Binance Square

发牌手11

78 Seko
50 Sekotāji
392 Patika
4 Kopīgots
Publikācijas
·
--
Skatīt tulkojumu
DeFi这玩意我玩了快三年,到现在还是觉得对普通人太不友好了。讲真,我第一次接触OpenLedger之前,在DeFi里赚到钱的前提是得会看APY陷阱,得懂无常损失,得会算gas成本,还得在不同协议之间手动倒腾资金做套利。我去年帮一个完全不懂Web3的朋友配了个收益组合,光是教他怎么用钱包签名、怎么看池子的TVL变化,就花了我整整一个下午。最后他还是没搞懂,钱存进去之后每天都来问我"这个数字怎么动了"。@Openledger OpenLedger这次把ERC-4626金库和AI策略绑在一起做的事,我觉得是真的在解决这个痛点。用户端的体验简化到只需要一个动作:存钱。但简化的背后不是什么都没发生,是AI在实时调用Datanet的链上数据做策略再平衡,找池子、做复利、避开收益率陷阱这些事还是在发生,只是从用户侧消失了。你想啊,这跟传统基金的逻辑其实是一样的,你买一只主动基金,你也不需要知道基金经理今天买了什么,区别是这里的基金经理是一个链上可验证的AI模型,所有操作都有记录。$OPEN 我自己上周存了500刀进去试,前后操作时间不到两分钟,连接钱包确认交易就完成了,中间没有任何选择题,没有让我在三个池子里挑一个,也没有让我设置滑点和复利频率。这种体验在DeFi里讲真挺罕见的,大多数产品恨不得把所有参数都甩给用户自己配。#OpenLedger 不过我心里也直犯嘀咕。AI替你做决策的另一面,是你彻底失去了对策略的掌控感,万一AI在某个极端行情里出了问题,普通用户连反应的机会都没有。这是走向大众必须付出的代价,但我觉得OpenLedger现在最需要做的一件事,是把AI的历史决策和回撤数据做成一个普通人看得懂的面板,让用户在存钱之前能看到这个AI过去扛没扛住过压力,而不是让人蒙着眼睛信任一个模型。
DeFi这玩意我玩了快三年,到现在还是觉得对普通人太不友好了。讲真,我第一次接触OpenLedger之前,在DeFi里赚到钱的前提是得会看APY陷阱,得懂无常损失,得会算gas成本,还得在不同协议之间手动倒腾资金做套利。我去年帮一个完全不懂Web3的朋友配了个收益组合,光是教他怎么用钱包签名、怎么看池子的TVL变化,就花了我整整一个下午。最后他还是没搞懂,钱存进去之后每天都来问我"这个数字怎么动了"。@OpenLedger
OpenLedger这次把ERC-4626金库和AI策略绑在一起做的事,我觉得是真的在解决这个痛点。用户端的体验简化到只需要一个动作:存钱。但简化的背后不是什么都没发生,是AI在实时调用Datanet的链上数据做策略再平衡,找池子、做复利、避开收益率陷阱这些事还是在发生,只是从用户侧消失了。你想啊,这跟传统基金的逻辑其实是一样的,你买一只主动基金,你也不需要知道基金经理今天买了什么,区别是这里的基金经理是一个链上可验证的AI模型,所有操作都有记录。$OPEN
我自己上周存了500刀进去试,前后操作时间不到两分钟,连接钱包确认交易就完成了,中间没有任何选择题,没有让我在三个池子里挑一个,也没有让我设置滑点和复利频率。这种体验在DeFi里讲真挺罕见的,大多数产品恨不得把所有参数都甩给用户自己配。#OpenLedger
不过我心里也直犯嘀咕。AI替你做决策的另一面,是你彻底失去了对策略的掌控感,万一AI在某个极端行情里出了问题,普通用户连反应的机会都没有。这是走向大众必须付出的代价,但我觉得OpenLedger现在最需要做的一件事,是把AI的历史决策和回撤数据做成一个普通人看得懂的面板,让用户在存钱之前能看到这个AI过去扛没扛住过压力,而不是让人蒙着眼睛信任一个模型。
Skatīt tulkojumu
圈里聊Genius,我听到最多的一句话是"它快赶上CEX体验了"。每次听到这话我都想接一句——Genius哪是在追CEX,它走的根本不是同一条路。@GeniusOfficial 追赶这个词本身就有问题。你追赶谁,意味着你拿对方当标准。可CEX那套标准是为中心化托管、KYC、合规框架量身做的,链上为啥要照搬?链上有一堆CEX给不了你的东西:早期资产第一时间能买到、市场24小时没人能关、资产是你自己的没人能冻结、想隐私执行就隐私执行。这些不是CEX体验的补丁,这是另一套游戏规则。 Genius聪明就聪明在它没把自己框在"做一个更好的链上CEX"这个目标里。MPC、智能路由、隐私订单、跨链一次确认,合起来搭的是一个CEX压根做不出来的东西——既丝滑又自托管、既快又能直接进早期市场。这是CEX的进化版吗?不是,这是另一种形态。 我自己用下来最有感触的是早期资产那块。某个新Token刚开池子,在CEX上你压根买不到,得等上线、过审、开放交易,流程跑完机会早过了。Genius上直接进去,执行体感跟交易所下市价单差不多。这事CEX架构再优化也做不了,因为规则不允许。 链上交易不需要变成CEX的复制品。它本来就该是另一种东西,只是过去工具没跟上,大家被迫拿CEX当参照系。Genius在做的,是让链上终于有底气定义自己。 值不值得跟,自己判断。 #genius $GENIUS
圈里聊Genius,我听到最多的一句话是"它快赶上CEX体验了"。每次听到这话我都想接一句——Genius哪是在追CEX,它走的根本不是同一条路。@GeniusOfficial
追赶这个词本身就有问题。你追赶谁,意味着你拿对方当标准。可CEX那套标准是为中心化托管、KYC、合规框架量身做的,链上为啥要照搬?链上有一堆CEX给不了你的东西:早期资产第一时间能买到、市场24小时没人能关、资产是你自己的没人能冻结、想隐私执行就隐私执行。这些不是CEX体验的补丁,这是另一套游戏规则。
Genius聪明就聪明在它没把自己框在"做一个更好的链上CEX"这个目标里。MPC、智能路由、隐私订单、跨链一次确认,合起来搭的是一个CEX压根做不出来的东西——既丝滑又自托管、既快又能直接进早期市场。这是CEX的进化版吗?不是,这是另一种形态。
我自己用下来最有感触的是早期资产那块。某个新Token刚开池子,在CEX上你压根买不到,得等上线、过审、开放交易,流程跑完机会早过了。Genius上直接进去,执行体感跟交易所下市价单差不多。这事CEX架构再优化也做不了,因为规则不允许。
链上交易不需要变成CEX的复制品。它本来就该是另一种东西,只是过去工具没跟上,大家被迫拿CEX当参照系。Genius在做的,是让链上终于有底气定义自己。
值不值得跟,自己判断。
#genius $GENIUS
Raksts
Skatīt tulkojumu
OpenLedger接了一个接口,整个DeFi生态都可以直接插进来用ERC-4626这个标准我最早是在2023年的时候第一次接触的,当时心里直犯嘀咕,觉得不就是一个金库接口的统一规范吗,能有多大用处。后来看Yearn、Morpho、Pendle这些项目陆续都开始用4626作为底层接口,我才慢慢反应过来,这玩意的价值不在标准本身,在它解锁的可组合性。OpenLedger这次把AI收益策略包装成4626金库这个动作,我五月这周翻它的合约才看明白,意义比我一开始以为的大得多。 $OPEN 你想啊,传统的DeFi协议要接入一个新的收益策略,是个什么流程。双方的工程师要开会对接,合约接口要改,前端要适配,安全审计要重做一遍,整个周期下来短则一个月长则半年。这个阻力大到什么程度,大到很多明明很好的策略最后只能在自己的池子里转,没办法分发出去。我之前看过一个做RWA收益的项目,产品本身做得不错,但因为接口不标准,谈了三家聚合器谈了快半年才接进去一家,等接进去的时候市场热度都过了。 ERC-4626解决的就是这个问题。说白了它就是给所有金库类产品定了一套统一的存款、取款、份额计算的接口,任何一个DeFi协议只要支持4626,就能在不改一行代码的情况下接入任何一个4626金库。这个事的杀伤力在于它把分发的边际成本从"高"直接打到了"接近零"。OpenLedger把AI收益策略做成4626金库之后,理论上Yearn可以直接把它列为策略选项,DeFi聚合器可以直接路由进来,钱包可以直接展示给用户当作一个收益产品。 我自己上周做了一个测试,把一小笔钱大概200刀的稳定币存进了OpenLedger的一个4626金库,然后通过一个第三方聚合器查询份额,结果是直接能查到的,没有任何额外配置。这个体验讲真挺让我惊讶的,因为我之前用过一些自定义金库的产品,第三方工具基本都查不到准确数据。4626把这件事变成了默认能用,这是质的差别。 但更有意思的是这件事对OpenLedger商业模式的撬动。OpenLedger的AI收益策略本质上是用Datanet的链上数据训练出来的模型在做交易决策,这些策略如果只能在自己的产品里分发,规模天花板很低。一旦接上4626,就等于把分发渠道从一个变成了几十个,每多一个支持4626的聚合器接进来,OpenLedger的AUM就多一个增量入口。而且这种增长不需要OpenLedger去BD去谈合作,是被动发生的,对方协议为了给自己用户提供更多收益选项,会主动来集成。#OpenLedger 从机制层面再往深挖一层,这件事还有一个隐藏的好处。AI策略最大的痛点是信任问题,一个黑盒模型凭什么让用户把钱交给它管。4626金库的设计让份额、净值、收益曲线全都是链上可验证的,任何人都可以拿到历史数据自己跑回测。这就把"相信这个AI能赚钱"的门槛,变成了"看历史数据决定要不要存",决策路径完全不一样了。我自己做这种早期产品的尽调,最在意的就是有没有可验证的链上历史,4626把这件事做成了标准动作。 不过我也得说一些不那么乐观的事。4626标准本身只解决接口统一问题,不解决底层策略好不好的问题。OpenLedger的AI策略目前还在早期,历史数据不够长,回撤控制能不能扛住极端行情还没经历过真正的考验。我看了它公开的几个金库,运行时间最长的也就三个多月,这点数据放DeFi里完全不够。聚合器要不要接,最终还是要看策略本身能不能稳定跑出超额收益,4626只是把门打开了,进不进得去还得看产品力。 @Openledger 还有一个隐藏的风险是同质化竞争。4626标准用得越广,意味着所有金库都在同一个跑道上比拼,OpenLedger的AI策略如果不能在收益率或者风险调整后收益上明显领先,就会被聚合器筛掉。被动分发的另一面是被动比较,这两件事是一体两面的。 但我整体看好这步棋。OpenLedger用一个已经被市场验证过的接口标准,把自己的AI收益策略嵌进了整个DeFi的可组合性网络里,这种打法比自己做前端拉用户聪明得多。接下来三到六个月我会重点看两个数据,一个是支持OpenLedger 4626金库的协议数量增长,一个是金库AUM从外部协议引流过来的占比。如果第一个数据上得快,说明分发跑通了,如果第二个占比能超过五成,说明可组合性这条路真的走出来了。

