ASI-1 MINI : Fetch.ai는 세계 최초의 Web3-Native 큰 언어 모델 (LLM)을 공개합니다.

AI X Web3 시장이 계속 빠르게 확장되면서 분산 된 AI와 자율적 인 에이전트 기술 제공 업체 인 Fetch.ai는 최근 ASI-1 MINI의 출시를 발표했습니다.

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

발표 : Fetch.ai 공개 ASI-1 MINI, Web3의 초기 대형 언어 모델

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.

최근 개발에서 자율 에이전트 기술 및 분산 된 AI 공급 업체 인 Fetch.ai는 자율 에이전트 워크 플로우를 우선시하도록 설계된 Web3-Native 대형 언어 모델 (LLM) 인 ASI-1 MINI의 출시를 발표했습니다. 이것은 Singularitynet, Ocean Protocol 및 Cudos와 같은 저명한 Web3 엔티티와 함께 ​​Fetch.ai가 설립 한 그룹 인 ASI (Artificial Superintelligence) Alliance의 중요한 단계입니다.

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 MINI는 ASI의 더 광범위한 "ASI :"가족의 첫 번째 모델 역할을하며, Cortex Group에서 가까운 장래에 더 많은 고급 모델이 출시 될 예정입니다. 특히 ASI-1 MINI는 혁신적인 아키텍처 덕분에 두 개의 GPU에서 효율적으로 작동하도록 설계되었습니다. 이는 기존 솔루션에 비해 하드웨어 효율성이 8 배 향상되어 엔터프라이즈 등급 AI 시스템을 배포하는 것과 관련된 인프라 비용을 크게 줄이고 광범위한 조직 및 개발자에게보다 액세스 할 수 있도록합니다.

A New Era: Web3-Native AI Architecture and Ownership

새로운 시대 : Web3-Native AI Architecture 및 소유권

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:

기술적 인 수준에서 ASI-1 Mini의 아키텍처는 전통적인 전문가 (MOE) 프레임 워크를 포함 할뿐만 아니라 Fetch.ai가 모델 (MOM)과 MOA (Mixture) 접근법의 혼합으로 언급하는 것을 추가하여 활성화합니다. 다양한 작업에 대해 특수 구성 요소를 동적으로 선택하고 활용합니다. 개발에 대한 언급, Fetch.ai의 CEO이자 ASI Alliance 회장 인 Humayun Sheikh는 다음과 같이 말했습니다.

"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 Mini는 앞으로 시작되었습니다. 앞으로 며칠 동안 우리는 고급 에이전트 툴 호전, 확장 된 멀티 모달 기능 및 더 깊은 Web3 통합을 출시 할 예정입니다. 이러한 향상을 통해 ASI-1 MINI는 에이전트 자동화를 주도합니다. AI의 가치 창출이 성장을 불러 일으키는 사람들의 손에 남아 있는지 확인합니다.”

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.

또한이 모델은 수많은 Web3 지갑과 완벽하게 통합되고 $ FET 토큰을 사용하여 작동하여 사용자는 AI를 활용할뿐만 아니라 성장과 개발의 이점을 활용할 수 있습니다. ASI : 플랫폼을 통해 커뮤니티 회원은 모델 교육 및 개발에 참여하여 이러한 시스템에서 생성 한 재무 보상을 공유 할 수 있습니다.

Performance Metrics and More

성능 메트릭 등

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.

초기 성능 벤치 마크에 따르면 ASI-1 MINI는 특수 도메인의 LLM과 경쟁적으로 성능을 발휘합니다. 특히이 모델은 작업 요구 사항에 따라 전환 할 수있는 다중 단계, 완전, 최적화 및 짧은 추론의 4 가지 동적 추론 모드를 자랑합니다. ASI-1 MINI의 개발의 주요 초점은 AI 시스템이 직면 한 "블랙 박스"도전을 해결하는 것이 었으며, 여기서 추론 과정에 대한 명확한 설명없이 출력을 제공합니다.

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.

이 문제를 해결하기 위해 ASI-1 MINI는 회사가 지속적인 다단계 추론으로 묘사 한 것을 사용합니다. ASI-1 MINI는 작업 시작 부분에서만 일반적으로 사용하는 기존 모델과 달리 작업 전반에 걸쳐 지속적인 추론 프로세스를 유지하여 실시간 조정/수정 및 모델이 결론에 도달하는 방법에 대한 더 큰 통찰력을 제공합니다.

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.

이 투명성 이니셔티브는 시스템의 3 층 아키텍처에 의해 더욱 뒷받침됩니다. ASI-1 MINI로 구동되는 기초 계층은 중앙 인텔리전스 허브 역할을하며 전문 레이어는 도메인 별 모델을 수용하고 액션 레이어는 전문 에이전트를 통해 실행을 관리합니다.

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.

기술이 계속 발전하고 추가 기능이 구현됨에 따라 Fetch.ai의 AI 개발에 대한 Web3-Native 접근 방식의 광범위한 영향은 단기적으로 더 명확해질 것입니다. 현재 ASI-1 Mini는 고급 AI 기능을 분산 된 소유권 및 개발 모델과 결합 하여이 방향으로 중요한 단계를 차지합니다.