このレポートでは、暗号 X AI 内のフレームワークの状況について議論します。現在のタイプ（ELIZA、GAME、ARC、ZEREPY）とそれらの技術的な違いについて見ていきます。

ネット/ネット:

私たちは先週、4つの主要なフレームワークをレビューし、テストしました。結論はこちらにまとめられています（はい、チートシートもあります）。

We believe $AI16Z will continue to dominate share. The value in Eliza ($ai16z, ~60% market share, $900m Mcap) is its first mover advantage (Lindy Effect) and accelerating use among developers evidenced by 193 contributors, 1.8k forks, and 6000+ stars, leading it to be one of the most popular repositories on Github.

$GAME(~20％の市場シェア、$300m Mcap) はこれまで非常にスムーズで、急速な採用が進んでいます。これは、$VIRTUALの今日の発表によって示されています。200以上のプロジェクト、1日15万のリクエスト、週間ベースで200％の成長が報告されています。 $GAME彼らのエコシステムで最大の勝者の1つであり続けるでしょう、$VIRTUALの上昇から恩恵を受け続ける予定です。

Rig（$ARC、市場シェア約15％、時価総額約160億ドル）は非常に魅力的で、モジュラーデザインにより操作が容易であり、Solanaエコシステム（RUST）内で「純粋なプレイ」として主導的な存在となることができます。

Zerepy（$ZEREBRO、市場シェア約5％、市場キャップ300億ドル）は、カルトコミュニティ内のよりニッチなアプリケーションであり、$ZEREBROの一部であり、最近のai16zコミュニティとの提携はシナジーを生み出す可能性があります。

私たちは、市場占有率の計算には、MCap、開発記録、および基礎となるOSエンドマーケットの幅をブレンドしています。

我々は、現在のサイクルを通じて、フレームワークセグメントが最も急速に成長すると考えています。組み合わせた時価総額が約17億ドルであるため、まだ保守的な見積もりと言える20億ドルに簡単に成長する可能性があります。これは、2021年のピーク時のL1の評価額が単独で20億ドル以上に達したことを考えると、保守的な見積もりと言えます。3つのセグメントは異なるエンドマーケット（チェーン/エコシステム）を対象としていますが、市場時価総額によるアプローチが最も慎重な選択肢であると考えています。

Framework Cheatsheet:

このテーブルでは、各主要なフレームワークごとに、主要な技術、コンポーネント、および強みを示します。

フレームワークの概要のためのチートシート

フレームワークの紹介

AI x Cryptoの交差点では、AIの開発を促進するためのいくつかのフレームワークが登場しています。それらには、$AI 16ZによるELIZA、RIGによる $ARC, ZEREPY by $ZEREBRO、および $GAMEそれぞれのフレームワークは、オープンソースのコミュニティプロジェクトから、パフォーマンス重視のエンタープライズソリューションまで、さまざまなニーズとアジェンティック開発の哲学に対応しています。

このノートでは、フレームワークの概要、使用されるプログラミング言語、技術アーキテクチャ、アルゴリズム、そしてユニークな機能について紹介します。さらに、フレームワークの利用可能性、スケーラビリティ、適応性、パフォーマンスについて比較します。利点や限界も含めて各フレームワークを説明します。

ELIZAフレームワーク@ai16zdaovia @shawmakesmagic

Elizaは、オープンソースのマルチエージェントシミュレーションフレームワークであり、自律型のAIエージェントを作成、展開、管理するために設計されています。 TypeScriptで開発されたプログラミング言語として、一貫した人格と知識を維持しながら、複数のプラットフォームで人間と対話できる知能エージェントを構築するための柔軟で拡張可能なプラットフォームを提供しています。

このフレームワークのコア機能には、複数の一意の AI パーソナリティの展開と管理を同時にサポートするマルチエージェント アーキテクチャ、キャラクター ファイル フレームワークを使用して多様なエージェントを作成するためのキャラクター システム、および長期記憶とコンテキスト認識を提供する高度な検索拡張生成 (RAG) システムによるメモリ管理機能が含まれます。さらに、Elizaフレームワークは、Discord、X、およびその他のソーシャルメディアプラットフォームとの信頼性の高い接続のためのスムーズなプラットフォーム統合を提供します。