OpenLedger接了一个接口,整个DeFi生态都可以直接插进来用

ERC-4626这个标准我最早是在2023年的时候第一次接触的,当时心里直犯嘀咕,觉得不就是一个金库接口的统一规范吗,能有多大用处。后来看Yearn、Morpho、Pendle这些项目陆续都开始用4626作为底层接口,我才慢慢反应过来,这玩意的价值不在标准本身,在它解锁的可组合性。OpenLedger这次把AI收益策略包装成4626金库这个动作,我五月这周翻它的合约才看明白,意义比我一开始以为的大得多。 $OPEN
你想啊,传统的DeFi协议要接入一个新的收益策略,是个什么流程。双方的工程师要开会对接,合约接口要改,前端要适配,安全审计要重做一遍,整个周期下来短则一个月长则半年。这个阻力大到什么程度,大到很多明明很好的策略最后只能在自己的池子里转,没办法分发出去。我之前看过一个做RWA收益的项目,产品本身做得不错,但因为接口不标准,谈了三家聚合器谈了快半年才接进去一家,等接进去的时候市场热度都过了。
ERC-4626解决的就是这个问题。说白了它就是给所有金库类产品定了一套统一的存款、取款、份额计算的接口,任何一个DeFi协议只要支持4626,就能在不改一行代码的情况下接入任何一个4626金库。这个事的杀伤力在于它把分发的边际成本从"高"直接打到了"接近零"。OpenLedger把AI收益策略做成4626金库之后,理论上Yearn可以直接把它列为策略选项,DeFi聚合器可以直接路由进来,钱包可以直接展示给用户当作一个收益产品。
我自己上周做了一个测试,把一小笔钱大概200刀的稳定币存进了OpenLedger的一个4626金库,然后通过一个第三方聚合器查询份额,结果是直接能查到的,没有任何额外配置。这个体验讲真挺让我惊讶的,因为我之前用过一些自定义金库的产品,第三方工具基本都查不到准确数据。4626把这件事变成了默认能用,这是质的差别。
但更有意思的是这件事对OpenLedger商业模式的撬动。OpenLedger的AI收益策略本质上是用Datanet的链上数据训练出来的模型在做交易决策,这些策略如果只能在自己的产品里分发,规模天花板很低。一旦接上4626,就等于把分发渠道从一个变成了几十个,每多一个支持4626的聚合器接进来,OpenLedger的AUM就多一个增量入口。而且这种增长不需要OpenLedger去BD去谈合作,是被动发生的,对方协议为了给自己用户提供更多收益选项,会主动来集成。#OpenLedger
从机制层面再往深挖一层,这件事还有一个隐藏的好处。AI策略最大的痛点是信任问题,一个黑盒模型凭什么让用户把钱交给它管。4626金库的设计让份额、净值、收益曲线全都是链上可验证的,任何人都可以拿到历史数据自己跑回测。这就把"相信这个AI能赚钱"的门槛,变成了"看历史数据决定要不要存",决策路径完全不一样了。我自己做这种早期产品的尽调,最在意的就是有没有可验证的链上历史,4626把这件事做成了标准动作。
不过我也得说一些不那么乐观的事。4626标准本身只解决接口统一问题,不解决底层策略好不好的问题。OpenLedger的AI策略目前还在早期,历史数据不够长,回撤控制能不能扛住极端行情还没经历过真正的考验。我看了它公开的几个金库,运行时间最长的也就三个多月,这点数据放DeFi里完全不够。聚合器要不要接,最终还是要看策略本身能不能稳定跑出超额收益,4626只是把门打开了,进不进得去还得看产品力。 @OpenLedger
还有一个隐藏的风险是同质化竞争。4626标准用得越广,意味着所有金库都在同一个跑道上比拼,OpenLedger的AI策略如果不能在收益率或者风险调整后收益上明显领先,就会被聚合器筛掉。被动分发的另一面是被动比较,这两件事是一体两面的。
但我整体看好这步棋。OpenLedger用一个已经被市场验证过的接口标准,把自己的AI收益策略嵌进了整个DeFi的可组合性网络里,这种打法比自己做前端拉用户聪明得多。接下来三到六个月我会重点看两个数据,一个是支持OpenLedger 4626金库的协议数量增长,一个是金库AUM从外部协议引流过来的占比。如果第一个数据上得快,说明分发跑通了,如果第二个占比能超过五成,说明可组合性这条路真的走出来了。
Skatīt tulkojumu
我电脑桌面以前常驻十几个标签页:DEX一个、跨链桥一个、行情站一个、仓位追踪一个。每次开盘前光把这些打开、对齐状态,就得花掉一刻钟。用了@GeniusOfficial 之后,这堆标签页才慢慢被关掉。 链上交易者过的是啥日子,老炮儿心里有数。看池子深度去聚合器,调仓跨链去桥,盯浮亏开另一个面板,算手续费还得自己敲计算器。表面上在交易,实际上大半精力耗在工具切换上。一笔操作做完,人已经累了一半。 Genius想干的事说白了就一句——把交易者所有该有的动作收进同一个屋子。行情、下单、跨链、仓位全在一个界面里跑,不用每次开机重新搭一遍工作台。它不是要替你打仗,是给你一个不用每天搬家的指挥部。 当然我也不想吹太满。把所有功能压进一个平台,单点风险也跟着放大。万一$GENIUS 自己出问题,你就真的无家可归。我现在的做法是把它当主场,但保留一两个备用工具,关键时刻能切过去,这是混久了留下的本能。 真正的交易者赚的是判断的钱,不是体力的钱。能把每天耗在工具上的时间省出来,这本身就是实实在在的价值。 目前七分肯定,剩下的留给时间验证,DYOR。 #genius
我电脑桌面以前常驻十几个标签页:DEX一个、跨链桥一个、行情站一个、仓位追踪一个。每次开盘前光把这些打开、对齐状态,就得花掉一刻钟。用了@GeniusOfficial 之后,这堆标签页才慢慢被关掉。
链上交易者过的是啥日子,老炮儿心里有数。看池子深度去聚合器,调仓跨链去桥,盯浮亏开另一个面板,算手续费还得自己敲计算器。表面上在交易,实际上大半精力耗在工具切换上。一笔操作做完,人已经累了一半。
Genius想干的事说白了就一句——把交易者所有该有的动作收进同一个屋子。行情、下单、跨链、仓位全在一个界面里跑,不用每次开机重新搭一遍工作台。它不是要替你打仗,是给你一个不用每天搬家的指挥部。
当然我也不想吹太满。把所有功能压进一个平台,单点风险也跟着放大。万一$GENIUS 自己出问题,你就真的无家可归。我现在的做法是把它当主场,但保留一两个备用工具,关键时刻能切过去,这是混久了留下的本能。
真正的交易者赚的是判断的钱,不是体力的钱。能把每天耗在工具上的时间省出来,这本身就是实实在在的价值。
目前七分肯定,剩下的留给时间验证,DYOR。
#genius
Skatīt tulkojumu
地下室盖了一年,OctoClaw是@Openledger 第一扇对外开的门。很多Web3项目的节奏是这样的:发一个大公告,然后消失三个月,再发一个更大的公告。OctoClaw不是这个路子。我这周去翻官网,版本号已经到了1.0.2,这个细节我觉得比任何路线图都有说服力,因为版本号是骗不了人的,它意味着有人在持续推代码、发更新、处理用户反馈,不是在做PPT。 从1.0到1.0.1再到1.0.2,时间跨度不长,这种迭代节奏在Web3项目里算快的。通常一个链上AI产品刚发布的时候,团队的精力大半都在处理社区情绪和代币价格,真正坐下来改产品的时间反而被压缩。OctoClaw能在这个阶段保持这个频率,说明团队的优先级排得比较清楚,产品交付在前,其他的在后。 不过我也不想把这件事说得太满。1.0.2是小版本迭代,修的大概率是稳定性和小功能,不是架构级的东西。真正能说明执行力的,是接下来能不能在用户量上来之后还保持这个节奏,还是说等压力大了就开始拖。 我现在对OctoClaw团队的看法是,至少他们在做产品这件事上是认真的,没有摆烂。对一个还在早期的Web3项目来说,这一点其实不是理所当然的。 #openledger $OPEN
地下室盖了一年,OctoClaw是@OpenLedger 第一扇对外开的门。很多Web3项目的节奏是这样的:发一个大公告,然后消失三个月,再发一个更大的公告。OctoClaw不是这个路子。我这周去翻官网,版本号已经到了1.0.2,这个细节我觉得比任何路线图都有说服力,因为版本号是骗不了人的,它意味着有人在持续推代码、发更新、处理用户反馈,不是在做PPT。
从1.0到1.0.1再到1.0.2,时间跨度不长,这种迭代节奏在Web3项目里算快的。通常一个链上AI产品刚发布的时候,团队的精力大半都在处理社区情绪和代币价格,真正坐下来改产品的时间反而被压缩。OctoClaw能在这个阶段保持这个频率,说明团队的优先级排得比较清楚,产品交付在前,其他的在后。
不过我也不想把这件事说得太满。1.0.2是小版本迭代,修的大概率是稳定性和小功能,不是架构级的东西。真正能说明执行力的,是接下来能不能在用户量上来之后还保持这个节奏,还是说等压力大了就开始拖。
我现在对OctoClaw团队的看法是,至少他们在做产品这件事上是认真的,没有摆烂。对一个还在早期的Web3项目来说,这一点其实不是理所当然的。
#openledger $OPEN
Raksts
Skatīt tulkojumu
地下室盖了一年,OctoClaw是OpenLedger第一扇对外开的门OpenLedger做了一年多基础设施,Datanet、Model Factory、链上归因这些东西,普通用户其实根本看不见也用不到。我自己五月这周翻它的GitHub和文档,越看越觉得这个项目像在地下室里盖房子,地基打得很扎,但你从街上路过完全不知道里面在干什么。OctoClaw这个产品的出现,我觉得是@Openledger 第一次把头探出地面,让外面的人能看见它在做什么。 之前的产品线全是给开发者准备的。你要用Datanet,得懂数据上链、贡献权重、归因证明这套东西,门槛不低。Model Factory也是一样,能上手训练模型的人本来就不多,再叠加链上工具的学习成本,普通用户基本被挡在门外。$OPEN 的代币和叙事讲了一年,但真正能让一个完全不懂Web3的人在五分钟内用起来的产品,之前一个都没有。这是它增长曲线一直起不来的根本原因,不是技术不行,是没有前台。 OctoClaw的设计走的是另一条路。它把底层的Datanet调用、模型推理、链上归因这些东西全都藏在了一个对话框后面,用户看到的就是一个能聊天能查数据能做任务的AI助手,跟用普通的AI产品几乎没区别。但每一次调用背后,实际上都在触发OpenLedger链上的分润流程,数据提供方、模型训练者、节点运营者都能拿到对应的OPEN代币。用户不需要知道这些,他只要觉得这个AI好用就行。这种设计我觉得很聪明,前台是消费品逻辑,后台是基础设施逻辑,两边的体验完全解耦。 这里有一个转折点值得细说。OctoClaw如果能做到几十万的月活,对整个#OpenLedger 网络的拉动是几何级的。因为每一个OctoClaw用户都是Datanet数据的真实消费者,他们的每次调用都在给数据贡献者发钱,给模型训练者发钱。这会让原本只有少数极客愿意贡献数据的状态,转变成有真实需求驱动的市场。供需两端一旦被打通,飞轮才会真的开始转起来。之前OpenLedger的增长一直靠激励补贴撑着,用户来了拿完奖励就走,留存极差。OctoClaw如果能把"用得爽"做出来,留存的逻辑就完全不一样了。 我自己试用了OctoClaw的内测版本几天,做了几个金融数据查询和链上地址分析的任务,体验比我预期要好。响应速度还可以,回答的准确度在金融这个垂类上明显比通用大模型强,因为后面接的Datanet里有专门的金融数据集。这个差距是肉眼能感觉到的,不是营销话术。但我也不想说得太满,OctoClaw目前在通用任务上还是不如成熟的AI产品流畅,复杂多轮对话的表现有点跟不上,文件处理能力也偏弱,这些都是要补的功课。 战略意义这件事还得从更大的层面看。AI赛道的项目99%都在卷模型本身,OctoClaw的差异化不在模型,而在它背后的归因和分润机制。同样一个回答,用OctoClaw产生的价值会回流给数据贡献者,用别的AI产品产生的价值就全归平台方了。这个差别短期内用户感受不到,但长期看是两套完全不同的价值分配方式。如果AI生成内容的版权和数据使用费这件事在监管层面被认真对待,OctoClaw这种合规路径的竞争优势会被放大。如果监管始终是个软约束,那OctoClaw的差异化就只剩用户体验本身能不能打。 OctoClaw的风险我觉得也很清楚,但不是三条并排摆出来那么简单。它要跟那些已经有几亿用户的成熟AI产品正面竞争,用户迁移的阻力非常大,光靠归因机制讲故事拉不动普通人,这是最现实的一道坎。再往深一层,OpenLedger链上的数据质量参差,OctoClaw的回答质量天花板就被Datanet的质量卡住,这块如果不能持续提升,用户体验会到一个点就上不去了。而且分润机制如果没有形成正向循环,贡献者赚不到钱就不会持续贡献,数据池会慢慢枯竭,这三件事是连着的,任何一环断掉都会影响另外两环。 但我整体还是看好OctoClaw这步棋。它让OpenLedger第一次有了一张能给普通用户看的脸,从一个开发者圈子里的项目,变成了一个有消费级产品入口的项目。这个转变对估值的影响是根本性的,不只是多了一个产品那么简单。我现在的看法是。接下来半年OctoClaw的月活数据、留存数据、还有Datanet调用频次这三个指标,会直接告诉我们这步棋走对了没有。

