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

marsbitPublicado em 2026-06-22Última atualização em 2026-06-22

Resumo

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.

Criptomoedas em alta

CitreaCTR

wrapped stUSDTWSTUSDT

Velodrome FinanceVELODROME

BrevisBREV

ZRX（0X）ZRX

Perguntas relacionadas

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.

Leituras Relacionadas

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.

marsbitHá 27m

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

marsbitHá 27m

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 NewsHá 45m

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

Foresight NewsHá 45m

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.

marsbitHá 52m

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

marsbitHá 52m

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.

marsbitHá 1h

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

marsbitHá 1h

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Há 1h

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

Odaily星球日报Há 1h

Trading

Spot

Futuros

Artigos em Destaque

O que é $S$

Compreender o SPERO: Uma Visão Abrangente Introdução ao SPERO À medida que o panorama da inovação continua a evoluir, o surgimento de tecnologias web3 e projetos de criptomoeda desempenha um papel fundamental na formação do futuro digital. Um projeto que tem atraído atenção neste campo dinâmico é o SPERO, denotado como SPERO,$$s$. Este artigo tem como objetivo reunir e apresentar informações detalhadas sobre o SPERO, para ajudar entusiastas e investidores a compreender as suas bases, objetivos e inovações nos domínios web3 e cripto. O que é o SPERO,$$s$? O SPERO,$$s$ é um projeto único dentro do espaço cripto que procura aproveitar os princípios da descentralização e da tecnologia blockchain para criar um ecossistema que promove o envolvimento, a utilidade e a inclusão financeira. O projeto é concebido para facilitar interações peer-to-peer de novas maneiras, proporcionando aos utilizadores soluções e serviços financeiros inovadores. No seu núcleo, o SPERO,$$s$ visa capacitar indivíduos ao fornecer ferramentas e plataformas que melhoram a experiência do utilizador no espaço das criptomoedas. Isso inclui a possibilidade de métodos de transação mais flexíveis, a promoção de iniciativas impulsionadas pela comunidade e a criação de caminhos para oportunidades financeiras através de aplicações descentralizadas (dApps). A visão subjacente do SPERO,$$s$ gira em torno da inclusão, visando fechar lacunas dentro das finanças tradicionais enquanto aproveita os benefícios da tecnologia blockchain. Quem é o Criador do SPERO,$$s$? A identidade do criador do SPERO,$$s$ permanece algo obscura, uma vez que existem recursos publicamente disponíveis limitados que fornecem informações detalhadas sobre o(s) seu(s) fundador(es). Esta falta de transparência pode resultar do compromisso do projeto com a descentralização—uma ética que muitos projetos web3 partilham, priorizando contribuições coletivas em vez de reconhecimento individual. Ao centrar as discussões em torno da comunidade e dos seus objetivos coletivos, o SPERO,$$s$ incorpora a essência do empoderamento sem destacar indivíduos específicos. Assim, compreender a ética e a missão do SPERO é mais importante do que identificar um criador singular. Quem são os Investidores do SPERO,$$s$? O SPERO,$$s$ é apoiado por uma diversidade de investidores que vão desde capitalistas de risco a investidores-anjo dedicados a promover a inovação no setor cripto. O foco desses investidores geralmente alinha-se com a missão do SPERO—priorizando projetos que prometem avanço tecnológico social, inclusão financeira e governança descentralizada. Essas fundações de investidores estão tipicamente interessadas em projetos que não apenas oferecem produtos inovadores, mas que também contribuem positivamente para a comunidade blockchain e os seus ecossistemas. O apoio desses investidores reforça o SPERO,$$s$ como um concorrente notável no domínio em rápida evolução dos projetos cripto. Como Funciona o SPERO,$$s$? O SPERO,$$s$ emprega uma estrutura multifacetada que o distingue