from real tasks to improve the model, and avoid becoming a mere model provider while the community builds the critical application layer.

QHow do the toolchain strategies of Tencent and Alibaba differ from each other, based on the article's analysis?

ATheir strategies differ based on their respective ecosystems. Tencent's WorkBuddy Enterprise focuses on being a connector and unified AI office entry point, leveraging its Tencent Meeting and corporate WeChat ecosystem to integrate with and orchestrate complex internal business systems for organizational tasks. Alibaba's PageAgent is a lightweight, front-end framework that enables AI automation directly within web browsers by manipulating the DOM, aiming to lower the barrier for web-based automation without backend APIs.

QWhat key shift in the value of office AI does the success of the company Viktor represent, according to the article?

AThe success of Viktor, with its $20M ARR, represents a shift in the value proposition of office AI from 'assisted generation' to 'autonomous execution.' Instead of just drafting content for humans to finalize, AI like Viktor acts as a Tier 3 coworker that can handle multi-step, long-running complex tasks (e.g., marketing audits) independently and deliver final results without constant human supervision or final approval.

QWhat are the main engineering challenges highlighted for running long-lived AI agents, and why is a 'thick framework' Harness important?

AThe main engineering challenges are token explosion from redundant tool outputs cluttering context and the cumulative probability of failure in multi-step tasks. A 'thick framework' Harness is crucial because it provides essential features like context compression, memory management, sandbox isolation, fine-grained permission control, and checkpoint recovery. These features, which go beyond simple API wrappers, are needed to ensure stability, security, and cost-effectiveness in production environments.

Letture associate

Loss Exceeds $7.5 Million: Analysis of the Honeypot Attack Targeting MEV Bot and Tracking of Stolen Funds

On June 21, Jaredfromsubway.eth, one of Ethereum's most active MEV bots, suffered a sophisticated honeypot attack, losing over $7.5 million in crypto assets. Attackers deployed a complex contract system, including a coordinator, trigger, and fake token/pair contracts, to exploit the bot's arbitrage logic. The core attack trick involved baiting the bot with transactions: small trades appeared normal and consumed token approvals, while larger trades preserved these approvals by using fake swaps. This left the bot with large, unused approvals for assets like USDC, USDT, and WETH. The attacker then drained these approvals in a final step. The stolen funds—$2.87M USDC, $2.04M USDT, and 1,474 WETH—were consolidated and partially laundered through Tornado Cash. This incident highlights that MEV bots must not rely solely on simulated profits for security. Extra caution is required with unfamiliar contracts or custom wrappers in arbitrage paths, and post-transaction allowance checks are strongly recommended.

marsbit25 min fa

Loss Exceeds $7.5 Million: Analysis of the Honeypot Attack Targeting MEV Bot and Tracking of Stolen Funds

marsbit25 min fa

Channel Dividends Are Dwindling, What Can DeFi Protocols Rely on to Resist Giants' Harvesting?

As the era of channel-driven growth ends, major tech giants like Coinbase, Stripe, and Kraken are vertically integrating by acquiring or building core infrastructure, capturing profits from underlying protocols. For instance, Coinbase leverages its Base blockchain to earn sequencing fees from protocols like Morpho, while Stripe acquired Bridge to internalize stablecoin yields, and Kraken bought NinjaTrader for derivatives licenses. This trend creates a power imbalance: entities controlling distribution channels can extract value from open-source DeFi protocols. However, protocols are developing a defense through multi-chain expansion. Examples like Morpho (with significant TVL on Ethereum and Base) and Uniswap (dominant across many chains) show that by deploying across multiple blockchains, protocols reduce dependency on any single chain operator, making them costly and risky to replace. The article argues that the future landscape will be shaped by the race between institutional vertical integration and protocol horizontal, multi-chain scaling. Protocols that embed themselves deeply across ecosystems and become indispensable due to high switching costs are most likely to survive and thrive amidst this consolidation.

Foresight News43 min fa

Channel Dividends Are Dwindling, What Can DeFi Protocols Rely on to Resist Giants' Harvesting?