地下室盖了一年,OctoClaw是OpenLedger第一扇对外开的门

OpenLedger做了一年多基础设施,Datanet、Model Factory、链上归因这些东西,普通用户其实根本看不见也用不到。我自己五月这周翻它的GitHub和文档,越看越觉得这个项目像在地下室里盖房子,地基打得很扎,但你从街上路过完全不知道里面在干什么。OctoClaw这个产品的出现,我觉得是@OpenLedger 第一次把头探出地面,让外面的人能看见它在做什么。
之前的产品线全是给开发者准备的。你要用Datanet,得懂数据上链、贡献权重、归因证明这套东西,门槛不低。Model Factory也是一样,能上手训练模型的人本来就不多,再叠加链上工具的学习成本,普通用户基本被挡在门外。$OPEN 的代币和叙事讲了一年,但真正能让一个完全不懂Web3的人在五分钟内用起来的产品,之前一个都没有。这是它增长曲线一直起不来的根本原因,不是技术不行,是没有前台。
OctoClaw的设计走的是另一条路。它把底层的Datanet调用、模型推理、链上归因这些东西全都藏在了一个对话框后面,用户看到的就是一个能聊天能查数据能做任务的AI助手,跟用普通的AI产品几乎没区别。但每一次调用背后,实际上都在触发OpenLedger链上的分润流程,数据提供方、模型训练者、节点运营者都能拿到对应的OPEN代币。用户不需要知道这些,他只要觉得这个AI好用就行。这种设计我觉得很聪明,前台是消费品逻辑,后台是基础设施逻辑,两边的体验完全解耦。
这里有一个转折点值得细说。OctoClaw如果能做到几十万的月活,对整个#OpenLedger 网络的拉动是几何级的。因为每一个OctoClaw用户都是Datanet数据的真实消费者,他们的每次调用都在给数据贡献者发钱,给模型训练者发钱。这会让原本只有少数极客愿意贡献数据的状态,转变成有真实需求驱动的市场。供需两端一旦被打通,飞轮才会真的开始转起来。之前OpenLedger的增长一直靠激励补贴撑着,用户来了拿完奖励就走,留存极差。OctoClaw如果能把"用得爽"做出来,留存的逻辑就完全不一样了。
我自己试用了OctoClaw的内测版本几天,做了几个金融数据查询和链上地址分析的任务,体验比我预期要好。响应速度还可以,回答的准确度在金融这个垂类上明显比通用大模型强,因为后面接的Datanet里有专门的金融数据集。这个差距是肉眼能感觉到的,不是营销话术。但我也不想说得太满,OctoClaw目前在通用任务上还是不如成熟的AI产品流畅,复杂多轮对话的表现有点跟不上,文件处理能力也偏弱,这些都是要补的功课。
战略意义这件事还得从更大的层面看。AI赛道的项目99%都在卷模型本身,OctoClaw的差异化不在模型,而在它背后的归因和分润机制。同样一个回答,用OctoClaw产生的价值会回流给数据贡献者,用别的AI产品产生的价值就全归平台方了。这个差别短期内用户感受不到,但长期看是两套完全不同的价值分配方式。如果AI生成内容的版权和数据使用费这件事在监管层面被认真对待,OctoClaw这种合规路径的竞争优势会被放大。如果监管始终是个软约束,那OctoClaw的差异化就只剩用户体验本身能不能打。
OctoClaw的风险我觉得也很清楚,但不是三条并排摆出来那么简单。它要跟那些已经有几亿用户的成熟AI产品正面竞争,用户迁移的阻力非常大,光靠归因机制讲故事拉不动普通人,这是最现实的一道坎。再往深一层,OpenLedger链上的数据质量参差,OctoClaw的回答质量天花板就被Datanet的质量卡住,这块如果不能持续提升,用户体验会到一个点就上不去了。而且分润机制如果没有形成正向循环,贡献者赚不到钱就不会持续贡献,数据池会慢慢枯竭,这三件事是连着的,任何一环断掉都会影响另外两环。
但我整体还是看好OctoClaw这步棋。它让OpenLedger第一次有了一张能给普通用户看的脸,从一个开发者圈子里的项目,变成了一个有消费级产品入口的项目。这个转变对估值的影响是根本性的,不只是多了一个产品那么简单。我现在的看法是。接下来半年OctoClaw的月活数据、留存数据、还有Datanet调用频次这三个指标,会直接告诉我们这步棋走对了没有。
Pirms pāris dienām grupā redzēju, kā kāds vecis ielika ekrānšāviņu, sakot, ka trijos naktī viņš noķēra jauna monētas atvēršanas iespēju. No signāla redzēšanas līdz pozīcijas izveidošanai pagāja 40 sekundes, un viņš nopelnīja trīs reizes vairāk, kad izsita. Viņš pievienoja frāzi, kas man palika prātā: "ja tu iekļūsi šādā iespējā divas minūtes vēlāk, tā būs bezvērtīga". Šī frāze patiesībā atspoguļo pašreizējo situāciju kriptovalūtu pasaulē – iespējas ir ar derīguma termiņu, un tas kļūst arvien īsāks. Es pēdējā laikā izmantoju @GeniusOfficial , lai tirgotos ar mazām monētām. Vispatīkamākais nav kādas augstākās funkcijas, bet gan tas, ka no brīža, kad redzi monētu, līdz pirkuma pabeigšanai, viss process tiek saīsināts līdz ļoti īsam laikam. Agrāk, meklējot iespējas blokķēdē, bija jāiet cauri visai procesam, kas prasīja divas līdz trīs minūtes, bet kad tu beidzot veici pasūtījumu, cena bieži jau bija mainījusies. $GENIUS šo procesu ir saspiests līdz dažām sekundēm. Reiz pirms tirdzniecības redzēju, ka jaunās monētas likviditāte tikko tika atbloķēta, un no klikšķa līdz pirkumam pagāja apmēram astoņas sekundes. Šāds ātrums straujas tirgus situācijās ir atšķirība starp peļņu un zaudējumiem. Kāpēc ātrums ir līdzvērtīgs iespējas derīguma termiņam, par to esmu domājis diezgan ilgi. Blokķēdes mazās monētas tirgus būtībā ir par to, kurš vispirms redz, tas vispirms rīkojas. 30 sekundes agrāk un divas minūtes vēlāk dažreiz ir trīs reizes lielāka peļņa vai iziešana pie nulles. Agrāk tu domāji, ka sacenšoties ar citiem mazajiem tirgotājiem, bet tagad patiesie pretinieki ir roboti un zinātnieku komandas ar īpašiem skriptiem, kuru izpildes ātrums ir milisekundes. Parastiem cilvēkiem vienīgais veids, kā sekot līdzi, ir maksimāli saīsināt savu darbību procesu. Genius Terminal šajā ziņā ir radīts ļoti agresīvi; jauno monētu sarakstā ir tieša vienkārša pirkšanas poga – tikai uzspied un darījums ir noslēgts, pat nav apstiprināšanas lapas. Pirmo reizi izmantojot, es gandrīz kļūdījos, nopērkot pārāk daudz, bet, kad pieradu, sapratu, kāpēc viņi to izveidoja – vēl viens apstiprinājuma solis varētu nozīmēt pusi mazāku peļņu. Tomēr šāda agresīva dizaina cena ir augsta. Vienkārša pirkšana nozīmē, ka kļūdu izmaksas pilnībā sedz lietotājs. Reiz man roka nedaudz paklupa, un es kļūdījos, zaudējot pāris desmitus dolāru, to uzskatot par mācību maksu. Un ātruma priekšrocība darbojas tikai mazajās monētās ar laika logiem; ja tu tirgo lielus apjomus vai vidēja un garā termiņa pozīcijas, šis dizains tev nav īpaši nozīmīgs. Genius Terminal ātruma priekšrocība mazajās monētās ir reāla, bet tā ir piemērota tiem, kas jau zina, ko vēlas darīt. #genius
Pirms pāris dienām grupā redzēju, kā kāds vecis ielika ekrānšāviņu, sakot, ka trijos naktī viņš noķēra jauna monētas atvēršanas iespēju. No signāla redzēšanas līdz pozīcijas izveidošanai pagāja 40 sekundes, un viņš nopelnīja trīs reizes vairāk, kad izsita. Viņš pievienoja frāzi, kas man palika prātā: "ja tu iekļūsi šādā iespējā divas minūtes vēlāk, tā būs bezvērtīga". Šī frāze patiesībā atspoguļo pašreizējo situāciju kriptovalūtu pasaulē – iespējas ir ar derīguma termiņu, un tas kļūst arvien īsāks.
Es pēdējā laikā izmantoju @GeniusOfficial , lai tirgotos ar mazām monētām. Vispatīkamākais nav kādas augstākās funkcijas, bet gan tas, ka no brīža, kad redzi monētu, līdz pirkuma pabeigšanai, viss process tiek saīsināts līdz ļoti īsam laikam. Agrāk, meklējot iespējas blokķēdē, bija jāiet cauri visai procesam, kas prasīja divas līdz trīs minūtes, bet kad tu beidzot veici pasūtījumu, cena bieži jau bija mainījusies. $GENIUS šo procesu ir saspiests līdz dažām sekundēm. Reiz pirms tirdzniecības redzēju, ka jaunās monētas likviditāte tikko tika atbloķēta, un no klikšķa līdz pirkumam pagāja apmēram astoņas sekundes. Šāds ātrums straujas tirgus situācijās ir atšķirība starp peļņu un zaudējumiem.