de projetos de criptomoeda convencionais. Aqui estão algumas das características-chave que sublinham a sua singularidade e inovação: Governança Descentralizada: O SPERO,$$s$ integra modelos de governança descentralizada, capacitando os utilizadores a participar ativamente nos processos de tomada de decisão sobre o futuro do projeto. Esta abordagem promove um sentido de propriedade e responsabilidade entre os membros da comunidade. Utilidade do Token: O SPERO,$$s$ utiliza o seu próprio token de criptomoeda, concebido para servir várias funções dentro do ecossistema. Esses tokens permitem transações, recompensas e a facilitação de serviços oferecidos na plataforma, melhorando o envolvimento e a utilidade gerais. Arquitetura em Camadas: A arquitetura técnica do SPERO,$$s$ suporta modularidade e escalabilidade, permitindo a integração contínua de funcionalidades e aplicações adicionais à medida que o projeto evolui. Esta adaptabilidade é fundamental para manter a relevância no panorama cripto em constante mudança. Envolvimento da Comunidade: O projeto enfatiza iniciativas impulsionadas pela comunidade, empregando mecanismos que incentivam a colaboração e o feedback. Ao nutrir uma comunidade forte, o SPERO,$$s$ pode melhor atender às necessidades dos utilizadores e adaptar-se às tendências do mercado. Foco na Inclusão: Ao oferecer taxas de transação baixas e interfaces amigáveis, o SPERO,$$s$ visa atrair uma base de utilizadores diversificada, incluindo indivíduos que anteriormente podem não ter participado no espaço cripto. Este compromisso com a inclusão alinha-se com a sua missão abrangente de empoderamento através da acessibilidade. Cronologia do SPERO,$$s$ Compreender a história de um projeto fornece insights cruciais sobre a sua trajetória de desenvolvimento e marcos. Abaixo está uma cronologia sugerida que mapeia eventos significativos na evolução do SPERO,$$s$: Fase de Conceituação e Ideação: As ideias iniciais que formam a base do SPERO,$$s$ foram concebidas, alinhando-se de perto com os princípios de descentralização e foco na comunidade dentro da indústria blockchain. Lançamento do Whitepaper do Projeto: Após a fase conceitual, um whitepaper abrangente detalhando a visão, os objetivos e a infraestrutura tecnológica do SPERO,$$s$ foi lançado para atrair o interesse e o feedback da comunidade. Construção da Comunidade e Primeiros Envolvimentos: Esforços ativos de divulgação foram feitos para construir uma comunidade de primeiros adotantes e investidores potenciais, facilitando discussões em torno dos objetivos do projeto e angariando apoio. Evento de Geração de Tokens: O SPERO,$$s$ realizou um evento de geração de tokens (TGE) para distribuir os seus tokens nativos a apoiantes iniciais e estabelecer liquidez inicial dentro do ecossistema. Lançamento da dApp Inicial: A primeira aplicação descentralizada (dApp) associada ao SPERO,$$s$ foi lançada, permitindo que os utilizadores interagissem com as funcionalidades principais da plataforma. Desenvolvimento Contínuo e Parcerias: Atualizações e melhorias contínuas nas ofertas do projeto, incluindo parcerias estratégicas com outros players no espaço blockchain, moldaram o SPERO,$$s$ em um jogador competitivo e em evolução no mercado cripto. Conclusão O SPERO,$$s$ é um testemunho do potencial do web3 e das criptomoedas para revolucionar os sistemas financeiros e capacitar indivíduos. Com um compromisso com a governança descentralizada, o envolvimento da comunidade e funcionalidades inovadoras, abre caminho para um panorama financeiro mais inclusivo. Como em qualquer investimento no espaço cripto em rápida evolução, potenciais investidores e utilizadores são incentivados a pesquisar minuciosamente e a envolver-se de forma ponderada com os desenvolvimentos em curso dentro do SPERO,$$s$. O projeto demonstra o espírito inovador da indústria cripto, convidando a uma exploração mais aprofundada das suas inúmeras possibilidades. Embora a jornada do SPERO,$$s$ ainda esteja a desenrolar-se, os seus princípios fundamentais podem, de facto, influenciar o futuro de como interagimos com a tecnologia, as finanças e uns com os outros em ecossistemas digitais interconectados.