Foresight News43 min fa

Uniswap v4 Hook Analysis: Architecture Design, Common Vulnerabilities, and Protection Practices

Uniswap v4's Hook mechanism is a major innovation, enabling custom logic injection into liquidity pool lifecycle events like swaps and liquidity provisioning. This transforms the AMM into programmable infrastructure, shifting the security model from protocol-level to pool-level, as each pool's safety now depends on its bound Hook contract. The core architecture revolves around the singleton PoolManager contract, which manages all pools via a flash accounting system. State changes are tracked in transient storage and must be settled by the end of a transaction. Hook contracts are permanently bound to pools via a PoolKey, with their permissions encoded directly into their address via specific low-order bits. This design introduces unique security considerations and challenges for future upgrades. Key vulnerabilities and best practices identified include: - **Access Control Gaps:** Early versions of the BaseHook abstract contract only protect `unlockCallback()`, leaving other lifecycle functions (`beforeSwap`, `afterSwap`, etc.) exposed unless explicitly secured by developers. - **Unrestricted Pool Binding:** The `initialize()` function does not validate if a Hook "consents" to a new pool. Hooks must implement their own whitelisting in `beforeInitialize` to prevent unauthorized pool creation. - **Async/Custom Curve Hooks:** These high-risk Hooks can completely replace Uniswap's swap logic. Their security depends entirely on their own implementation, as they operate outside the native protocol's pricing safeguards. - **Delta Accounting Risks:** The system ensures final balance (NonzeroDeltaCount == 0) but cannot guarantee the *correctness* of intermediate delta states, which attackers could manipulate. - **Token Confusion:** Protocols must implement semantic validation for tokens in user-created markets, not just interface checks, to prevent cross-market confusion attacks. The article emphasizes that Hook auditing requires a "sub-protocol" approach due to extended interaction chains, highlighting a significant shift in security methodology for the v4 ecosystem.

marsbit49 min fa

Uniswap v4 Hook Analysis: Architecture Design, Common Vulnerabilities, and Protection Practices

marsbit49 min fa

Chips, Open-Source Models, and $50 Trillion: Joe Tsai Reassesses Alibaba Once Again

Alibaba Executive Chairman Joe Tsai recently outlined the company's comprehensive AI strategy in a public discussion. He believes AI represents a massive opportunity, estimating its potential economic impact at up to $50 trillion, stemming from the automation of human intelligence and productivity. Tsai detailed Alibaba's four-layer investment approach across the AI stack: starting from the chip level, moving to cloud infrastructure (Alibaba Cloud), then the model layer with its open-source Qwen model, and finally applications within its vast digital ecosystem (e-commerce, logistics, etc.). The company avoids the energy layer due to China's efficient infrastructure. This broad strategy is designed to ensure Alibaba captures value regardless of where it ultimately concentrates in the AI value chain. He dismissed concerns about an AI investment bubble, pointing to the enormous $50 trillion opportunity. While acknowledging U.S. cloud giants' higher capital expenditure, he argued Chinese firms, including Alibaba (funded by its cash-generative e-commerce core), need to invest more in AI infrastructure. A key theme was technological sovereignty. Tsai positioned open-source models like Qwen as a solution for companies, especially in Europe, seeking independence from proprietary U.S. models and greater data privacy control. He contrasted this with the trend of U.S. giants keeping their models closed-source. Tsai highlighted Alibaba's collaborations with European manufacturers like Bosch and Siemens, using AI for design and quality control. He concluded with an optimistic vision of AI agents enhancing productivity, ultimately freeing up human time for leisure, family, and experiences like live entertainment.

marsbit1 h fa

Chips, Open-Source Models, and $50 Trillion: Joe Tsai Reassesses Alibaba Once Again

marsbit1 h fa

This Generation of East Asian Commoners Enriched by TSMC and AI-related South Korean Stocks

An AI-driven stock market boom fueled by semiconductor giants like TSMC and Samsung is transforming personal finances and lifestyles across East Asia. Young professionals, such as 24-year-old South Korean programmer Na Se-bin who invested her life savings, are experiencing dramatic gains and losses, reflecting a widespread retail trading frenzy. In Taiwan, telling someone you work at TSMC has become a notable social advantage, while its stock surge has propelled the local market. Similarly, Korean markets, dominated by Samsung and SK Hynix, have seen massive growth, with even schoolteachers reporting quintupled investments. The AI hardware demand from U.S. tech giants is funneling trillions into Asian exports, creating a wealth effect evident in luxury spending and real estate. The phenomenon underscores the region's pivotal role as the "pick-and-shovel" suppliers of the AI revolution, reshaping ordinary lives through market participation and soaring tech sector salaries.