エリザは、AIエージェントのコミュニケーションとメディアの機能に関して優れた選択肢です。コミュニケーションに関しては、フレームワークはDiscordでのボイスチャネル機能、X機能、Telegram、カスタムユースケースのための直接APIアクセスをサポートしています。一方、フレームワークのメディア処理機能は、PDFドキュメントの読み取りと解析、リンクからのコンテンツ抽出と要約、音声の転写、ビデオコンテンツの処理、画像解析、および会話の要約を効果的に処理するため、多様なメディアの入出力に対応しています。

Elizaフレームワークは、オープンソースモデルを使用したローカル推論、OpenAIを介したクラウドベースの推論、およびNous Hermes Llama 3.1Bのようなデフォルトの設定を通じて柔軟なAIモデルサポートを提供します。Elizaは、包括的なAPIを備えたモジュラーアーキテクチャ、カスタムクライアントサポート、および複雑なクエリを処理するためのClaudeの統合サポートを備えています。スケーラビリティと適応性の両方を確保します。

Elizaのユースケースは、カスタマーサポート、コミュニティモデレーション、個人タスクのためのAIアシスタントや、自動コンテンツクリエーター、エンゲージメントボット、ブランド担当者などのソーシャルメディアペルソナなど、複数のドメインにまたがっています。また、リサーチアシスタント、コンテンツアナリスト、ドキュメントプロセッサなどの役割のナレッジワーカーとしても機能し、ロールプレイングボット、教育チューター、エンターテインメントエージェントなどの形でインタラクティブなキャラクターをサポートします。

Elizaのアーキテクチャは、エージェントランタイムを中心に構成されており、そのキャラクターシステム（モデルプロバイダーによってサポートされています）、メモリマネージャー（データベースに接続されています）、およびアクションシステム（プラットフォームクライアントにリンクされています）とシームレスに統合されています。フレームワークのユニークな機能には、モジュラーな機能拡張を可能にするプラグインシステム、音声、テキスト、メディアなどのマルチモーダルな相互作用のサポート、およびLlama、GPT-4、Claudeなどの主要なAIモデルとの互換性が含まれます。その多目的かつ堅牢な設計により、Elizaは多様なドメインでのAIアプリケーションの開発において強力なツールとして際立っています。

G.A.M.E Framework by @virtuals_iovia @everythingempt0

Generative Autonomous Multimodal Entities Framework（G.A.M.E）は、AIエージェントの実験にAPIおよびSDKアクセスを提供するために設計されています。このフレームワークは、AIエージェントの行動、意思決定、学習プロセスを管理するための構造化されたアプローチを提供します。

The core components are: First, an Agent Prompting Interface as an entry point for developers to integrate GAME into an agent for accessing agentic behavior. The Perception Subsystem initiates sessions by specifying parameters such as session IDs, agent IDs, users, and other relevant details.

それは、AIエージェントのための感覚入力メカニズムとして機能する戦略計画エンジンに適した形式に受信メッセージを合成し、対話やリアクションの形であっても、エージェントからのメッセージや応答を処理し、知覚サブシステムと協力して入力を効果的に解釋し応答するための対話処理モジュールが中心となっています。

The Strategic Planning Engine works in conjunction with the Dialogue Processing Module and the on-chain wallet operator, generates responses and plans. This engine functions at two levels: as a high-level planner to create broad strategies based on context or goals and as a low-level policy to translate these strategies into actionable policies which is further divided into an Action Planner for specifying tasks and a Plan Executor for carrying them out.

別個のがしかし重要なコンポーネントは、環境、世界情報、およびゲームの状態を参照するワールドコンテキストであり、エージェントの意思決定に必要な文脈を提供します。また、目標、反省、経験、および個性などの長期的な属性を保存するエージェントリポジトリもあり、これらがエージェントの行動と意思決定プロセスを共同で形作ります。

このフレームワークは短期作業記憶と長期記憶プロセッサを使用しています。 短期記憶は、以前の行動、結果、および現在の計画に関する関連情報を保持します。 一方、長期記憶プロセッサは、重要性、最近性、関連性などの基準に基づいて主要情報を抽出します。 この記憶は、エージェントの経験、反省、ダイナミックな個性、世界的文脈、および意思決定を向上させ、学習の基盤を提供するための知識を保存します。

レイアウトに追加するために、学習モジュールは知覚サブシステムからデータを消費して一般的な知識を生成し、将来の相互作用を改善するためにシステムにフィードバックされます。開発者は、インターフェースを介してアクション、ゲーム状態、および感覚データについてフィードバックを入力して、AIエージェントの学習を強化し、その計画および意思決定能力を向上させることができます。