Kāpēc ātrums ir līdzvērtīgs iespējas derīguma termiņam, par to esmu domājis diezgan ilgi. Blokķēdes mazās monētas tirgus būtībā ir par to, kurš vispirms redz, tas vispirms rīkojas. 30 sekundes agrāk un divas minūtes vēlāk dažreiz ir trīs reizes lielāka peļņa vai iziešana pie nulles. Agrāk tu domāji, ka sacenšoties ar citiem mazajiem tirgotājiem, bet tagad patiesie pretinieki ir roboti un zinātnieku komandas ar īpašiem skriptiem, kuru izpildes ātrums ir milisekundes. Parastiem cilvēkiem vienīgais veids, kā sekot līdzi, ir maksimāli saīsināt savu darbību procesu. Genius Terminal šajā ziņā ir radīts ļoti agresīvi; jauno monētu sarakstā ir tieša vienkārša pirkšanas poga – tikai uzspied un darījums ir noslēgts, pat nav apstiprināšanas lapas. Pirmo reizi izmantojot, es gandrīz kļūdījos, nopērkot pārāk daudz, bet, kad pieradu, sapratu, kāpēc viņi to izveidoja – vēl viens apstiprinājuma solis varētu nozīmēt pusi mazāku peļņu.
Tomēr šāda agresīva dizaina cena ir augsta. Vienkārša pirkšana nozīmē, ka kļūdu izmaksas pilnībā sedz lietotājs. Reiz man roka nedaudz paklupa, un es kļūdījos, zaudējot pāris desmitus dolāru, to uzskatot par mācību maksu. Un ātruma priekšrocība darbojas tikai mazajās monētās ar laika logiem; ja tu tirgo lielus apjomus vai vidēja un garā termiņa pozīcijas, šis dizains tev nav īpaši nozīmīgs.
Genius Terminal ātruma priekšrocība mazajās monētās ir reāla, bet tā ir piemērota tiem, kas jau zina, ko vēlas darīt.
#genius
Skatīt tulkojumu
@Openledger 的增长里有一件事我觉得值得单独说,就是它的增长不是平的。 不是所有Datanet都在被调用,不是所有贡献者都在活跃上传,但金融和链上数据这两个方向的Datanet,我五月这周去看,调用频次明显比其他方向高出一截。这种分布本身就说明市场在用脚投票,哪个方向的数据有人要,哪个方向的贡献者就会越来越多,不是项目方人为推的,是自然筛出来的。 Proof of Attribution的分润这块我觉得是整个设计里最有意思的地方。它不按贡献数量结算,是按实际被调用的次数来,这意味着你贡献一堆没人用的数据,分到的$OPEN 代币就接近零,你贡献的数据被高频调用,分润就会持续流入。这种机制会把贡献者的精力往高质量数据上引,不是靠规则约束,是靠经济利益在驱动,这两件事的效果差距很大,我觉得Web3里真正把这个想清楚的项目不多。 我自己贡献的那份80MB金融数据,十来天分到的OPEN折合几美金,不多,但它告诉我这个调用是真的在发生,不是项目方刷出来的数字。这种增长是有质量加权在里面的,高频调用的数据带来更多贡献者,更多贡献者带来更高质量的数据,这个飞轮如果能持续转,OpenLedger的增长曲线会跟大多数Web3项目不一样。 Datanet质量参差不齐这个问题目前还没有很好的解决方案,低质量Datanet的存在会稀释整个平台的信誉,调用者踩了几次坑,下次就不一定还会来。这是我目前对#OpenLedger 最大的顾虑,不是代币价格,是数据质量能不能在规模扩张的同时保持住。飞轮能不能真的转起来,还得看接下来半年Datanet的淘汰率,这个数字比活跃钱包数更能说明问题。
@OpenLedger 的增长里有一件事我觉得值得单独说,就是它的增长不是平的。
不是所有Datanet都在被调用,不是所有贡献者都在活跃上传,但金融和链上数据这两个方向的Datanet,我五月这周去看,调用频次明显比其他方向高出一截。这种分布本身就说明市场在用脚投票,哪个方向的数据有人要,哪个方向的贡献者就会越来越多,不是项目方人为推的,是自然筛出来的。
Proof of Attribution的分润这块我觉得是整个设计里最有意思的地方。它不按贡献数量结算,是按实际被调用的次数来,这意味着你贡献一堆没人用的数据,分到的$OPEN 代币就接近零,你贡献的数据被高频调用,分润就会持续流入。这种机制会把贡献者的精力往高质量数据上引,不是靠规则约束,是靠经济利益在驱动,这两件事的效果差距很大,我觉得Web3里真正把这个想清楚的项目不多。
我自己贡献的那份80MB金融数据,十来天分到的OPEN折合几美金,不多,但它告诉我这个调用是真的在发生,不是项目方刷出来的数字。这种增长是有质量加权在里面的,高频调用的数据带来更多贡献者,更多贡献者带来更高质量的数据,这个飞轮如果能持续转,OpenLedger的增长曲线会跟大多数Web3项目不一样。
Datanet质量参差不齐这个问题目前还没有很好的解决方案,低质量Datanet的存在会稀释整个平台的信誉,调用者踩了几次坑,下次就不一定还会来。这是我目前对#OpenLedger 最大的顾虑,不是代币价格,是数据质量能不能在规模扩张的同时保持住。飞轮能不能真的转起来,还得看接下来半年Datanet的淘汰率,这个数字比活跃钱包数更能说明问题。
Raksts
Skatīt tulkojumu
OpenLedger这一波增长不像是炒出来的,是有人在认真用加密圈这两年最不缺的就是日活百万的项目,但你点进去看,活跃地址里大半都是机器人,剩下的都在薅空投,每天打开App认真做事的人没几个。所以我看一个项目有没有戏,从来不只看代币价格,更看它的链上数据有没有真实的增长。@Openledger 这次让我意外的不是它的代币表现,而是它在主网上线之后的几个月里,Datanet数量、模型调用次数、活跃贡献者地址都在稳步往上走,没有那种空投发完就断崖式回落的曲线。 我五月这周专门去看了一下OpenLedger上的Datanet分布,金融、医疗、内容创作、链上数据分析这几个方向都已经有像样的Datanet在运转,每个Datanet背后都有几十到几百个数据贡献者在持续上传内容。这件事跟我以前看的Web3数据项目不一样,以前那些项目大多是项目方自己发个种子数据集,然后等用户来贡献,结果用户来一波就走,数据集长期处于快要长起来但又没真长起来的状态。#OpenLedger 的Datanet至少看起来是有人愿意持续付出,这种持付出的动力来自Proof of Attribution的分润机制,每一次模型调用都会给数据贡献者结算一次$OPEN 代币,这个分润不需要等项目方心情好,是写在合约里的硬规则。 我有个做量化的朋友四月份开始用OpenLedger上的金融Datanet训练自己的小模型,他给我的反馈很直接,说这个东西最大的好处是数据来源清楚。以前他用公开数据集训练模型,最大的麻烦不是数据少,是数据质量参差不齐,不知道哪条数据是干净的,哪条数据已经被污染过。OpenLedger上的Datanet每一条数据都有贡献者地址、上传时间、来源标签,他可以根据这些标签做二次筛选,模型训练出来之后表现明显比之前用公开数据集要稳。这种数据可追溯的特性,对认真做模型的人来说是刚需,不是锦上添花。 更深一层看,OpenLedger的增长曲线跟一般DeFi项目不一样。一般DeFi协议的用户增长跟代币激励强相关,激励一停用户就走。OpenLedger是个AI数据基础设施,它的增长跟整个AI行业的训练数据需求绑在一起,只要AI公司还在持续训练新模型,OpenLedger作为数据供给层就有持续的调用流入,这种增长比纯靠激励撑起来的飞轮要稳得多。 我自己五月也做了一个小测试,把一份大概80MB的代币交易数据集贡献到OpenLedger的金融Datanet里,到现在大概十来天,已经有几次模型调用涉及到我的数据,分到的OPEN代币不算多,折合下来大概几美金。对我来说这件事的意义不在于赚到几美金,而在于我第一次看到一个数据贡献的链路从头到尾走完了,数据上传、模型训练、用户调用、分润结算,每一个环节都在链上有记录。 OctoClaw这个Agent调用接口也是OpenLedger增长里挺有意思的一块。它让任何AI Agent都能通过标准化API调用OpenLedger上的Datanet,调用一次扣一次OPEN代币,这个设计直接打开了Agent经济这条线的需求入口。我前段时间用一个开源Agent框架接入了OctoClaw,让它从金融Datanet里拉数据做行情分析,整个调用过程二十秒搞定,Gas费加数据费一共扣了不到0.3美金等值的OPEN,这种体验已经接近调用普通付费API的水平。如果Agent行业未来真的起量,OctoClaw会成为OpenLedger增长曲线上一个挺关键的拐点。 不过我也不想把OpenLedger的增长说得太满。从绝对数字看它的链上调用量跟传统AI公司每天的API调用量比还差好几个数量级,OpenAI一天的API调用次数是亿级,OpenLedger目前可能还在万级到十万级,这个差距说明它离主流AI使用入口还很远,但从他们的开发节奏和合作伙伴名单看,要追上头部至少需要两到三年时间。代币释放也是个持续的压力,OpenLedger的代币从2026年底开始进入36个月的解锁周期,如果链上调用量增长跟不上代币释放节奏,价格会一直承压,这种压力下用户对平台的信任也会跟着动摇。再一个是Datanet质量这件事,目前Datanet数量增长不慢,但每个Datanet的数据质量没法靠链上机制完全保证,一个低质量的Datanet训练出来的模型再合规也没人用,质量筛选这件事如果迟迟解决不了,会成为OpenLedger增长的天花板。 我对OpenLedger增长这件事的看法是,它跟很多靠空投催起来的项目不一样,它的增长是有具体使用场景在支撑的,数据贡献者愿意填东西,模型开发者愿意调用,Agent开发者愿意接入,这种多方需求同时存在的项目在Web3里不多见,光这一点就让它在长期里有比同类项目更稳的基本盘。但能不能持续把这个增长继续保持,取决于OpenLedger能不能在Datanet质量管理上做出有效机制,能不能在Agent经济起量之前撑住代币的释放压力,能不能持续吸引大型AI公司或者机构客户进来,这三件事每一件都不容易,做成了它就是下一个时代的AI数据底层协议,做不成就是又一个被时代错过的Web3 AI项目。