Odaily星球日报1 h fa

This Generation of East Asian Commoners Enriched by TSMC and AI-related South Korean Stocks

Odaily星球日报1 h fa

Trading

Spot

Futures

Articoli Popolari

Cosa è $S$

Comprendere SPERO: Una Panoramica Completa Introduzione a SPERO Mentre il panorama dell'innovazione continua a evolversi, l'emergere delle tecnologie web3 e dei progetti di criptovaluta gioca un ruolo fondamentale nel plasmare il futuro digitale. Un progetto che ha attirato l'attenzione in questo campo dinamico è SPERO, denotato come SPERO,$$s$. Questo articolo mira a raccogliere e presentare informazioni dettagliate su SPERO, per aiutare gli appassionati e gli investitori a comprendere le sue basi, obiettivi e innovazioni nei domini web3 e crypto. Che cos'è SPERO,$$s$? SPERO,$$s$ è un progetto unico all'interno dello spazio crypto che cerca di sfruttare i principi della decentralizzazione e della tecnologia blockchain per creare un ecosistema che promuove l'impegno, l'utilità e l'inclusione finanziaria. Il progetto è progettato per facilitare interazioni peer-to-peer in modi nuovi, fornendo agli utenti soluzioni e servizi finanziari innovativi. Al suo interno, SPERO,$$s$ mira a responsabilizzare gli individui fornendo strumenti e piattaforme che migliorano l'esperienza dell'utente nello spazio delle criptovalute. Questo include la possibilità di metodi di transazione più flessibili, la promozione di iniziative guidate dalla comunità e la creazione di percorsi per opportunità finanziarie attraverso applicazioni decentralizzate (dApps). La visione sottostante di SPERO,$$s$ ruota attorno all'inclusività, cercando di colmare le lacune all'interno della finanza tradizionale mentre sfrutta i vantaggi della tecnologia blockchain. Chi è il Creatore di SPERO,$$s$? L'identità del creatore di SPERO,$$s$ rimane piuttosto oscura, poiché ci sono risorse pubblicamente disponibili limitate che forniscono informazioni dettagliate sul suo fondatore o fondatori. Questa mancanza di trasparenza può derivare dall'impegno del progetto per la decentralizzazione—un ethos che molti progetti web3 condividono, dando priorità ai contributi collettivi rispetto al riconoscimento individuale. Centrando le discussioni attorno alla comunità e ai suoi obiettivi collettivi, SPERO,$$s$ incarna l'essenza dell'empowerment senza mettere in evidenza individui specifici. Pertanto, comprendere l'etica e la missione di SPERO rimane più importante che identificare un creatore singolo. Chi sono gli Investitori di SPERO,$$s$? SPERO,$$s$ è supportato da una varietà di investitori che vanno dai capitalisti di rischio agli investitori angelici dedicati a promuovere l'innovazione nel settore crypto. Il focus di questi investitori generalmente si allinea con la missione di SPERO—dando priorità a progetti che promettono avanzamenti tecnologici sociali, inclusività finanziaria e governance decentralizzata. Queste fondazioni di investitori sono tipicamente interessate a progetti che non solo offrono prodotti innovativi, ma contribuiscono anche positivamente alla comunità blockchain e ai suoi ecosistemi. Il supporto di questi investitori rafforza SPERO,$$s$ come un concorrente degno di nota nel dominio in rapida evoluzione dei progetti crypto. Come Funziona SPERO,$$s$? SPERO,$$s$ impiega un framework multifunzionale che lo distingue dai progetti di criptovaluta convenzionali. Ecco alcune delle caratteristiche chiave che sottolineano la sua unicità e innovazione: Governance Decentralizzata: SPERO,$$s$ integra modelli di governance decentralizzati, responsabilizzando gli utenti a partecipare attivamente ai processi decisionali riguardanti il futuro del progetto. Questo approccio favorisce un senso di proprietà e responsabilità tra i membri della comunità. Utilità del Token: SPERO,$$s$ utilizza il proprio token di criptovaluta, progettato per servire varie funzioni all'interno dell'ecosistema. Questi token abilitano transazioni, premi e la facilitazione dei servizi offerti sulla piattaforma, migliorando l'impegno e l'utilità complessivi. Architettura Stratificata: L'architettura tecnica di SPERO,$$s$ supporta la modularità e la scalabilità, consentendo un'integrazione fluida di funzionalità e applicazioni aggiuntive man mano che il progetto evolve. Questa adattabilità è fondamentale per mantenere la rilevanza nel panorama crypto in continua evoluzione. Coinvolgimento della Comunità: Il progetto enfatizza iniziative guidate dalla comunità, impiegando meccanismi che incentivano la collaborazione e il feedback. Nutrendo una comunità forte, SPERO,$$s$ può affrontare meglio le esigenze degli utenti e adattarsi alle tendenze di mercato. Focus sull'Inclusione: Offrendo basse commissioni di transazione e interfacce user-friendly, SPERO,$$s$ mira ad attrarre una base utenti diversificata, inclusi individui che potrebbero non aver precedentemente interagito nello spazio crypto. Questo impegno per l'inclusione si allinea con la sua missione generale di empowerment attraverso l'accessibilità. Cronologia di SPERO,$$s$ Comprendere la storia di un progetto fornisce preziose intuizioni sulla sua traiettoria di sviluppo e sui traguardi. Di seguito è riportata una cronologia suggerita che mappa eventi significativi nell'evoluzione di SPERO,$$s$: Fase di Concettualizzazione e Ideazione: Le idee iniziali che formano la base di SPERO,$$s$ sono state concepite, allineandosi strettamente con i principi di decentralizzazione e focus sulla comunità all'interno dell'industria blockchain. Lancio del Whitepaper del Progetto: Dopo la fase concettuale, è stato rilasciato un whitepaper completo che dettaglia la visione, gli obiettivi e l'infrastruttura tecnologica di SPERO,$$s$ per suscitare interesse e feedback dalla comunità. Costruzione della Comunità e Prime Interazioni: Sono stati effettuati sforzi attivi di outreach per costruire una comunità di early adopters e potenziali investitori, facilitando discussioni attorno agli obiettivi del progetto e ottenendo supporto. Evento di Generazione del Token: SPERO,$$s$ ha condotto un evento di generazione del token (TGE) per distribuire i propri token nativi ai primi sostenitori e stabilire una liquidità iniziale all'interno dell'ecosistema. Lancio della Prima dApp: La prima applicazione decentralizzata (dApp) associata a SPERO,$$s$ è stata attivata, consentendo agli utenti di interagire con le funzionalità principali della piattaforma. Sviluppo Continuo e Partnership: Aggiornamenti e miglioramenti continui alle offerte del progetto, inclusi partnership strategiche con altri attori nello spazio blockchain, hanno plasmato SPERO,$$s$ in un concorrente competitivo e in evoluzione nel mercato crypto. Conclusione SPERO,$$s$ rappresenta una testimonianza del potenziale del web3 e delle criptovalute di rivoluzionare i sistemi finanziari e responsabilizzare gli individui. Con un impegno per la governance decentralizzata, il coinvolgimento della comunità e funzionalità progettate in modo innovativo, apre la strada verso un panorama finanziario più inclusivo. Come per qualsiasi investimento nello spazio crypto in rapida evoluzione, si incoraggiano potenziali investitori e utenti a ricercare approfonditamente e a impegnarsi in modo riflessivo con gli sviluppi in corso all'interno di SPERO,$$s$. Il progetto mostra lo spirito innovativo dell'industria crypto, invitando a ulteriori esplorazioni delle sue innumerevoli possibilità. Mentre il percorso di SPERO,$$s$ è ancora in fase di sviluppo, i suoi principi fondamentali potrebbero effettivamente influenzare il futuro di come interagiamo con la tecnologia, la finanza e tra di noi in ecosistemi digitali interconnessi.