ワークフローは、開発者がエージェントプロンプティングインターフェースを介して対話することから始まります。入力は知覚サブシステムによって処理され、対話処理モジュールに転送され、対話ロジックを管理します。その後、戦略計画エンジンはこの情報に基づいて計画を策定し、実行します。高レベルの戦略と詳細なアクション計画の両方を活用します。

ワールドコンテキストとエージェントリポジトリからのデータは、これらのプロセスに情報を提供します。同時に、ワーキングメモリは即座のタスクを追跡します。長期記憶プロセッサは、時間を経て知識を保存および取得します。学習モジュールは結果を分析し、新しい知識をシステムに統合してエージェントの行動と相互作用の持続的な改善を可能にします。

RIGフレームワークby @arcdotfunvia @Playgrounds0x

Rigは、大規模言語モデルアプリケーションの開発を効率化するために設計された、オープンソースのRustベースのフレームワークです。OpenAIやAnthropicなどの複数のLLMプロバイダとの統一されたインターフェースを提供し、MongoDBやNeo4jなどのさまざまなベクトルストアをサポートしています。このフレームワークのモジュラーアーキテクチャには、プロバイダ抽象化レイヤー、ベクトルストア統合、およびエージェントシステムなどのコアコンポーネントがあり、シームレスなLLMの相互作用を実現しています。

Rigの主要なターゲットは、RustでAI/MLアプリケーションを構築する開発者であり、その次のターゲットは、複数のLLMプロバイダーとベクトルストアをRustアプリケーションに統合したい組織です。このリポジトリは、ワークスペースベースの構造を使用して構成されており、複数のクレートを備えており、スケーラビリティと効率的なプロジェクト管理が可能です。主な機能には、プロバイダー抽象化レイヤーが含まれており、これにより、LLMプロバイダー全体での一貫したエラー処理を伴う、補完と埋め込みのためのAPIが標準化されています。ベクトルストア統合コンポーネントは、複数のバックエンド向けの抽象インターフェースを提供し、ベクトル類似検索をサポートしています。エージェントシステムは、LLMの相互作用を簡素化し、Retrieval Augmented Generation (RAG)およびツールの統合をサポートしています。さらに、埋め込みフレームワークは、バッチ処理機能と型安全な埋め込み操作を提供しています。

リグは、信頼性と性能を確保するために、いくつかの技術的利点を活用しています。非同期操作は、Rustの非同期ランタイムを利用して、多数の同時リクエストを効率的に処理します。フレームワーク固有のエラー処理メカニズムにより、AI プロバイダーやデータベース操作の障害に対する回復力が向上します。タイプ セーフはコンパイル時のエラーを防止し、コードの保守性を高めます。効率的なシリアル化と逆シリアル化のプロセスにより、AI サービスの通信と保存に不可欠な JSON などの形式のデータ処理が容易になります。詳細なログ記録とインストルメンテーションは、アプリケーションのデバッグと監視をさらに支援します。

Rigのワークフローは、クライアントがリクエストを開始することから始まり、適切なLLMモデルと対話するためにプロバイダ抽象化レイヤーを介してフローします。データはコアレイヤーで処理され、エージェントはツールを使用したり、コンテキストのためにベクトルストアにアクセスしたりすることができます。RAGのような複雑なワークフローを介して応答が生成され、文書の検索やコンテキストの理解が行われた後、クライアントに返されます。このシステムは、複数のLLMプロバイダとベクトルストアを統合しており、モデルの利用可能性やパフォーマンスの変更に対応することができます。

Rigの多様なユースケースには、正確な応答を提供するために関連するドキュメントを取得する質問応答システム、効率的なコンテンツの検索と取得のためのドキュメント検索、および顧客サービスや教育のための文脈に応じたインタラクションを提供するチャットボットや仮想アシスタントが含まれます。また、学習したパターンに基づいてテキストやその他の資料を生成するコンテンツ生成もサポートしており、開発者や組織にとって汎用性のあるツールとなっています。