72 Visualizações TotaisPublicado em {updateTime}Atualizado em 2024.12.17

O que é AGENT S

Agent S: O Futuro da Interação Autónoma no Web3 Introdução No panorama em constante evolução do Web3 e das criptomoedas, as inovações estão constantemente a redefinir a forma como os indivíduos interagem com plataformas digitais. Um projeto pioneiro, o Agent S, promete revolucionar a interação humano-computador através do seu framework aberto e agente. Ao abrir caminho para interações autónomas, o Agent S visa simplificar tarefas complexas, oferecendo aplicações transformadoras em inteligência artificial (IA). Esta exploração detalhada irá aprofundar-se nas complexidades do projeto, nas suas características únicas e nas implicações para o domínio das criptomoedas. O que é o Agent S? O Agent S é um framework aberto e agente, especificamente concebido para abordar três desafios fundamentais na automação de tarefas computacionais: Aquisição de Conhecimento Específico de Domínio: O framework aprende inteligentemente a partir de várias fontes de conhecimento externas e experiências internas. Esta abordagem dupla capacita-o a construir um rico repositório de conhecimento específico de domínio, melhorando o seu desempenho na execução de tarefas. Planeamento ao Longo de Longos Horizontes de Tarefas: O Agent S emprega planeamento hierárquico aumentado por experiência, uma abordagem estratégica que facilita a decomposição e execução eficientes de tarefas intrincadas. Esta característica melhora significativamente a sua capacidade de gerir múltiplas subtarefas de forma eficiente e eficaz. Gestão de Interfaces Dinâmicas e Não Uniformes: O projeto introduz a Interface Agente-Computador (ACI), uma solução inovadora que melhora a interação entre agentes e utilizadores. Utilizando Modelos de Linguagem Multimodais de Grande Escala (MLLMs), o Agent S pode navegar e manipular diversas interfaces gráficas de utilizador de forma fluida. Através destas características pioneiras, o Agent S fornece um framework robusto que aborda as complexidades envolvidas na automação da interação humana com máquinas, preparando o terreno para uma infinidade de aplicações em IA e além. Quem é o Criador do Agent S? Embora o conceito de Agent S seja fundamentalmente inovador, informações específicas sobre o seu criador permanecem elusivas. O criador é atualmente desconhecido, o que destaca ou o estágio nascente do projeto ou a escolha estratégica de manter os membros fundadores em anonimato. Independentemente da anonimidade, o foco permanece nas capacidades e no potencial do framework. Quem são os Investidores do Agent S? Como o Agent S é relativamente novo no ecossistema criptográfico, informações detalhadas sobre os seus investidores e financiadores não estão explicitamente documentadas. A falta de informações disponíveis publicamente sobre as fundações de investimento ou organizações que apoiam o projeto levanta questões sobre a sua estrutura de financiamento e roteiro de desenvolvimento. Compreender o apoio é crucial para avaliar a sustentabilidade do projeto e o seu impacto potencial no mercado. Como Funciona o Agent S? No núcleo do Agent S reside uma tecnologia de ponta que lhe permite funcionar eficazmente em diversos ambientes. O seu modelo operacional é construído em torno de várias características-chave: Interação Humano-Computador Semelhante: O framework oferece planeamento avançado em IA, esforçando-se para tornar as interações com computadores mais intuitivas. Ao imitar o comportamento humano na execução de tarefas, promete elevar as experiências dos utilizadores. Memória Narrativa: Utilizada para aproveitar experiências de alto nível, o Agent S utiliza memória narrativa para acompanhar os históricos de tarefas, melhorando assim os seus processos de tomada de decisão. Memória Episódica: Esta característica fornece aos utilizadores orientações passo a passo, permitindo que o framework ofereça suporte contextual à medida que as tarefas se desenrolam. Suporte para OpenACI: Com a capacidade de funcionar localmente, o Agent S permite que os utilizadores mantenham o controlo sobre as suas interações e fluxos de trabalho, alinhando-se com a ética descentralizada do Web3. Fácil Integração com APIs Externas: A sua versatilidade e compatibilidade com várias plataformas de IA garantem que o Agent S possa integrar-se perfeitamente em ecossistemas tecnológicos existentes, tornando-o uma escolha apelativa para desenvolvedores e organizações. Estas funcionalidades contribuem coletivamente para a posição única do Agent S no espaço cripto, à medida que automatiza tarefas complexas e em múltiplos passos com mínima intervenção humana. À medida que o projeto evolui, as suas potenciais aplicações no Web3 podem redefinir a forma como as interações digitais se desenrolam. Cronologia do Agent S O desenvolvimento e os marcos do Agent S podem ser encapsulados numa cronologia que destaca os seus eventos significativos: 27 de Setembro de 2024: O conceito de Agent S foi lançado num artigo de pesquisa abrangente intitulado “Um Framework Agente Aberto que Usa Computadores como um Humano”, mostrando a base para o projeto. 10 de Outubro de 2024: O artigo de pesquisa foi disponibilizado publicamente no arXiv, oferecendo uma exploração aprofundada do framework e da sua avaliação de desempenho com base no benchmark OSWorld. 12 de Outubro de 2024: Uma apresentação em vídeo foi lançada, proporcionando uma visão visual das capacidades e características do Agent S, envolvendo ainda mais potenciais utilizadores e investidores. Estes marcos na cronologia não apenas ilustram o progresso do Agent S, mas também indicam o seu compromisso com a transparência e o envolvimento da comunidade. Pontos-Chave Sobre o Agent S À medida que o framework Agent S continua a evoluir, várias características-chave destacam-se, sublinhando a sua natureza inovadora e potencial: Framework Inovador: Concebido para proporcionar um uso intuitivo de computadores semelhante à interação humana, o Agent S traz uma abordagem nova à automação de tarefas. Interação Autónoma: A capacidade de interagir autonomamente com computadores através de GUI significa um avanço em direção a soluções computacionais mais inteligentes e eficientes. Automação de Tarefas Complexas: Com a sua metodologia robusta, pode automatizar tarefas complexas e em múltiplos passos, tornando os processos mais rápidos e menos propensos a erros. Melhoria Contínua: Os mecanismos de aprendizagem permitem que o Agent S melhore a partir de experiências passadas, aprimorando continuamente o seu desempenho e eficácia. Versatilidade: A sua adaptabilidade em diferentes ambientes operacionais, como OSWorld e WindowsAgentArena, garante que pode servir uma ampla gama de aplicações. À medida que o Agent S se posiciona no panorama do Web3 e das criptomoedas, o seu potencial para melhorar as capacidades de interação e automatizar processos significa um avanço significativo nas tecnologias de IA. Através do seu framework inovador, o Agent S exemplifica o futuro das interações digitais, prometendo uma experiência mais fluida e eficiente para os utilizadores em diversas indústrias. Conclusão O Agent S representa um ousado avanço na união da IA e do Web3, com a capacidade de redefinir a forma como interagimos com a tecnologia. Embora ainda esteja nas suas fases iniciais, as possibilidades para a sua aplicação são vastas e cativantes. Através do seu framework abrangente que aborda desafios críticos, o Agent S visa trazer interações autónomas para o primeiro plano da experiência digital. À medida que avançamos mais profundamente nos domínios das criptomoedas e da descentralização, projetos como o Agent S desempenharão, sem dúvida, um papel crucial na formação do futuro da tecnologia e da colaboração humano-computador.