86 Totale visualizzazioniPubblicato il 2024.12.17Aggiornato il 2024.12.17

Cosa è AGENT S

Agent S: Il Futuro dell'Interazione Autonoma in Web3 Introduzione Nel panorama in continua evoluzione di Web3 e criptovalute, le innovazioni stanno costantemente ridefinendo il modo in cui gli individui interagiscono con le piattaforme digitali. Uno di questi progetti pionieristici, Agent S, promette di rivoluzionare l'interazione uomo-computer attraverso il suo framework agentico aperto. Aprendo la strada a interazioni autonome, Agent S mira a semplificare compiti complessi, offrendo applicazioni trasformative nell'intelligenza artificiale (AI). Questa esplorazione dettagliata approfondirà le complessità del progetto, le sue caratteristiche uniche e le implicazioni per il dominio delle criptovalute. Cos'è Agent S? Agent S si presenta come un innovativo framework agentico aperto, progettato specificamente per affrontare tre sfide fondamentali nell'automazione dei compiti informatici: Acquisizione di Conoscenze Specifiche del Dominio: Il framework apprende in modo intelligente da varie fonti di conoscenza esterne ed esperienze interne. Questo approccio duale gli consente di costruire un ricco repository di conoscenze specifiche del dominio, migliorando le sue prestazioni nell'esecuzione dei compiti. Pianificazione su Lungo Orizzonte di Compiti: Agent S impiega una pianificazione gerarchica potenziata dall'esperienza, un approccio strategico che facilita la suddivisione e l'esecuzione efficiente di compiti complessi. Questa caratteristica migliora significativamente la sua capacità di gestire più sottocompiti in modo efficiente ed efficace. Gestione di Interfacce Dinamiche e Non Uniformi: Il progetto introduce l'Interfaccia Agente-Computer (ACI), una soluzione innovativa che migliora l'interazione tra agenti e utenti. Utilizzando Modelli Linguistici Multimodali di Grandi Dimensioni (MLLM), Agent S può navigare e manipolare senza sforzo diverse interfacce grafiche utente. Attraverso queste caratteristiche pionieristiche, Agent S fornisce un framework robusto che affronta le complessità coinvolte nell'automazione dell'interazione umana con le macchine, preparando il terreno per innumerevoli applicazioni nell'AI e oltre. Chi è il Creatore di Agent S? Sebbene il concetto di Agent S sia fondamentalmente innovativo, informazioni specifiche sul suo creatore rimangono elusive. Il creatore è attualmente sconosciuto, il che evidenzia sia la fase embrionale del progetto sia la scelta strategica di mantenere i membri fondatori sotto anonimato. Indipendentemente dall'anonimato, l'attenzione rimane sulle capacità e sul potenziale del framework. Chi sono gli Investitori di Agent S? Poiché Agent S è relativamente nuovo nell'ecosistema crittografico, informazioni dettagliate riguardanti i suoi investitori e sostenitori finanziari non sono documentate esplicitamente. La mancanza di approfondimenti pubblicamente disponibili sulle fondazioni di investimento o sulle organizzazioni che supportano il progetto solleva interrogativi sulla sua struttura di finanziamento e sulla roadmap di sviluppo. Comprendere il supporto è cruciale per valutare la sostenibilità del progetto e il suo potenziale impatto sul mercato. Come Funziona Agent S? Al centro di Agent S si trova una tecnologia all'avanguardia che gli consente di funzionare efficacemente in contesti diversi. Il suo modello operativo è costruito attorno a diverse caratteristiche chiave: Interazione Uomo-Computer Simile a Quella Umana: Il framework offre una pianificazione AI avanzata, cercando di rendere le interazioni con i computer più intuitive. Mimando il comportamento umano nell'esecuzione dei compiti, promette di elevare le esperienze degli utenti. Memoria Narrativa: Utilizzata per sfruttare esperienze di alto livello, Agent S utilizza la memoria narrativa per tenere traccia delle storie dei compiti, migliorando così i suoi processi decisionali. Memoria Episodica: Questa caratteristica