OpenLedger这一波增长不像是炒出来的,是有人在认真用

加密圈这两年最不缺的就是日活百万的项目,但你点进去看,活跃地址里大半都是机器人,剩下的都在薅空投,每天打开App认真做事的人没几个。所以我看一个项目有没有戏,从来不只看代币价格,更看它的链上数据有没有真实的增长。@OpenLedger 这次让我意外的不是它的代币表现,而是它在主网上线之后的几个月里,Datanet数量、模型调用次数、活跃贡献者地址都在稳步往上走,没有那种空投发完就断崖式回落的曲线。
我五月这周专门去看了一下OpenLedger上的Datanet分布,金融、医疗、内容创作、链上数据分析这几个方向都已经有像样的Datanet在运转,每个Datanet背后都有几十到几百个数据贡献者在持续上传内容。这件事跟我以前看的Web3数据项目不一样,以前那些项目大多是项目方自己发个种子数据集,然后等用户来贡献,结果用户来一波就走,数据集长期处于快要长起来但又没真长起来的状态。#OpenLedger 的Datanet至少看起来是有人愿意持续付出,这种持付出的动力来自Proof of Attribution的分润机制,每一次模型调用都会给数据贡献者结算一次$OPEN 代币,这个分润不需要等项目方心情好,是写在合约里的硬规则。
我有个做量化的朋友四月份开始用OpenLedger上的金融Datanet训练自己的小模型,他给我的反馈很直接,说这个东西最大的好处是数据来源清楚。以前他用公开数据集训练模型,最大的麻烦不是数据少,是数据质量参差不齐,不知道哪条数据是干净的,哪条数据已经被污染过。OpenLedger上的Datanet每一条数据都有贡献者地址、上传时间、来源标签,他可以根据这些标签做二次筛选,模型训练出来之后表现明显比之前用公开数据集要稳。这种数据可追溯的特性,对认真做模型的人来说是刚需,不是锦上添花。
更深一层看,OpenLedger的增长曲线跟一般DeFi项目不一样。一般DeFi协议的用户增长跟代币激励强相关,激励一停用户就走。OpenLedger是个AI数据基础设施,它的增长跟整个AI行业的训练数据需求绑在一起,只要AI公司还在持续训练新模型,OpenLedger作为数据供给层就有持续的调用流入,这种增长比纯靠激励撑起来的飞轮要稳得多。
我自己五月也做了一个小测试,把一份大概80MB的代币交易数据集贡献到OpenLedger的金融Datanet里,到现在大概十来天,已经有几次模型调用涉及到我的数据,分到的OPEN代币不算多,折合下来大概几美金。对我来说这件事的意义不在于赚到几美金,而在于我第一次看到一个数据贡献的链路从头到尾走完了,数据上传、模型训练、用户调用、分润结算,每一个环节都在链上有记录。
OctoClaw这个Agent调用接口也是OpenLedger增长里挺有意思的一块。它让任何AI Agent都能通过标准化API调用OpenLedger上的Datanet,调用一次扣一次OPEN代币,这个设计直接打开了Agent经济这条线的需求入口。我前段时间用一个开源Agent框架接入了OctoClaw,让它从金融Datanet里拉数据做行情分析,整个调用过程二十秒搞定,Gas费加数据费一共扣了不到0.3美金等值的OPEN,这种体验已经接近调用普通付费API的水平。如果Agent行业未来真的起量,OctoClaw会成为OpenLedger增长曲线上一个挺关键的拐点。
不过我也不想把OpenLedger的增长说得太满。从绝对数字看它的链上调用量跟传统AI公司每天的API调用量比还差好几个数量级,OpenAI一天的API调用次数是亿级,OpenLedger目前可能还在万级到十万级,这个差距说明它离主流AI使用入口还很远,但从他们的开发节奏和合作伙伴名单看,要追上头部至少需要两到三年时间。代币释放也是个持续的压力,OpenLedger的代币从2026年底开始进入36个月的解锁周期,如果链上调用量增长跟不上代币释放节奏,价格会一直承压,这种压力下用户对平台的信任也会跟着动摇。再一个是Datanet质量这件事,目前Datanet数量增长不慢,但每个Datanet的数据质量没法靠链上机制完全保证,一个低质量的Datanet训练出来的模型再合规也没人用,质量筛选这件事如果迟迟解决不了,会成为OpenLedger增长的天花板。
我对OpenLedger增长这件事的看法是,它跟很多靠空投催起来的项目不一样,它的增长是有具体使用场景在支撑的,数据贡献者愿意填东西,模型开发者愿意调用,Agent开发者愿意接入,这种多方需求同时存在的项目在Web3里不多见,光这一点就让它在长期里有比同类项目更稳的基本盘。但能不能持续把这个增长继续保持,取决于OpenLedger能不能在Datanet质量管理上做出有效机制,能不能在Agent经济起量之前撑住代币的释放压力,能不能持续吸引大型AI公司或者机构客户进来,这三件事每一件都不容易,做成了它就是下一个时代的AI数据底层协议,做不成就是又一个被时代错过的Web3 AI项目。
Skatīt tulkojumu
炒币这几年我最怕的不是亏钱,是那种我要是早知道的感觉。一个项目TGE前两天社区已经在传内测截图,等你反应过来,开盘价已经是你能买到的价格的三倍。这种信息不对称在币圈基本是常态,机构有私信渠道,KOL有早期白名单,散户永远是最后一个知道的人。我第一次认真看Genius Terminal,就是因为它的预上线市场功能,想搞清楚它到底能不能给散户多一点机会。 Genius Terminal是一个多链链上交易终端,spot、永续、预上线市场全部集成在一个界面,底层靠Genius Bridge Protocol接了150多个DEX,支持九条链的跨链执行。这些东西单独拿出来都不算新鲜,但Genius把它们放到一起,加上预上线市场这个入口,就有意思了。 预上线市场是啥?简单说就是在一个代币TGE之前,@GeniusOfficial 上已经可以交易它的预期价格,类似场外远期合约,但是链上可查、可结算。这意味着你不需要等到项目正式开盘,提前就能建仓,等TGE当天兑现价差。我今年五月初在Genius上看了一个还没上线的项目的预市场报价,发现它比我在社交媒体群里看到的场外报价低了大概15%,这种就是机会。 预上线市场也是有风险的,项目方跑路、TGE延期、流动性不足都会让预市场报价变成一张废纸,而且Genius上的预市场品种不多,不是所有你想提前布局的项目都能在上面找到。 Genius Terminal今年一月的链上交易量已经超过150亿美金,活跃钱包超过2.7万,背后有YZi Labs背书,这些数据至少说明它不是一个只会讲故事的项目。预上线市场加实时情报这个组合很不错,让韭菜也能吃到信息差,但能不能真正做到抢在市场前面,还要看它的预上线市场品种能不能多一点。 #genius $GENIUS
炒币这几年我最怕的不是亏钱,是那种我要是早知道的感觉。一个项目TGE前两天社区已经在传内测截图,等你反应过来,开盘价已经是你能买到的价格的三倍。这种信息不对称在币圈基本是常态,机构有私信渠道,KOL有早期白名单,散户永远是最后一个知道的人。我第一次认真看Genius Terminal,就是因为它的预上线市场功能,想搞清楚它到底能不能给散户多一点机会。
Genius Terminal是一个多链链上交易终端,spot、永续、预上线市场全部集成在一个界面,底层靠Genius Bridge Protocol接了150多个DEX,支持九条链的跨链执行。这些东西单独拿出来都不算新鲜,但Genius把它们放到一起,加上预上线市场这个入口,就有意思了。
预上线市场是啥?简单说就是在一个代币TGE之前,@GeniusOfficial 上已经可以交易它的预期价格,类似场外远期合约,但是链上可查、可结算。这意味着你不需要等到项目正式开盘,提前就能建仓,等TGE当天兑现价差。我今年五月初在Genius上看了一个还没上线的项目的预市场报价,发现它比我在社交媒体群里看到的场外报价低了大概15%,这种就是机会。
预上线市场也是有风险的,项目方跑路、TGE延期、流动性不足都会让预市场报价变成一张废纸,而且Genius上的预市场品种不多,不是所有你想提前布局的项目都能在上面找到。
Genius Terminal今年一月的链上交易量已经超过150亿美金,活跃钱包超过2.7万,背后有YZi Labs背书,这些数据至少说明它不是一个只会讲故事的项目。预上线市场加实时情报这个组合很不错,让韭菜也能吃到信息差,但能不能真正做到抢在市场前面,还要看它的预上线市场品种能不能多一点。
#genius $GENIUS
Ir pagājusi diena, kāpēc vēl nav kritusi cena? $HYPE
Ir pagājusi diena, kāpēc vēl nav kritusi cena? $HYPE
Skatīt tulkojumu
我用ChatGPT这两年,一直把它当成一个工具,跟Word、Photoshop差不多,需要的时候打开用一下,不用的时候就动都不动一下,我跟它之间是单纯的使用关系,付钱换服务,仅此而已。但前段时间认真接触@Openledger 之后,我开始觉得AI可能不只是工具,它正在变成一种可以被持有、被分润、被定价的资产。 工具型AI的特点是用完即走,你不会因为多用了几次ChatGPT就觉得自己跟它有什么经济关系。资产型AI不一样,它把AI模型本身变成一个能产生现金流的链上资产,模型部署在#OpenLedger 上,每被调用一次就产生一次收入,收入按Proof of Attribution自动流向数据贡献者和模型开发者,整个模型本身就像一只会持续派息的股票,而你作为早期数据贡献者,就是这只股票的小股东。 我五月这周拿一个小的金融Datanet试了一下,把数据贡献进去之后大概十来天,我钱包里陆续收到了几次$OPEN 代币的分润。金额不大,加起来不到两美金,但这件事让我有点恍惚,因为我跟这个AI模型之间的关系已经不只是用户了,我是它的早期数据股东,它每挣到一点钱都会分给我一点,这种感觉很像第一次买到一只小公司股票看着它派股息。 当然资产型AI的叙事现在还很早期,我那两美金离AI资产收益这种说法差得很远,要真的形成有影响力的资产类别,OpenLedger上需要有足够多的高质量模型在持续被调用。 我觉得范式转换这件事本身比眼前的收益数字更重要,一个东西从工具变成资产,意味着人跟它的关系从使用变成了持有,OpenLedger试着把AI推向这个方向。
我用ChatGPT这两年,一直把它当成一个工具,跟Word、Photoshop差不多,需要的时候打开用一下,不用的时候就动都不动一下,我跟它之间是单纯的使用关系,付钱换服务,仅此而已。但前段时间认真接触@OpenLedger 之后,我开始觉得AI可能不只是工具,它正在变成一种可以被持有、被分润、被定价的资产。
工具型AI的特点是用完即走,你不会因为多用了几次ChatGPT就觉得自己跟它有什么经济关系。资产型AI不一样,它把AI模型本身变成一个能产生现金流的链上资产,模型部署在#OpenLedger 上,每被调用一次就产生一次收入,收入按Proof of Attribution自动流向数据贡献者和模型开发者,整个模型本身就像一只会持续派息的股票,而你作为早期数据贡献者,就是这只股票的小股东。
我五月这周拿一个小的金融Datanet试了一下,把数据贡献进去之后大概十来天,我钱包里陆续收到了几次$OPEN 代币的分润。金额不大,加起来不到两美金,但这件事让我有点恍惚,因为我跟这个AI模型之间的关系已经不只是用户了,我是它的早期数据股东,它每挣到一点钱都会分给我一点,这种感觉很像第一次买到一只小公司股票看着它派股息。
当然资产型AI的叙事现在还很早期,我那两美金离AI资产收益这种说法差得很远,要真的形成有影响力的资产类别,OpenLedger上需要有足够多的高质量模型在持续被调用。
我觉得范式转换这件事本身比眼前的收益数字更重要,一个东西从工具变成资产,意味着人跟它的关系从使用变成了持有,OpenLedger试着把AI推向这个方向。
Raksts
Skatīt tulkojumu
AI版权这场仗打了两年,OpenLedger可能是少数能落地的解法这两年AI版权官司打得有多凶,做内容的人多少都有体感。纽约时报告OpenAI的案子去年年底出了一审判决,Getty Images告Stability AI那边欧洲和美国两条线都还在打,今年三月又冒出几起音乐厂牌联合起诉Suno和Udio的诉讼,整个2026年上半年AI公司的法务部门基本没闲着。我有个朋友在一家中型音乐版权公司做BD,她跟我说她们今年的工作内容已经不是谈合作了,而是天天追着各家AI公司问,你们的训练数据里到底有没有我们的内容,有的话怎么算钱。 这个场景挺荒诞的,因为版权方知道AI公司用了它们的内容,AI公司也知道自己用了,但中间没有一个能让双方都认账的机制,所以只能靠诉讼来解决。我第一次认真去看@Openledger 是因为这件事,想看看链上归因这套技术能不能给版权这个老问题一个新答案。 OpenLedger做的事情,往大了说其实是在搭一个AI版权和授权的底层协议。版权方把内容上传到Datanet,授权条件写进智能合约,AI模型训练的时候要调用这条数据必须先触发合约,调用一次扣一次费,分润按Proof of Attribution自动流回版权方钱包。整个链条里不需要双方坐下来签合同,不需要法务来回审核条款,也不需要事后对账。 这跟传统版权授权的逻辑差异很大。传统授权基本是一对一谈判,版权方派人跟使用方对接,谈一份合同要三到六个月,谈完之后还要靠人工对账确认使用情况,这套体系在版权方少、使用方少的时代还没啥,但放到AI时代就就不一样了。一个大模型训练可能涉及几百万个版权来源,按传统办法去谈,光是把所有版权方找齐就够律师团队忙好几年。#OpenLedger 的链上协议把这个一对一谈判的过程变成了一对多的标准化合约,版权方只需要把内容和授权条件挂上去,谁来用、用多少、怎么分钱,全部由代码自动处理。 我自己在五月这周做了一次小尝试,把一篇我自己写的文章上传到了OpenLedger的一个文本类Datanet里,授权条件写的是允许商业模型训练但要求每次调用付0.05美金等值的$OPEN 代币。半个月内我收到了几次自动结算,金额加起来大概一美金多,数字小到忽略不计,但这件事让我第一次感受到,内容创作者可以不通过任何平台直接收到模型训练的分润。 更深一层看,这套协议如果真的成熟,对整个AI版权市场的改变不只是分润机制。它可能会带来一个全新的版权定价方式。传统版权授权基本是按时间、按地域、按用途打包定价,价格由谈判双方拍脑袋决定,市场没有透明的参考标准。OpenLedger这种链上协议天然就是按使用计费,每一次调用对应一次结算,时间长了链上会沉淀出大量数据,市场参与者可以根据这些数据形成清晰的版权使用价格曲线。 法律认可是最大的不确定性,OpenLedger的智能合约在技术上能强制执行授权条件,但在法律上能不能被各国版权法认可为有效授权凭证,一份链上合约的法律效力跟一份纸质合同的法律效力之间还隔着各国司法,AI公司即使用了OpenLedger,遇到版权诉讼时还是会担心链上凭证不够用。版权方的接入意愿也是个大问题,大型版权方比如华纳音乐、迪士尼、纽约时报这种公司对自己的版权资产控制欲极强,愿不愿意把内容放到一个去中心化协议上谁都不知道,因为去中心化意味着它们对内容流向的控制权下降,OpenLedger目前能吸引到的更多是个人创作者和中小版权方,AI版权市场的大型版权方愿不愿意进来,决定了这套协议的天花板。技术层面的版权识别也还没解决,OpenLedger能记录链上数据的使用情况,但记录不了AI模型有没有用了链下来源的盗版内容来训练,一个AI公司完全可以一边用OpenLedger做合规展示,一边在底下偷偷爬版权内容来加强训练,这种双轨操作在技术上很难被监控,要彻底解决这个问题需要配合内容指纹、模型审计这一套技术。 OpenLedgerAI的版权市场需要一个能自动化处理授权和分润的底层设施,这个需求是刚性的,不会因为某家公司不做就消失。OpenLedger是真的在做这件事的项目,光这一点就让它在长期里有挺大想象空间。但要从协议走通到真正成为AI版权市场的底层标准,OpenLedger还得熬过法律认可、大型版权方接入、技术能力补齐这三个问题,每一道都不是它单方面能推动的事,需要等整个行业一起努力。