686 Visualizações TotaisPublicado em {updateTime}Atualizado em 2025.01.14

Como comprar S

Bem-vindo à HTX.com!Tornámos a compra de Sonic (S) simples e conveniente.Segue o nosso guia passo a passo para iniciar a tua jornada no mundo das criptos.Passo 1: cria a tua conta HTXUtiliza o teu e-mail ou número de telefone para te inscreveres numa conta gratuita na HTX.Desfruta de um processo de inscrição sem complicações e desbloqueia todas as funcionalidades.Obter a minha contaPasso 2: vai para Comprar Cripto e escolhe o teu método de pagamentoCartão de crédito/débito: usa o teu visa ou mastercard para comprar Sonic (S) instantaneamente.Saldo: usa os fundos da tua conta HTX para transacionar sem problemas.Terceiros: adicionamos métodos de pagamento populares, como Google Pay e Apple Pay, para aumentar a conveniência.P2P: transaciona diretamente com outros utilizadores na HTX.Mercado de balcão (OTC): oferecemos serviços personalizados e taxas de câmbio competitivas para os traders.Passo 3: armazena teu Sonic (S)Depois de comprar o teu Sonic (S), armazena-o na tua conta HTX.Alternativamente, podes enviá-lo para outro lugar através de transferência blockchain ou usá-lo para transacionar outras criptomoedas.Passo 4: transaciona Sonic (S)Transaciona facilmente Sonic (S) no mercado à vista da HTX.Acede simplesmente à tua conta, seleciona o teu par de trading, executa as tuas transações e monitoriza em tempo real.Oferecemos uma experiência de fácil utilização tanto para principiantes como para traders experientes.

1.3k Visualizações TotaisPublicado em {updateTime}Atualizado em 2026.06.02

Discussões

Bem-vindo à Comunidade HTX. Aqui, pode manter-se informado sobre os mais recentes desenvolvimentos da plataforma e obter acesso a análises profissionais de mercado. As opiniões dos utilizadores sobre o preço de S (S) são apresentadas abaixo.

Categorias populares

Industry News2,563 itens de notícias