fornisce agli utenti una guida passo-passo, consentendo al framework di offrire supporto contestuale mentre i compiti si sviluppano. Supporto per OpenACI: Con la capacità di funzionare localmente, Agent S consente agli utenti di mantenere il controllo sulle proprie interazioni e flussi di lavoro, allineandosi con l'etica decentralizzata di Web3. Facile Integrazione con API Esterne: La sua versatilità e compatibilità con varie piattaforme AI garantiscono che Agent S possa adattarsi senza problemi agli ecosistemi tecnologici esistenti, rendendolo una scelta attraente per sviluppatori e organizzazioni. Queste funzionalità contribuiscono collettivamente alla posizione unica di Agent S all'interno dello spazio crittografico, poiché automatizza compiti complessi e multi-fase con un intervento umano minimo. Man mano che il progetto evolve, le sue potenziali applicazioni in Web3 potrebbero ridefinire il modo in cui si svolgono le interazioni digitali. Cronologia di Agent S Lo sviluppo e le tappe di Agent S possono essere riassunti in una cronologia che evidenzia i suoi eventi significativi: 27 Settembre 2024: Il concetto di Agent S è stato lanciato in un documento di ricerca completo intitolato “Un Framework Agentico Aperto che Usa i Computer Come un Umano”, mostrando le basi per il progetto. 10 Ottobre 2024: Il documento di ricerca è stato reso pubblicamente disponibile su arXiv, offrendo un'esplorazione approfondita del framework e della sua valutazione delle prestazioni basata sul benchmark OSWorld. 12 Ottobre 2024: È stata rilasciata una presentazione video, fornendo un'idea visiva delle capacità e delle caratteristiche di Agent S, coinvolgendo ulteriormente potenziali utenti e investitori. Questi indicatori nella cronologia non solo illustrano i progressi di Agent S, ma indicano anche il suo impegno per la trasparenza e il coinvolgimento della comunità. Punti Chiave su Agent S Man mano che il framework Agent S continua a evolversi, diversi attributi chiave si distinguono, sottolineando la sua natura innovativa e il potenziale: Framework Innovativo: Progettato per fornire un uso intuitivo dei computer simile all'interazione umana, Agent S porta un approccio nuovo all'automazione dei compiti. Interazione Autonoma: La capacità di interagire autonomamente con i computer attraverso GUI segna un passo avanti verso soluzioni informatiche più intelligenti ed efficienti. Automazione di Compiti Complessi: Con la sua metodologia robusta, può automatizzare compiti complessi e multi-fase, rendendo i processi più veloci e meno soggetti a errori. Miglioramento Continuo: I meccanismi di apprendimento consentono ad Agent S di migliorare dalle esperienze passate, migliorando continuamente le sue prestazioni e la sua efficacia. Versatilità: La sua adattabilità attraverso diversi ambienti operativi come OSWorld e WindowsAgentArena garantisce che possa servire un'ampia gamma di applicazioni. Man mano che Agent S si posiziona nel panorama di Web3 e delle criptovalute, il suo potenziale per migliorare le capacità di interazione e automatizzare i processi segna un significativo avanzamento nelle tecnologie AI. Attraverso il suo framework innovativo, Agent S esemplifica il futuro delle interazioni digitali, promettendo un'esperienza più fluida ed efficiente per gli utenti in vari settori. Conclusione Agent S rappresenta un audace passo avanti nell'unione tra AI e Web3, con la capacità di ridefinire il modo in cui interagiamo con la tecnologia. Sebbene sia ancora nelle sue fasi iniziali, le possibilità per la sua applicazione sono vaste e coinvolgenti. Attraverso il suo framework completo che affronta sfide critiche, Agent S mira a portare le interazioni autonome al centro dell'esperienza digitale. Man mano che ci addentriamo nei regni delle criptovalute e della decentralizzazione, progetti come Agent S giocheranno senza dubbio un ruolo cruciale nel plasmare il futuro della tecnologia e della collaborazione uomo-computer.