AI版权这场仗打了两年,OpenLedger可能是少数能落地的解法

这两年AI版权官司打得有多凶,做内容的人多少都有体感。纽约时报告OpenAI的案子去年年底出了一审判决,Getty Images告Stability AI那边欧洲和美国两条线都还在打,今年三月又冒出几起音乐厂牌联合起诉Suno和Udio的诉讼,整个2026年上半年AI公司的法务部门基本没闲着。我有个朋友在一家中型音乐版权公司做BD,她跟我说她们今年的工作内容已经不是谈合作了,而是天天追着各家AI公司问,你们的训练数据里到底有没有我们的内容,有的话怎么算钱。
这个场景挺荒诞的,因为版权方知道AI公司用了它们的内容,AI公司也知道自己用了,但中间没有一个能让双方都认账的机制,所以只能靠诉讼来解决。我第一次认真去看@OpenLedger 是因为这件事,想看看链上归因这套技术能不能给版权这个老问题一个新答案。
OpenLedger做的事情,往大了说其实是在搭一个AI版权和授权的底层协议。版权方把内容上传到Datanet,授权条件写进智能合约,AI模型训练的时候要调用这条数据必须先触发合约,调用一次扣一次费,分润按Proof of Attribution自动流回版权方钱包。整个链条里不需要双方坐下来签合同,不需要法务来回审核条款,也不需要事后对账。
这跟传统版权授权的逻辑差异很大。传统授权基本是一对一谈判,版权方派人跟使用方对接,谈一份合同要三到六个月,谈完之后还要靠人工对账确认使用情况,这套体系在版权方少、使用方少的时代还没啥,但放到AI时代就就不一样了。一个大模型训练可能涉及几百万个版权来源,按传统办法去谈,光是把所有版权方找齐就够律师团队忙好几年。#OpenLedger 的链上协议把这个一对一谈判的过程变成了一对多的标准化合约,版权方只需要把内容和授权条件挂上去,谁来用、用多少、怎么分钱,全部由代码自动处理。
我自己在五月这周做了一次小尝试,把一篇我自己写的文章上传到了OpenLedger的一个文本类Datanet里,授权条件写的是允许商业模型训练但要求每次调用付0.05美金等值的$OPEN 代币。半个月内我收到了几次自动结算,金额加起来大概一美金多,数字小到忽略不计,但这件事让我第一次感受到,内容创作者可以不通过任何平台直接收到模型训练的分润。
更深一层看,这套协议如果真的成熟,对整个AI版权市场的改变不只是分润机制。它可能会带来一个全新的版权定价方式。传统版权授权基本是按时间、按地域、按用途打包定价,价格由谈判双方拍脑袋决定,市场没有透明的参考标准。OpenLedger这种链上协议天然就是按使用计费,每一次调用对应一次结算,时间长了链上会沉淀出大量数据,市场参与者可以根据这些数据形成清晰的版权使用价格曲线。
法律认可是最大的不确定性,OpenLedger的智能合约在技术上能强制执行授权条件,但在法律上能不能被各国版权法认可为有效授权凭证,一份链上合约的法律效力跟一份纸质合同的法律效力之间还隔着各国司法,AI公司即使用了OpenLedger,遇到版权诉讼时还是会担心链上凭证不够用。版权方的接入意愿也是个大问题,大型版权方比如华纳音乐、迪士尼、纽约时报这种公司对自己的版权资产控制欲极强,愿不愿意把内容放到一个去中心化协议上谁都不知道,因为去中心化意味着它们对内容流向的控制权下降,OpenLedger目前能吸引到的更多是个人创作者和中小版权方,AI版权市场的大型版权方愿不愿意进来,决定了这套协议的天花板。技术层面的版权识别也还没解决,OpenLedger能记录链上数据的使用情况,但记录不了AI模型有没有用了链下来源的盗版内容来训练,一个AI公司完全可以一边用OpenLedger做合规展示,一边在底下偷偷爬版权内容来加强训练,这种双轨操作在技术上很难被监控,要彻底解决这个问题需要配合内容指纹、模型审计这一套技术。
OpenLedgerAI的版权市场需要一个能自动化处理授权和分润的底层设施,这个需求是刚性的,不会因为某家公司不做就消失。OpenLedger是真的在做这件事的项目,光这一点就让它在长期里有挺大想象空间。但要从协议走通到真正成为AI版权市场的底层标准,OpenLedger还得熬过法律认可、大型版权方接入、技术能力补齐这三个问题,每一道都不是它单方面能推动的事,需要等整个行业一起努力。
Skatīt tulkojumu
苹果税这件事让开发者忍了很多年。你在应用商店上架一个应用,苹果拿走30%,你没有谈判余地,因为你没有别的选择。这件事放到AI应用时代会更严重,因为AI应用的边际成本更高,数据贡献者要分润,模型开发者要收费,计算资源要付钱,这三层成本叠在一起,如果平台再从中间切走三成,整条链上真正做事的人拿到的会少得可怜。 我今天认真想了一下@Openledger 的Payable AI设计,发现它在做的事情其实是把这个平台抽成的逻辑反过来。用户调用一个AI模型,产生的费用通过OPEN代币按Proof of Attribution自动分配,数据贡献者按影响力比例拿分润,模型开发者的收入也跟着调用量走,中间没有一个平台来决定谁能上架、谁该被下架、谁要多交一点保护费。整个分配过程写在链上,规则不会因为平台心情变化而改变。 这跟苹果的逻辑是反的。苹果的权力来自它控制了分发渠道,你的应用要到用户手里必须经过它,所以它有资格收30%。$OPEN 的链上模型市场没有这个中间人,模型部署在链上,用户直接调用,分润直接结算,没有人能在中间插一手说先交过路费。 当然这套去中心化应用商店现在还很早期,我自己在上面能找到的可调用模型数量有限,跟App Store那种几百万应用的规模差得很远。模型质量也参差不齐,缺乏一套像苹果审核那样能过滤掉烂应用的机制,链上治理能不能替代平台审核,目前还是个没有答案的问题。 开发者不应该永远被一个平台卡着命脉,数据贡献者不应该什么都拿不到,AI应用的收益分配应该更接近贡献本身,而不是接近谁掌握了分发渠道。#OpenLedger 在试着做这件事,这个尝试本身就值得尊敬。
苹果税这件事让开发者忍了很多年。你在应用商店上架一个应用,苹果拿走30%,你没有谈判余地,因为你没有别的选择。这件事放到AI应用时代会更严重,因为AI应用的边际成本更高,数据贡献者要分润,模型开发者要收费,计算资源要付钱,这三层成本叠在一起,如果平台再从中间切走三成,整条链上真正做事的人拿到的会少得可怜。
我今天认真想了一下@OpenLedger 的Payable AI设计,发现它在做的事情其实是把这个平台抽成的逻辑反过来。用户调用一个AI模型,产生的费用通过OPEN代币按Proof of Attribution自动分配,数据贡献者按影响力比例拿分润,模型开发者的收入也跟着调用量走,中间没有一个平台来决定谁能上架、谁该被下架、谁要多交一点保护费。整个分配过程写在链上,规则不会因为平台心情变化而改变。
这跟苹果的逻辑是反的。苹果的权力来自它控制了分发渠道,你的应用要到用户手里必须经过它,所以它有资格收30%。$OPEN 的链上模型市场没有这个中间人,模型部署在链上,用户直接调用,分润直接结算,没有人能在中间插一手说先交过路费。
当然这套去中心化应用商店现在还很早期,我自己在上面能找到的可调用模型数量有限,跟App Store那种几百万应用的规模差得很远。模型质量也参差不齐,缺乏一套像苹果审核那样能过滤掉烂应用的机制,链上治理能不能替代平台审核,目前还是个没有答案的问题。
开发者不应该永远被一个平台卡着命脉,数据贡献者不应该什么都拿不到,AI应用的收益分配应该更接近贡献本身,而不是接近谁掌握了分发渠道。#OpenLedger 在试着做这件事,这个尝试本身就值得尊敬。
Raksts
Skatīt tulkojumu
OpenLedger可能在悄悄搭一个智能体社会的雏形我前两天晚上跟一个做量化的朋友吃饭,他随口说了一句话让我记到现在。他说他们公司现在用的策略里,已经有几个是Agent跟Agent之间在做事,一个Agent负责收集链上数据,另一个Agent负责生成交易信号,第三个Agent负责执行下单,整个过程几乎不需要人插手,他自己每天的工作就是看看几个Agent之间有没有打架。这件事让我意识到,所谓Agent to Agent的协作不是故事,是已经开始的现实了。 但目前这种Agent协作有一个很大的问题,就是它们之间没有一套共同的结算和信任机制。一个Agent调用另一个Agent的服务,怎么付款?谁来保证调用记录不会被篡改?数据来源是不是合规?这些问题在传统Web2 API体系下基本靠预先签约和人工对账解决,但Agent数量一旦多起来,这套办法就扛不住了。@Openledger 做的事情,恰好成为这个问题的解决方案。 为什么这么说?我五月这周认真翻了一遍 #OpenLedger 的技术文档和OctoClaw的相关设计,发现它有一个挺有意思的特点,整套链上设计天然就是给程序用的,不是给人用的。一个Agent拿到一个钱包地址就能调用OpenLedger上的数据,调用一次扣一次$OPEN 代币,分润自动按Proof of Attribution流向数据贡献者,整个过程不需要注册账号、不需要绑定信用卡、不需要走人工审批。这种纯机器友好的交易模型,正好是Agent经济需要的基础设施。 更深一层看,Agent经济要成立,前提是Agent之间能形成一个可信任的协作网络。一个Agent想用另一个Agent的能力,不只是付钱那么简单,它还要能确认对方服务的质量,出了问题也要能追溯责任,长期合作下来还得有一套信誉积累的方式。OpenLedger的链上归因机制本质上提供了这套基础设施,每一次Agent调用都有链上记录,每一次服务质量都可以被追溯,每一次分润都可以被审计。 我自己上周做了一个小实验,让一个本地Agent通过OctoClaw去OpenLedger上调取一个金融Datanet的数据,再把数据交给另一个Agent去做行情分析。整个流程走下来没有手动干预,两个Agent之间通过钱包地址和合约调用完成了一次完整的服务交换,OPEN代币按预设规则自动结算给数据贡献者。 这种Agent协作网络如果能真正成规模,意味着什么?意味着未来很多服务不再需要人作为最小交易单元。一个用户发出一个需求,背后可能有十几个Agent在不同链上、不同服务之间互相调用,最后给你一个结果。每个Agent都是一个微型经济体,有自己的钱包、自己的服务定价、自己的信誉记录,OpenLedger这种链上基础设施就是这个微型经济社会的底层结算层。 不过这套Agent社会的叙事现在还有几个很现实的限制,说清楚比较重要。Agent之间的协作协议还没标准化,每家做Agent的公司都有自己的接口设计,Anthropic有Claude的Computer Use,OpenAI有自己的Function Calling规范,开源社区还有LangChain、AutoGen这一堆框架,这些Agent之间能不能互相调用是个问题,OpenLedger提供了底层结算能力,但上层的Agent通信协议还得整个行业一起推,OpenLedger单方面推不动。OpenLedger的链上调用延迟对很多Agent场景也还是偏高,一个Agent决策可能需要在毫秒级完成,OpenLedger目前通过OP Stack的L2再加上EigenDA返回数据,延迟在秒级,这个速度对慢决策的Agent够用,但对需要快速响应的Agent场景就不够,要拓展到这些场景必须做专门的快速通道。还有一点是Agent行业本身的成熟度,我朋友那种Agent to Agent的实战案例目前还是少数,整个行业里真正在生产环境里持续运作的Agent网络很有限,OpenLedger作为基础设施提供方,最尴尬的处境是它做好了准备,但客户还没出现。 我对OpenLedger做Agent社会基础设施这件事的看法是,方向选得很好,可能比它现在被讨论的代币价格层面要大得多。如果Agent经济真的成为下一个时代的主流,那么承载Agent之间结算和信任的链上设施一定会成为基础协议。但这件事的回报周期很长,不是半年一年能看到结果的事,OpenLedger要熬过Agent行业从实验阶段到生产阶段的整个空档期,这个空档期里代币价格大概率会有反复,因为没有足够多的链上调用量来支撑代币需求。