Zerepyフレームワークby @0xzerebro と @blorm_via@jyu_eth

ZerePyはPythonで書かれたオープンソースのフレームワークで、OpenAIまたはAnthropic LLMを利用してX上にエージェントを展開するために設計されています。ZerePyはZerebroバックエンドのモジュール化バージョンを派生させたもので、Zerebroのコア機能に似た機能を持つエージェントを開発者が起動できるようにします。フレームワークはエージェントの展開のための基盤を提供しますが、クリエイティブな出力を生成するためにはモデルの微調整が必要です。ZerePyは個別のAIエージェントの開発と展開を簡素化し、特にソーシャルプラットフォームでのコンテンツ作成に向けたAI駆動の創造性を促進し、芸術的で分散化されたアプリケーションを実現します。

Pythonで構築されたフレームワークは、ELIZAのアーキテクチャとの連動を重視したクリエイティブな出力生成にエージェントの自律性を重視しています。モジュラーデザインにより、メモリシステムの統合をサポートし、ソーシャルプラットフォーム上でのエージェントの展開を容易にします。主な機能には、エージェント管理のためのコマンドラインインターフェース、Twitterとの統合、OpenAIとAnthropic LLMsのサポート、および機能の拡張のためのモジュラーコネクションシステムがあります。

ZerePyのユースケースは、ユーザーがAIエージェントを展開して投稿、返信、いいね、リツイートを行い、プラットフォームのエンゲージメントを向上させることができるソーシャルメディアの自動化に広がります。さらに、音楽、ミーム、NFTなどのコンテンツ作成にも対応しており、デジタルアートやブロックチェーンベースのコンテンツプラットフォームにとって貴重なツールとなっています。

4つのフレームワークの比較

私たちの見解では、各フレームワークはAI開発に独自のアプローチを提供し、特定のニーズや環境に合わせて対応しており、これらのフレームワークが競合相手であるという議論から、各フレームワークが独自の提案を提供するという議論に移行しています。

ELIZAは、特にJavaScriptやNode.js環境に精通している開発者にとって、ユーザーフレンドリーなインターフェースで際立っています。その包括的なドキュメントは、さまざまなプラットフォームで AI エージェントを設定するのに役立ちますが、その広範な機能セットは適度な学習曲線を提示する可能性があります。TypeScriptで開発されているため、WebインフラのフロントエンドのほとんどがTypeScriptで構築されているため、ElizaはWebに埋め込まれたエージェントの構築に最適です。このフレームワークはマルチエージェントアーキテクチャに優れており、Discord、X、Telegramなどのプラットフォーム間で多様なAIパーソナリティを展開できます。メモリ管理のための高度なRAGシステムは、カスタマーサポートやソーシャルメディアアプリケーションのAIアシスタントに特に効果的です。柔軟性、強力なコミュニティサポート、一貫したクロスプラットフォームパフォーマンスを提供しますが、まだ初期段階にあり、開発者に学習曲線をもたらす可能性があります。

GAMEは、ゲーム開発者を対象に設計され、APIを介して低コードまたはノーコードのインターフェースを提供し、ゲーミングセクター内の技術的に少なく熟練していないユーザーにもアクセス可能にしています。ただし、ゲーム開発とブロックチェーンの統合に特化しているため、関連する経験がない場合の急な学習曲線が生じる可能性があります。手順型コンテンツ生成およびNPCの行動においては優れていますが、ニッチなフォーカスとブロックチェーンの統合による複雑さに制限があります。

Rig は Rust を使用しているため、言語が複雑であるためユーザーフレンドリーではなく、学習に大きな課題をもたらす可能性がありますが、システム プログラミングに精通している人にとっては、直感的な操作を提供します。プログラミング言語自体は、typescriptと比較してパフォーマンスとメモリの安全性で知られています。複雑なAIアルゴリズムを実行するために必要な厳密なコンパイル時間チェックとゼロコストの抽象化が付属しています。この言語は効率的で、低レベルの制御により、リソースを大量に消費するAIアプリケーションに最適です。このフレームワークは、モジュール式でスケーラブルな設計の高性能ソリューションを提供し、エンタープライズアプリケーションに最適です。ただし、Rustを使用すると、言語に慣れていない開発者にとって急な学習曲線が発生します。

ZerePyは、Pythonを活用して創造的なAIタスクに高い利用性を提供し、特にAI / MLのバックグラウンドを持つPython開発者にとって低い学習曲線を提供し、Zerebroが暗号コミュニティに参加していることから強力なコミュニティサポートを受けています。NFTなどの創造的なAIアプリケーションに優れ、デジタルメディアや芸術分野で強力なツールとして位置付けられています。創造性においては優れていますが、他のフレームワークに比べて範囲は比較的狭いです。

