Послушал отчёт о годовой производительности FLock за 2025 год, и в ходе встречи упоминалась идея создания Launchpad для больших моделей ИИ, которая меня очень заинтересовала.
Что? Опять Launchpad? Как большие модели собираются выпускать активы? На самом деле всё очень просто понять, если провести аналогию:
Запуск Launchpad для AI-агентов, таких как Virtuals Protocol, управляется на уровне приложений, для отправки активов агентам используется токеновая мотивационная система, которая помогает агентам эволюционировать от «умеющих болтать» до уровня x402 «умеющих платить», а затем к конечной цели «самостоятельных торгов» и предоставлению сложных услуг;
А план FLock — это создание AI Model Launchpad, управляемого инфраструктурным слоем, для отправки активов обученным большим моделям, то есть для множества нишевых моделей, таких как медицинская диагностика, юридические документы, финансовый риск-менеджмент и оптимизация цепочек поставок и т.д.
Такие нишевые модели, хотя и имеют относительно контролируемые затраты на обучение, очень узкие в коммерческом плане: их либо продают крупным компаниям, либо делают open-source — и возможности для устойчивой монетизации очень ограничены.
FLock стремится с помощью Tokenomics пересобрать эту цепочку ценности, отправляя активы дообученным моделям, а также предоставляя участникам, таким как поставщики данных, вычислительные узлы, валидаторы, возможность долгосрочной прибыли. Когда модель вызывает доход, долю прибыли можно распределять пропорционально вкладу.
Создание Launchpad для больших моделей кажется свежей идеей, но по сути это — использование финансовых инструментов для продвижения продукта.
Как только модель станет активом, у её тренеров появится стимул к постоянному улучшению, а при возможности постоянного распределения доходов в экосистеме появится механизм самоподдержки.
Преимущества этого очевидны: например, недавно популярный конкурс по торговле крупными моделями nof1 — сейчас в нём участвуют универсальные модели, специально дообученные под конкурс не используют. Причина — отсутствие мотивационной системы: хорошие специализированные модели обычно зарабатывают «тихой» прибылью, не выставляя их на показ. Но если у модели есть активы, это меняет всё. Такие конкурсы превращаются в публичные шоу-румы, где можно демонстрировать силу модели, а её результаты напрямую влияют на активы. Вдохновиться есть чем, не так ли?
Конечно, пока FLock только намекает на направление, ещё не реализован полностью. Как именно будет различаться выпуск активов для моделей и эмиссия активов агентами — пока неизвестно.
Но точно можно сказать одно: важно обеспечить, чтобы вызовы моделей для выпуска активов основывались на реальных потребностях, а не на искусственном увеличении объема. Также необходимо эффективно гарантировать, что в нишевых сценариях достигается PMF и т.п. — эти вопросы уже знакомы проблемам, с которыми сталкиваются приложения агентов, выпускающих токены.
И всё же очень интересно: какие новые подходы могут появиться в направлении Launchpad для моделей?
На этой странице может содержаться сторонний контент, который предоставляется исключительно в информационных целях (не в качестве заявлений/гарантий) и не должен рассматриваться как поддержка взглядов компании Gate или как финансовый или профессиональный совет. Подробности смотрите в разделе «Отказ от ответственности» .
Краткий обзор Launchpad для крупных моделей ИИ
作者:Haotian;Источник:X,@tmel0211
Послушал отчёт о годовой производительности FLock за 2025 год, и в ходе встречи упоминалась идея создания Launchpad для больших моделей ИИ, которая меня очень заинтересовала.
Что? Опять Launchpad? Как большие модели собираются выпускать активы? На самом деле всё очень просто понять, если провести аналогию:
Запуск Launchpad для AI-агентов, таких как Virtuals Protocol, управляется на уровне приложений, для отправки активов агентам используется токеновая мотивационная система, которая помогает агентам эволюционировать от «умеющих болтать» до уровня x402 «умеющих платить», а затем к конечной цели «самостоятельных торгов» и предоставлению сложных услуг;
А план FLock — это создание AI Model Launchpad, управляемого инфраструктурным слоем, для отправки активов обученным большим моделям, то есть для множества нишевых моделей, таких как медицинская диагностика, юридические документы, финансовый риск-менеджмент и оптимизация цепочек поставок и т.д.
Такие нишевые модели, хотя и имеют относительно контролируемые затраты на обучение, очень узкие в коммерческом плане: их либо продают крупным компаниям, либо делают open-source — и возможности для устойчивой монетизации очень ограничены.
FLock стремится с помощью Tokenomics пересобрать эту цепочку ценности, отправляя активы дообученным моделям, а также предоставляя участникам, таким как поставщики данных, вычислительные узлы, валидаторы, возможность долгосрочной прибыли. Когда модель вызывает доход, долю прибыли можно распределять пропорционально вкладу.
Создание Launchpad для больших моделей кажется свежей идеей, но по сути это — использование финансовых инструментов для продвижения продукта.
Как только модель станет активом, у её тренеров появится стимул к постоянному улучшению, а при возможности постоянного распределения доходов в экосистеме появится механизм самоподдержки.
Преимущества этого очевидны: например, недавно популярный конкурс по торговле крупными моделями nof1 — сейчас в нём участвуют универсальные модели, специально дообученные под конкурс не используют. Причина — отсутствие мотивационной системы: хорошие специализированные модели обычно зарабатывают «тихой» прибылью, не выставляя их на показ. Но если у модели есть активы, это меняет всё. Такие конкурсы превращаются в публичные шоу-румы, где можно демонстрировать силу модели, а её результаты напрямую влияют на активы. Вдохновиться есть чем, не так ли?
Конечно, пока FLock только намекает на направление, ещё не реализован полностью. Как именно будет различаться выпуск активов для моделей и эмиссия активов агентами — пока неизвестно.
Но точно можно сказать одно: важно обеспечить, чтобы вызовы моделей для выпуска активов основывались на реальных потребностях, а не на искусственном увеличении объема. Также необходимо эффективно гарантировать, что в нишевых сценариях достигается PMF и т.п. — эти вопросы уже знакомы проблемам, с которыми сталкиваются приложения агентов, выпускающих токены.
И всё же очень интересно: какие новые подходы могут появиться в направлении Launchpad для моделей?