OpenLedger可能在悄悄搭一个智能体社会的雏形

我前两天晚上跟一个做量化的朋友吃饭,他随口说了一句话让我记到现在。他说他们公司现在用的策略里,已经有几个是Agent跟Agent之间在做事,一个Agent负责收集链上数据,另一个Agent负责生成交易信号,第三个Agent负责执行下单,整个过程几乎不需要人插手,他自己每天的工作就是看看几个Agent之间有没有打架。这件事让我意识到,所谓Agent to Agent的协作不是故事,是已经开始的现实了。
但目前这种Agent协作有一个很大的问题,就是它们之间没有一套共同的结算和信任机制。一个Agent调用另一个Agent的服务,怎么付款?谁来保证调用记录不会被篡改?数据来源是不是合规?这些问题在传统Web2 API体系下基本靠预先签约和人工对账解决,但Agent数量一旦多起来,这套办法就扛不住了。@OpenLedger 做的事情,恰好成为这个问题的解决方案。
为什么这么说?我五月这周认真翻了一遍 #OpenLedger 的技术文档和OctoClaw的相关设计,发现它有一个挺有意思的特点,整套链上设计天然就是给程序用的,不是给人用的。一个Agent拿到一个钱包地址就能调用OpenLedger上的数据,调用一次扣一次$OPEN 代币,分润自动按Proof of Attribution流向数据贡献者,整个过程不需要注册账号、不需要绑定信用卡、不需要走人工审批。这种纯机器友好的交易模型,正好是Agent经济需要的基础设施。
更深一层看,Agent经济要成立,前提是Agent之间能形成一个可信任的协作网络。一个Agent想用另一个Agent的能力,不只是付钱那么简单,它还要能确认对方服务的质量,出了问题也要能追溯责任,长期合作下来还得有一套信誉积累的方式。OpenLedger的链上归因机制本质上提供了这套基础设施,每一次Agent调用都有链上记录,每一次服务质量都可以被追溯,每一次分润都可以被审计。
我自己上周做了一个小实验,让一个本地Agent通过OctoClaw去OpenLedger上调取一个金融Datanet的数据,再把数据交给另一个Agent去做行情分析。整个流程走下来没有手动干预,两个Agent之间通过钱包地址和合约调用完成了一次完整的服务交换,OPEN代币按预设规则自动结算给数据贡献者。
这种Agent协作网络如果能真正成规模,意味着什么?意味着未来很多服务不再需要人作为最小交易单元。一个用户发出一个需求,背后可能有十几个Agent在不同链上、不同服务之间互相调用,最后给你一个结果。每个Agent都是一个微型经济体,有自己的钱包、自己的服务定价、自己的信誉记录,OpenLedger这种链上基础设施就是这个微型经济社会的底层结算层。
不过这套Agent社会的叙事现在还有几个很现实的限制,说清楚比较重要。Agent之间的协作协议还没标准化,每家做Agent的公司都有自己的接口设计,Anthropic有Claude的Computer Use,OpenAI有自己的Function Calling规范,开源社区还有LangChain、AutoGen这一堆框架,这些Agent之间能不能互相调用是个问题,OpenLedger提供了底层结算能力,但上层的Agent通信协议还得整个行业一起推,OpenLedger单方面推不动。OpenLedger的链上调用延迟对很多Agent场景也还是偏高,一个Agent决策可能需要在毫秒级完成,OpenLedger目前通过OP Stack的L2再加上EigenDA返回数据,延迟在秒级,这个速度对慢决策的Agent够用,但对需要快速响应的Agent场景就不够,要拓展到这些场景必须做专门的快速通道。还有一点是Agent行业本身的成熟度,我朋友那种Agent to Agent的实战案例目前还是少数,整个行业里真正在生产环境里持续运作的Agent网络很有限,OpenLedger作为基础设施提供方,最尴尬的处境是它做好了准备,但客户还没出现。
我对OpenLedger做Agent社会基础设施这件事的看法是,方向选得很好,可能比它现在被讨论的代币价格层面要大得多。如果Agent经济真的成为下一个时代的主流,那么承载Agent之间结算和信任的链上设施一定会成为基础协议。但这件事的回报周期很长,不是半年一年能看到结果的事,OpenLedger要熬过Agent行业从实验阶段到生产阶段的整个空档期,这个空档期里代币价格大概率会有反复,因为没有足够多的链上调用量来支撑代币需求。
Skatīt tulkojumu
我最近在整理@Openledger 的技术架构,有一个细节让我多想了一会儿,就是它选了OP Stack来搭自己的L2,而不是用Arbitrum Orbit或者zkSync的ZK Stack。这个选择表面上看是技术偏好,但往深了想其实是一步很有算计的棋。 OP Stack现在是整个Superchain生态里最活跃的L2框架,Base、Mode、Zora都在上面,共享排序器、跨链消息传递、统一的流动性,这些东西对一个做AI数据基础设施的项目来说意味着什么?意味着$OPEN 从第一天起就能接触到Superchain里已有的开发者社区和链上资产,不需要从零冷启动。我这周去看了一下#OpenLedger 主网上的活跃地址,有相当一部分钱包同时在Base上有活动记录,这个用户重叠不是偶然的,是OP Stack选型带来的自然溢出。 更重要的是OP Stack的EVM完全兼容性。AI数据应用要落地,最终要跟现有的DeFi协议、支付协议、身份协议打通,这些协议绝大多数都部署在EVM链上,OpenLedger用OP Stack意味着任何EVM合约可以几乎零成本迁移过来,这对吸引开发者来建Datanet上层应用是很实际的优势。 Optimistic Rollup的欺诈证明机制决定了提款有七天挑战期,这对资金流转频繁的数据分润场景来说是个体验问题,用户贡献数据拿到OPEN代币之后想提出来,要等七天,这个等待在Web3里算长的。 OpenLedger选OP Stack是一个以生态换速度的决定,用Superchain的现成流量和开发者基础换取快速冷启动,代价是在提款体验上做了妥协,这个取舍在早期是合理的,但等网络规模上来之后提款延迟会变成一个越来越明显的阻力。
我最近在整理@OpenLedger 的技术架构,有一个细节让我多想了一会儿,就是它选了OP Stack来搭自己的L2,而不是用Arbitrum Orbit或者zkSync的ZK Stack。这个选择表面上看是技术偏好,但往深了想其实是一步很有算计的棋。
OP Stack现在是整个Superchain生态里最活跃的L2框架,Base、Mode、Zora都在上面,共享排序器、跨链消息传递、统一的流动性,这些东西对一个做AI数据基础设施的项目来说意味着什么?意味着$OPEN 从第一天起就能接触到Superchain里已有的开发者社区和链上资产,不需要从零冷启动。我这周去看了一下#OpenLedger 主网上的活跃地址,有相当一部分钱包同时在Base上有活动记录,这个用户重叠不是偶然的,是OP Stack选型带来的自然溢出。
更重要的是OP Stack的EVM完全兼容性。AI数据应用要落地,最终要跟现有的DeFi协议、支付协议、身份协议打通,这些协议绝大多数都部署在EVM链上,OpenLedger用OP Stack意味着任何EVM合约可以几乎零成本迁移过来,这对吸引开发者来建Datanet上层应用是很实际的优势。
Optimistic Rollup的欺诈证明机制决定了提款有七天挑战期,这对资金流转频繁的数据分润场景来说是个体验问题,用户贡献数据拿到OPEN代币之后想提出来,要等七天,这个等待在Web3里算长的。
OpenLedger选OP Stack是一个以生态换速度的决定,用Superchain的现成流量和开发者基础换取快速冷启动,代价是在提款体验上做了妥协,这个取舍在早期是合理的,但等网络规模上来之后提款延迟会变成一个越来越明显的阻力。
Raksts
Skatīt tulkojumu
OpenLedger接EigenDA这件事,比代币上线还值得说很多人看@Openledger 只看代币价格,但我觉得这个项目今年最值得说的技术动作是它把数据可用性层接到了EigenDA上。这件事在主流加密媒体里基本没怎么被讨论,因为DA层听起来太底层、太枯燥,但你如果真的想搞清楚 #OpenLedger 能不能撑起它对外讲的那套AI数据基础设施叙事,DA层选哪家几乎决定了它未来三五年能走多远。 先说一下DA层是什么。AI模型训练用的数据动辄几十GB甚至几TB,这种规模的数据如果直接全部上链,成本高到没人用得起,所以所有正经做数据上链的项目都得做一件事,把数据本身放在链下存储,链上只保留一份可验证的索引和承诺。这套设计叫做数据可用性,缩写就是DA。DA层的核心要求是,任何时候有节点想要回查原始数据,都能可靠地把数据取回来,而且能验证它没被篡改过,这件事说起来简单做起来非常难,因为你既要保证存储成本足够低,又要保证可用性足够高,还要保证去中心化程度过得去。 接EigenDA是一个挺关键的技术升级。EigenDA是EigenLayer的数据可用性服务,背靠以太坊主网的安全性和大约两百多亿美元的再质押资产,吞吐量上做到了每秒15MB级别,这个数字看着不大但对DA层来说已经是行业第一梯队了,跟Celestia比高出几倍,跟以太坊原生Calldata比更是差了两个数量级不止。OpenLedger接上EigenDA之后,理论上可以把单个Datanet的数据存证规模从几GB级别拉到几TB级别,这个跃迁直接决定了它能不能服务高质量的AI训练数据。 我五月这周做了一个小尝试,把一个大概80MB的代币交易数据集贡献到了$OPEN 的金融Datanet里,整个上传过程比我预期顺利,链上确认时间大概十分钟,Gas费折合不到两美金,这个体验在接EigenDA之前是做不到的,这是已发生的事实不是推断。这种成本和速度对个人贡献者来说基本无感,但对企业级数据贡献来说意义更大,因为企业一次贡献可能就是几十GB,如果还按以太坊主网的成本算,光Gas费就能把项目方劝退。 更深一层的意义在于安全性继承。EigenDA的安全性来自EigenLayer的再质押机制,本质上是把以太坊主网验证者的经济安全性租给了OpenLedger,这种安全继承的成本远低于OpenLedger自己搭建一套验证者网络。我以前看过几个项目尝试自建DA层最后失败的案例,自建DA最大的问题是冷启动期没有足够多的验证者,安全性根本撑不住,OpenLedger通过接EigenDA绕过了这个冷启动陷阱,等于站在以太坊的安全肩膀上做事。 EigenDA本身还在相对早期,主网上线时间不长,去年才开始承载大规模流量,整个再质押赛道的安全模型在学术圈还有争议,有研究指出再质押会导致以太坊主网的系统性风险增加,如果哪天EigenLayer出现重大安全事件,OpenLedger作为下游会跟着受影响。OpenLedger接入EigenDA之后等于把自己的命脉部分交给了EigenLayer的治理,未来费用调整、节点要求变化、技术路线调整都会直接影响OpenLedger的运营成本和服务质量。还有一点是技术整合的完整度,把DA层接上只是第一步,真正要让它服务于AI数据归因和分润,还需要在DA层之上把数据校验逻辑、Proof of Attribution的链上验证以及数据召回机制这几个模块都打通。 OpenLedger技术选型上做了一个挺聪明的决定,避开了自建DA的陷阱,借用了以太坊行业里最成熟的安全基础设施,这种选择短期内能让OpenLedger把更多资源放在AI数据归因这个核心业务上。OpenLedger接下来要解决的是怎么把EigenDA提供的存储能力转化成实际的AI模型训练效率提升,这件事光靠技术选型解决不了,还得在产品体验、开发者工具、企业BD这几条线上同时发力,缺一个都不行。