スケーラビリティに関して、ELIZAはV2のアップデートで進歩を遂げ、統一されたメッセージバスとスケーラブルなコアフレームワークを導入し、複数のプラットフォーム間で効率的な管理を可能にしました。ただし、最適化されていない場合、このマルチプラットフォームの相互作用の管理はスケーラビリティの課題をもたらす可能性があります。

GAMEは、ゲームに必要なリアルタイム処理に優れており、効率的なアルゴリズムとブロックチェーンの分散システムによってスケーラビリティが管理されますが、特定のゲームエンジンやブロックチェーンネットワークの制限によって制約される場合があります。

Rig Frameworkは、高スループットのアプリケーションに特に効果的な、拡張性の高いRustのパフォーマンスを活用しています。これは、企業レベルの展開に特に適していますが、真の拡張性を実現するためには複雑なセットアップが必要になるかもしれません。

Zerepy のスケーラビリティは、コミュニティの貢献に支えられたクリエイティブなアウトプットを対象としていますが、その焦点は、より広範な AI コンテキストでの適用を制限する可能性があり、スケーラビリティは、ユーザー量ではなくクリエイティブ タスクの多様性によってテストされる可能性があります。

適応性に関しては、ELIZAがプラグインシステムとクロスプラットフォームの互換性によってリードしており、ゲームはゲーム環境内で、Rigは複雑なAIタスクの処理に適しています。ZerePyはクリエイティブな領域での適応性が高いですが、より広範なAIアプリケーションには適していません。

パフォーマンス的には、ELIZAは迅速なソーシャルメディアの対話に最適化されており、迅速な応答時間が重要ですが、より複雑な計算タスクに取り組む場合はパフォーマンスが異なる可能性があります。

GAME by Virtual Protocolは、効率的な意思決定プロセスと分散型AI操作のために、可能であればブロックチェーンを利用したゲームシナリオでの高性能なリアルタイムインタラクションに焦点を当てています。

Rig Framework、そのRustの基盤により、計算効率が最も重要な企業アプリケーションに適した高性能コンピューティングタスク向けの優れたパフォーマンスを提供します。

Zerepyのパフォーマンスは、クリエイティブなコンテンツの作成に向けられており、コンテンツ生成の効率と品質を中心にしたメトリクスがあり、クリエイティブな領域以外では柔軟性に欠ける可能性があります。

利点を考慮すると、ELIZAは柔軟性と拡張性を提供し、プラグインシステムとキャラクター設定を通じて高い適応性を持ち、プラットフォーム間のソーシャルAIインタラクションに役立ちます。

GAMEは、ブロックチェーンの統合によって強化されたゲーム内でのユニークなリアルタイムインタラクション機能を提供し、新しいAIエンゲージメントを実現します。

Rigの利点は、パフォーマンスとエンタープライズAIタスクの拡張性にあり、長期的なプロジェクトの健全性のためのクリーンでモジュラーなコードに焦点を当てています。

Zerepyは創造性を育み、活気あるコミュニティ主導の開発モデルによってデジタルアートのAIアプリケーションでリーディングを果たしています。

各フレームワークにはそれぞれ制約があります。ELIZAはまだ初期段階で、潜在的な安定性の問題や新しい開発者の学習曲線があります。Gameのニッチな焦点は広範な応用を制限する可能性があり、ブロックチェーンは複雑さを追加します。RigはRustによる急峻な学習曲線があり、一部の開発者を妨げる可能性があります。また、Zerepyはクリエイティブな出力に焦点を絞っているため、他のAI分野での使用が制限される可能性があります。

フレームワーク比較の主な要点

Rig ($ARC):

言語：Rustは安全性とパフォーマンスに焦点を当てています。

ユースケース：効率と拡張性に焦点を当てたため、企業レベルのAIアプリケーションに最適です。

コミュニティ：コミュニティ主導ではなく、技術開発者に焦点を当てています。

Eliza（$AI16Z）：

言語: TypeScript、web3の柔軟性とコミュニティ参加を強調します。

ユースケース：ソーシャルインタラクション、DAO、および取引に特化し、マルチエージェントシステムに強く重点を置いて設計されています。

コミュニティ：非常にコミュニティによって駆動され、広範なGitHubの関与があります。

ZerePy（$ZEREBRO）：

言語: Pythonは、より広範なAI開発者にアクセス可能にする。

ユースケース：ソーシャルメディアの自動化やより簡単なAIエージェントのタスクに適しています。

コミュニティ：Pythonの人気とAI16Zの貢献者支援により、比較的新しいが成長が見込まれています。

GAME ($VIRTUAL):

