ASI-1 Mini: Fetch.ai enthüllt das weltweit erste web3-native Großsprachmodell (LLM)

Mit dem AI X Web3-Markt, der schnell weiter expandiert, hat der Anbieter von AI-1 Mini kürzlich den Start von ASI-1 Mini angekündigt

Announced: Fetch.ai Unveils ASI-1 Mini, Web3's Initial Large Language Model

Angekündigt: Fetch.ai enthüllt ASI-1 Mini, das erste Großsprachmodell von Web3,

In a recent development, Fetch.ai, a provider of autonomous agent technology and decentralized AI, has announced the launch of ASI-1 Mini, a Web3-native large language model (LLM) designed to prioritize autonomous agent workflows. This marks a significant step for the Artificial Superintelligence (ASI) Alliance, a group founded by Fetch.ai alongside prominent Web3 entities like SingularityNET, Ocean Protocol, and CUDOS.

In einer kürzlich durchgeführten Entwicklung hat Fetch.ai, ein Anbieter autonomer Agententechnologie und dezentraler KI, die Einführung von ASI-1 Mini angekündigt, einem Web3-nativen Großsprachmodell (LLM), um autonome Agentenworkflows zu priorisieren. Dies ist ein bedeutender Schritt für die künstliche Superintelligence (ASI) Alliance, eine von Fetch.ai gegründete Gruppe sowie prominente Web3 -Entitäten wie Singularitynet, Ocean Protocol und Cudos.

ASI-1 Mini serves as the first model in ASI's broader "ASI:" family, with more advanced models slated for release in the near future under the Cortex group. Notably, ASI-1 Mini is designed to operate efficiently on just two GPUs, thanks to its innovative architecture. This reportedly achieves an eight-fold improvement in hardware efficiency compared to existing solutions, significantly reducing the infrastructure costs associated with deploying enterprise-grade AI systems and making them more accessible to a wider range of organizations and developers.

ASI-1 Mini dient als erstes Modell in der Familie "ASI:" -Familie mit fortgeschritteneren Modellen, die in naher Zukunft unter der Cortex Group veröffentlicht werden sollen. Insbesondere ist ASI-1 Mini dank seiner innovativen Architektur so konzipiert, dass sie effizient auf zwei GPUs betrieben werden. Berichten zufolge verbessert sich die Hardwareeffizienz im Vergleich zu vorhandenen Lösungen achtfach, wodurch die mit der Bereitstellung von AI-Systemen im Bereich der Unternehmensgrade verbundenen Infrastrukturkosten erheblich gesenkt werden und sie für ein breiteres Spektrum von Organisationen und Entwicklern zugänglicher werden.

A New Era: Web3-Native AI Architecture and Ownership

Eine neue Ära: Web3-KI-Architektur und Besitz

On a technical level, ASI-1 Mini's architecture not only incorporates the traditional Mixture of Experts (MoE) framework but also adds what Fetch.ai refers to as a Mixture of Models (MoM) and Mixture of Agents (MoA) approach, enabling it to dynamically select and utilize specialized components for different tasks. Commenting on the development, Humayun Sheikh, CEO of Fetch.ai and Chairman of the ASI Alliance, stated:

Auf technischer Ebene beinhaltet die Architektur von ASI-1 Mini nicht nur die traditionelle Mischung aus Experten (MOE), sondern fügt auch das hinzu, was Fetch.ai als Mischung aus Modellen (MOM) und Mischung aus Agenten (MOA) bezeichnet, um es zu ermöglichen, um es zu ermöglichen, um es zu ermöglichen, um es zu ermöglichen, um dies zu ermöglichen So wählen Sie spezielle Komponenten für verschiedene Aufgaben dynamisch aus und verwenden Sie dynamisch. Humayun Sheikh, CEO von Fetch.ai und Vorsitzender der ASI Alliance, erklärte:

"ASI-1 Mini is just the start, over the coming days, we will be rolling out advanced agentic tool-calling, expanded multi-modal capabilities, and deeper Web3 integrations. With these enhancements, ASI-1 Mini will drive agentic automation while ensuring that AI’s value creation remains in the hands of those who fuel its growth.”