554 Totale visualizzazioniPubblicato il 2025.01.14Aggiornato il 2025.01.14

Come comprare S

Benvenuto in HTX.com! Abbiamo reso l'acquisto di Sonic (S) semplice e conveniente. Segui la nostra guida passo passo per intraprendere il tuo viaggio nel mondo delle criptovalute.Step 1: Crea il tuo Account HTXUsa la tua email o numero di telefono per registrarti il tuo account gratuito su HTX. Vivi un'esperienza facile e sblocca tutte le funzionalità,Crea il mio accountStep 2: Vai in Acquista crypto e seleziona il tuo metodo di pagamentoCarta di credito/debito: utilizza la tua Visa o Mastercard per acquistare immediatamente SonicS.Bilancio: Usa i fondi dal bilancio del tuo account HTX per fare trading senza problemi.Terze parti: abbiamo aggiunto metodi di pagamento molto utilizzati come Google Pay e Apple Pay per maggiore comodità.P2P: Fai trading direttamente con altri utenti HTX.Over-the-Counter (OTC): Offriamo servizi su misura e tassi di cambio competitivi per i trader.Step 3: Conserva Sonic (S)Dopo aver acquistato Sonic (S), conserva nel tuo account HTX. In alternativa, puoi inviare tramite trasferimento blockchain o scambiare per altre criptovalute.Step 4: Scambia Sonic (S)Scambia facilmente Sonic (S) nel mercato spot di HTX. Accedi al tuo account, seleziona la tua coppia di trading, esegui le tue operazioni e monitora in tempo reale. Offriamo un'esperienza user-friendly sia per chi ha appena iniziato che per i trader più esperti.

1.1k Totale visualizzazioniPubblicato il 2025.01.15Aggiornato il 2026.06.02

Discussioni

Benvenuto nella Community HTX. Qui puoi rimanere informato sugli ultimi sviluppi della piattaforma e accedere ad approfondimenti esperti sul mercato. Le opinioni degli utenti sul prezzo di S S sono presentate come di seguito.