OpenLedger接EigenDA这件事,比代币上线还值得说

很多人看@OpenLedger 只看代币价格,但我觉得这个项目今年最值得说的技术动作是它把数据可用性层接到了EigenDA上。这件事在主流加密媒体里基本没怎么被讨论,因为DA层听起来太底层、太枯燥,但你如果真的想搞清楚 #OpenLedger 能不能撑起它对外讲的那套AI数据基础设施叙事,DA层选哪家几乎决定了它未来三五年能走多远。
先说一下DA层是什么。AI模型训练用的数据动辄几十GB甚至几TB,这种规模的数据如果直接全部上链,成本高到没人用得起,所以所有正经做数据上链的项目都得做一件事,把数据本身放在链下存储,链上只保留一份可验证的索引和承诺。这套设计叫做数据可用性,缩写就是DA。DA层的核心要求是,任何时候有节点想要回查原始数据,都能可靠地把数据取回来,而且能验证它没被篡改过,这件事说起来简单做起来非常难,因为你既要保证存储成本足够低,又要保证可用性足够高,还要保证去中心化程度过得去。
接EigenDA是一个挺关键的技术升级。EigenDA是EigenLayer的数据可用性服务,背靠以太坊主网的安全性和大约两百多亿美元的再质押资产,吞吐量上做到了每秒15MB级别,这个数字看着不大但对DA层来说已经是行业第一梯队了,跟Celestia比高出几倍,跟以太坊原生Calldata比更是差了两个数量级不止。OpenLedger接上EigenDA之后,理论上可以把单个Datanet的数据存证规模从几GB级别拉到几TB级别,这个跃迁直接决定了它能不能服务高质量的AI训练数据。
我五月这周做了一个小尝试,把一个大概80MB的代币交易数据集贡献到了$OPEN 的金融Datanet里,整个上传过程比我预期顺利,链上确认时间大概十分钟,Gas费折合不到两美金,这个体验在接EigenDA之前是做不到的,这是已发生的事实不是推断。这种成本和速度对个人贡献者来说基本无感,但对企业级数据贡献来说意义更大,因为企业一次贡献可能就是几十GB,如果还按以太坊主网的成本算,光Gas费就能把项目方劝退。
更深一层的意义在于安全性继承。EigenDA的安全性来自EigenLayer的再质押机制,本质上是把以太坊主网验证者的经济安全性租给了OpenLedger,这种安全继承的成本远低于OpenLedger自己搭建一套验证者网络。我以前看过几个项目尝试自建DA层最后失败的案例,自建DA最大的问题是冷启动期没有足够多的验证者,安全性根本撑不住,OpenLedger通过接EigenDA绕过了这个冷启动陷阱,等于站在以太坊的安全肩膀上做事。
EigenDA本身还在相对早期,主网上线时间不长,去年才开始承载大规模流量,整个再质押赛道的安全模型在学术圈还有争议,有研究指出再质押会导致以太坊主网的系统性风险增加,如果哪天EigenLayer出现重大安全事件,OpenLedger作为下游会跟着受影响。OpenLedger接入EigenDA之后等于把自己的命脉部分交给了EigenLayer的治理,未来费用调整、节点要求变化、技术路线调整都会直接影响OpenLedger的运营成本和服务质量。还有一点是技术整合的完整度,把DA层接上只是第一步,真正要让它服务于AI数据归因和分润,还需要在DA层之上把数据校验逻辑、Proof of Attribution的链上验证以及数据召回机制这几个模块都打通。
OpenLedger技术选型上做了一个挺聪明的决定,避开了自建DA的陷阱,借用了以太坊行业里最成熟的安全基础设施,这种选择短期内能让OpenLedger把更多资源放在AI数据归因这个核心业务上。OpenLedger接下来要解决的是怎么把EigenDA提供的存储能力转化成实际的AI模型训练效率提升,这件事光靠技术选型解决不了,还得在产品体验、开发者工具、企业BD这几条线上同时发力,缺一个都不行。
Skatīt tulkojumu
哪个大哥有实力能接下我这 10u 跟单!
哪个大哥有实力能接下我这 10u 跟单!
Skatīt tulkojumu
我做了炒了几年的币,见过太多项目靠散户炒起来然后机构一个不进最后慢慢死掉的案例,所以我现在看一个项目够不够认真,有个习惯是看机构愿不愿意真金白银往里放。@Openledger 这个项目我研究了一哈,让我觉得有意思的不是它的代币价格,而是它开始出现在一些金融机构的技术评估清单里。 原因其实不难理解。金融行业是对数据合规要求最高的行业之一,一个资管公司用AI做投研,监管要求它能说清楚模型用了什么数据、数据来源是否合法授权、有没有可审计的记录,这套要求在传统AI供应商那里基本答不上来。OpenLedger的Proof of Attribution机制恰好在技术层面提供了这个答案,每一条训练数据的来源、使用记录、对模型的影响力都写在链上,监管来查的时候有凭有据,这对金融机构来说不是加分项,是门槛。 我上个月把一些代币交易记录贡献到了#OpenLedger 的金融Datanet里,流程走完之后我第一个感受是,这套系统的设计语言更像是给合规部门看的而不是给散户看的,从数据溯源到权限管理再到分润凭证,每个环节都有链上记录可以查询,整套流程在Web3项目里几乎没有。 不过机构采用这条路走起来不会顺。金融机构的决策流程慢,一个新技术从技术评估到真正采购落地,快的要一年,慢的要三年,而且金融监管机构对区块链凭证的法律效力目前还没有明确表态,$OPEN 这个问题不解决,机构采用就只能停在技术评估阶段,进不了真正的采购环节。 OpenLedger切金融级别合规这个方向选得准,因为这个行业有真实的付费意愿,不是靠代币激励撑起来的需求。但从方向对到真正跑通商业化,中间还有监管认可、产品易用性、BD资源这几道坎,哪道没过都会卡住。
我做了炒了几年的币,见过太多项目靠散户炒起来然后机构一个不进最后慢慢死掉的案例,所以我现在看一个项目够不够认真,有个习惯是看机构愿不愿意真金白银往里放。@OpenLedger 这个项目我研究了一哈,让我觉得有意思的不是它的代币价格,而是它开始出现在一些金融机构的技术评估清单里。
原因其实不难理解。金融行业是对数据合规要求最高的行业之一,一个资管公司用AI做投研,监管要求它能说清楚模型用了什么数据、数据来源是否合法授权、有没有可审计的记录,这套要求在传统AI供应商那里基本答不上来。OpenLedger的Proof of Attribution机制恰好在技术层面提供了这个答案,每一条训练数据的来源、使用记录、对模型的影响力都写在链上,监管来查的时候有凭有据,这对金融机构来说不是加分项,是门槛。
我上个月把一些代币交易记录贡献到了#OpenLedger 的金融Datanet里,流程走完之后我第一个感受是,这套系统的设计语言更像是给合规部门看的而不是给散户看的,从数据溯源到权限管理再到分润凭证,每个环节都有链上记录可以查询,整套流程在Web3项目里几乎没有。
不过机构采用这条路走起来不会顺。金融机构的决策流程慢,一个新技术从技术评估到真正采购落地,快的要一年,慢的要三年,而且金融监管机构对区块链凭证的法律效力目前还没有明确表态,$OPEN 这个问题不解决,机构采用就只能停在技术评估阶段,进不了真正的采购环节。
OpenLedger切金融级别合规这个方向选得准,因为这个行业有真实的付费意愿,不是靠代币激励撑起来的需求。但从方向对到真正跑通商业化,中间还有监管认可、产品易用性、BD资源这几道坎,哪道没过都会卡住。
Raksts
Skatīt tulkojumu
OpenLedger可能不是下一个明星项目,但它在赌一件更大的事我最近在想一个问题,AI这两年发展得这么快,监管什么时候会真的下手?不是发个白皮书那种下手,是带着罚单和审计要求的那种。今年三四月份欧盟AI Act的高风险条款已经开始陆续生效,美国那边各州也在推自己的AI披露法案,我身边做合规的朋友说她们公司从年初到现在一直在加班,因为客户突然全都开始问同一个问题,你们用的AI模型,训练数据从哪来的,能不能证明合法授权。我第一次认真去查@Openledger 就是从这个问题出发的,想看看有没有项目在认真解决这件事。 这个问题以前没人问,现在突然变成了所有AI公司绕不开的事。传统AI公司怎么回答?基本答不上来。OpenAI到现在都没完全公开GPT系列的训练数据来源,Anthropic也是含糊其辞,国内那几家更不用说,大家心照不宣的做法是从各种公开数据集和爬取的网页里拿数据,然后默认这是合理使用。这个默认在过去几年没人深究,但从2025年下半年开始,纽约时报告OpenAI、Getty告Stability AI这些案子陆续出判决,整个行业才意识到原来这件事是要给钱的,原来你拿别人的东西训练AI是有法律后果的。 我觉得这就是#OpenLedger 真正的机会窗口。它不是在跟OpenAI抢用户,那个赛道它打不过,它在做的是另外一件事,给AI模型提供一套从源头就可审计的训练数据供应链。 具体怎么做用了哪些数据、每条数据对最终模型的影响力是多少,全部通过Proof of Attrib的我大概理了一遍。每个数据贡献者把数据传到Datanet,链上会记录这条数据的来源、贡献者地址、上传时间,模型在训练过程中调变现都是公开可ution量化下来写进链上。等模型上线对外提供服务,每一次调用产生的收入会按影响力比例分润给数据贡献者,整个链条从数据上传到模型查的。 这套机制对AI公司有什么价值?以前没什么价值,因为没人要求你证明数据合法。但接下来三五年情况会反过来,监管要求你证明,客户要求你证明,保险公司给你出AI责任险也要求你证明,这时候一个能拿出完整链上审计记录的AI模型,竞争力会突然出现。 我自己上个月把一些非敏感的代币交易记录贡献到了OpenLedger上的一个金融Datanet里,到现在大概一个月,前后收到了几次分润,折合大概十来美金。金额不重要,重要的是我第一次拿到了一份链上凭证,证明我的数据被某个模型用了,被用了多少次,产生了多少收入,分给了我多少。这份凭证拿到任何一个法律或监管语境下都是有效证据、 但我也得说清楚这套合规叙事现在还有几个软肋。最大的一个是这套体系目前没有被任何主流监管机构正式认可,欧盟AI Act里说的训练数据透明度和OpenLedger链上记录的透明度之间还隔着一层,能不能直接拿链上证据去应对欧盟的合规审查,目前没有先例。数据质量也没法靠链上机制保证,链上能记录数据来源,但记录不了数据本身是不是高质量、是不是有偏见、是不是已经被污染过,一个低质量的Datanet训练出来的模型再合规也没人用,OpenLedger目前对数据质量的把关还比较初级,主要靠社区治理和声誉机制,这套机制能不能扛住大规模数据涌入是个问号。还有一点是合规市场目前还小,真正愿意为合规AI付溢价的客户主要集中在金融、医疗、政府这几个高监管行业,这些行业进入决策链条很长,$OPEN 要打进去需要的不只是技术,还有BD能力和行业关系,这恰恰是一个加密原生项目最不擅长的事情。 AI审计时代要来,可审计的训练数据供应链一定会成为一种基础设施,OpenLedger是我目前看到的认真在做这件事的项目。但这条路不会快,基础设施类项目的回报周期跟应用类项目完全不一样,应用类项目可能三个月就有用户增长曲线,基础设施类项目要等三五年才能看出谁是真正的赢家。

OpenLedger可能不是下一个明星项目,但它在赌一件更大的事

我最近在想一个问题,AI这两年发展得这么快,监管什么时候会真的下手?不是发个白皮书那种下手,是带着罚单和审计要求的那种。今年三四月份欧盟AI Act的高风险条款已经开始陆续生效,美国那边各州也在推自己的AI披露法案,我身边做合规的朋友说她们公司从年初到现在一直在加班,因为客户突然全都开始问同一个问题,你们用的AI模型,训练数据从哪来的,能不能证明合法授权。我第一次认真去查@OpenLedger 就是从这个问题出发的,想看看有没有项目在认真解决这件事。
这个问题以前没人问,现在突然变成了所有AI公司绕不开的事。传统AI公司怎么回答?基本答不上来。OpenAI到现在都没完全公开GPT系列的训练数据来源,Anthropic也是含糊其辞,国内那几家更不用说,大家心照不宣的做法是从各种公开数据集和爬取的网页里拿数据,然后默认这是合理使用。这个默认在过去几年没人深究,但从2025年下半年开始,纽约时报告OpenAI、Getty告Stability AI这些案子陆续出判决,整个行业才意识到原来这件事是要给钱的,原来你拿别人的东西训练AI是有法律后果的。
我觉得这就是#OpenLedger 真正的机会窗口。它不是在跟OpenAI抢用户,那个赛道它打不过,它在做的是另外一件事,给AI模型提供一套从源头就可审计的训练数据供应链。
具体怎么做用了哪些数据、每条数据对最终模型的影响力是多少,全部通过Proof of Attrib的我大概理了一遍。每个数据贡献者把数据传到Datanet,链上会记录这条数据的来源、贡献者地址、上传时间,模型在训练过程中调变现都是公开可ution量化下来写进链上。等模型上线对外提供服务,每一次调用产生的收入会按影响力比例分润给数据贡献者,整个链条从数据上传到模型查的。
这套机制对AI公司有什么价值?以前没什么价值,因为没人要求你证明数据合法。但接下来三五年情况会反过来,监管要求你证明,客户要求你证明,保险公司给你出AI责任险也要求你证明,这时候一个能拿出完整链上审计记录的AI模型,竞争力会突然出现。
我自己上个月把一些非敏感的代币交易记录贡献到了OpenLedger上的一个金融Datanet里,到现在大概一个月,前后收到了几次分润,折合大概十来美金。金额不重要,重要的是我第一次拿到了一份链上凭证,证明我的数据被某个模型用了,被用了多少次,产生了多少收入,分给了我多少。这份凭证拿到任何一个法律或监管语境下都是有效证据、
但我也得说清楚这套合规叙事现在还有几个软肋。最大的一个是这套体系目前没有被任何主流监管机构正式认可,欧盟AI Act里说的训练数据透明度和OpenLedger链上记录的透明度之间还隔着一层,能不能直接拿链上证据去应对欧盟的合规审查,目前没有先例。数据质量也没法靠链上机制保证,链上能记录数据来源,但记录不了数据本身是不是高质量、是不是有偏见、是不是已经被污染过,一个低质量的Datanet训练出来的模型再合规也没人用,OpenLedger目前对数据质量的把关还比较初级,主要靠社区治理和声誉机制,这套机制能不能扛住大规模数据涌入是个问号。还有一点是合规市场目前还小,真正愿意为合规AI付溢价的客户主要集中在金融、医疗、政府这几个高监管行业,这些行业进入决策链条很长,$OPEN 要打进去需要的不只是技术,还有BD能力和行业关系,这恰恰是一个加密原生项目最不擅长的事情。
AI审计时代要来,可审计的训练数据供应链一定会成为一种基础设施,OpenLedger是我目前看到的认真在做这件事的项目。但这条路不会快,基础设施类项目的回报周期跟应用类项目完全不一样,应用类项目可能三个月就有用户增长曲线,基础设施类项目要等三五年才能看出谁是真正的赢家。
Pieraksties, lai skatītu citu saturu
Pievienojies kriptovalūtu entuziastiem no visas pasaules platformā Binance Square
⚡️ Lasi jaunāko un noderīgāko informāciju par kriptovalūtām.
💬 Uzticas pasaulē lielākā kriptovalūtu birža.
👍 Atklāj vērtīgas atziņas no pārbaudītiem satura veidotājiem.
E-pasta adrese / tālruņa numurs
Vietnes plāns
Sīkdatņu preferences
Platformas noteikumi