"ASI-1 Mini ist nur der Anfang, in den kommenden Tagen werden wir fortschrittliche Agenten-Tool-Annäherungen, erweiterte multimodale Funktionen und tiefere Web3-Integrationen einführen. Mit diesen Verbesserungen wird ASI-1 Mini die Agentenautomatisierung vorantreiben, während Sicherstellen, dass die Wertschöpfung von AI in den Händen derer bleibt, die ihr Wachstum befeuern. “

Moreover, the model will integrate seamlessly with a multitude of Web3 wallets and operate using $FET tokens, allowing users to not only utilize the AI but also potentially benefit from its growth and development. Through the ASI: platform, community members can participate in model training and development, thus sharing in the financial rewards generated by these systems.

Darüber hinaus wird das Modell nahtlos in eine Vielzahl von Web3 -Geldbörsen integriert und mit $ fet -Token arbeiten, sodass Benutzer nicht nur die KI nutzen, sondern möglicherweise auch von seinem Wachstum und seiner Entwicklung profitieren können. Über die ASI: Plattform können Community -Mitglieder an der Modellschulung und -entwicklung teilnehmen und so die von diesen Systemen generierten finanziellen Belohnungen teilen.

Performance Metrics and More

Leistungsmetriken und mehr

Early performance benchmarks indicate that ASI-1 Mini performs competitively with leading LLMs in specialized domains. Notably, the model boasts four dynamic reasoning modes: Multi-Step, Complete, Optimized, and Short Reasoning, which can be switched between based on task requirements. A key focus of ASI-1 Mini's development has been addressing the "black box" challenge faced by AI systems, where they often provide outputs without clear explanations for their reasoning process.

Frühe Performance-Benchmarks zeigen, dass ASI-1 Mini in spezialisierten Bereichen wettbewerbsfähig mit führender LLMs führt. Bemerkenswerterweise bietet das Modell vier dynamische Argumentationsmodi: mehrstufige, vollständige, optimierte und kurze Argumentation, die zwischen den Aufgabenanforderungen zwischen den Aufgabenanforderungen umgestellt werden können. Ein wesentlicher Schwerpunkt der Entwicklung von ASI-1 Mini lag auf der Herausforderung "Black Box" von AI-Systemen, bei der sie häufig Outputs ohne klare Erklärungen für ihren Argumentationsprozess liefern.

To tackle this issue, ASI-1 Mini employs what the company describes as continuous multi-step reasoning. Unlike conventional models that typically reason only at the beginning of a task, ASI-1 Mini maintains an ongoing reasoning process throughout its operations, enabling real-time adjustments/corrections and greater insights into how the model arrives at its conclusions.

Um dieses Problem anzugehen, verwendet ASI-1 Mini das, was das Unternehmen als kontinuierliche mehrstufige Argumentation bezeichnet. Im Gegensatz zu herkömmlichen Modellen, die in der Regel zu Beginn einer Aufgabe in der Regel begründen, behält ASI-1 Mini einen fortlaufenden Argumentationsprozess während der gesamten Operationen bei, wodurch Echtzeitanpassungen/-korrekturen und größere Einblicke in die Einigung des Modells zu seinen Schlussfolgerungen ermöglichen.

This transparency initiative is further supported by the system's three-layered architecture. The foundational layer, powered by ASI-1 Mini, serves as the central intelligence hub, while the specialization layer houses domain-specific models, and the action layer manages execution through specialized agents.

Diese Transparenzinitiative wird durch die dreischichtige Architektur des Systems weiter unterstützt. Die grundlegende Schicht, die von ASI-1 Mini angetrieben wird, dient als zentraler Intelligenz-Hub, während die Spezialisierungsschicht domänenspezifische Modelle beherbergt und die Aktionsschicht die Ausführung durch spezialisierte Agenten verwaltet.

As the technology continues to advance and additional features are implemented, the broader impact of Fetch.ai's Web3-native approach to AI development will become clearer in the near term. For now, ASI-1 Mini marks a significant step in this direction, combining advanced AI capabilities with decentralized ownership and development models at scale.

Da die Technologie weiter voranschreitet und zusätzliche Funktionen implementiert werden, wird die breitere Auswirkungen des Web3-nativen Ansatzes von Fetch.AI kurzfristig klarer. Derzeit markiert ASI-1 Mini einen erheblichen Schritt in diese Richtung und kombiniert fortschrittliche KI-Fähigkeiten mit dezentralen Eigentums- und Entwicklungsmodellen im Maßstab.