焦点：仮想環境内での相互作用に基づいて進化する自律的で適応型のAIエージェントに焦点を当てています。

ユースケース：ゲームや仮想世界など、エージェントが学び適応する必要がある場面に最適です。

コミュニティ：革新的ですが、競争の中でまだ自分のニッチを定義しています。

Githubでのスター履歴

Github スター履歴

上の図は、フレームワークのGitHubスター履歴を参照しています。GitHubスターは、コミュニティの関心、プロジェクトの人気、およびプロジェクトの認識された価値の指標として機能することが注目されています。

ELIZA - Red Line:

7月から低い基準から始まり、11月下旬から急激に星が増え、6.1kの星に達するまで、星の数が著しく増加していることを示しています。これは、開発者の関心を引きつける急速な関心の高まりを示しています。指数関数的な成長は、ELIZAがその機能、アップデート、およびコミュニティの関与によって大きな支持を得ていることを示唆しています。その人気は他のものを大幅に超えており、AIコミュニティでの広範な適用性や関心を示しています。

RIG- ブルーライン:

リグは4つの星の中で最年長であり、星の数は控えめながらも着実に増加しており、今月は顕著な増加を見せています。1.7k個の星に達しましたが、上昇軌道に乗っています。着実な関心の蓄積は、継続的な開発、更新、およびユーザーベースの拡大によるものです。これは、ニッチなオーディエンスや、まだ評判を築いているフレームワークを反映している可能性があります。

ZEREPY - イエローライン:

ZerePyは数日前に立ち上げられ、181のスターを獲得しました。ZerePyの可視性と採用を高めるためには、さらなる開発が必要であることが強調されています。$AI16Zとのパートナーシップは、コードベースへの貢献者をさらに引き付ける可能性があります。

GAME - グリーンライン:

このプロジェクトは最小限のスターを持っており、このフレームワークはGithub上での可視性を必要とせずに、APIを介して仮想エコシステム内のエージェントに直接適用することができることが注目されています。ただし、このフレームワークは公開されてからわずか1か月以上しか経っておらず、200以上のプロジェクトがGAMEで構築されています。

フレームワークのためのブルテーゼス

Eliza’s version 2はCoinbaseエージェントキットとの統合を含みます。Elizaを使用するすべてのプロジェクトは、ネイティブTEEの将来的なサポートを受けて、エージェントが安全な環境で操作できるようになります。Elizaの今後の機能の1つは、プラグインレジストリであり、開発者はシームレスにプラグインを登録および統合できます。

また、Eliza V2では、自動化された匿名のクロスプラットフォームメッセージングをサポートします。 2025年1月1日に発表予定のTokenomicsホワイトペーパーは、Elizaフレームワークの基盤であるAI16Zトークンにポジティブな影響を与えると予想されています。 AI16Zは、主要な貢献者の取り組みによって示される高品質の人材のオンボーディングを活用し、フレームワークの有用性を引き続き向上させる予定です。

GAMEフレームワークは、エージェントにノーコード統合を提供し、1つのプロジェクト内でGAMEとELIZAを同時に使用し、それぞれが特定の目的を果たすことを可能にします。このアプローチは、技術的な複雑さよりもビジネスロジックに重点を置いたビルダーを惹きつけることが期待されます。公開されてからわずか 30 日余りであるにもかかわらず、このフレームワークは、より多くのコントリビューターをオンボーディングするためのチームの取り組みに支えられ、大きな進歩を遂げています。$VIRTUALで立ち上げられたすべてのプロジェクトがGAMEを採用することが期待されています。

Rig, represented by the $ARCトークンは大きなポテンシャルを持っていますが、そのフレームワークの成長はまだ初期段階です。Rigを使用してプロジェクトをオンボードするためのハンドシェイクプログラムはわずか数日間しかリリースされていません。しかし、ARCとペアリングされた優れたプロジェクトは、Virtualフライホイールに類似していますが、Solanaに焦点を当てています。チームはSolanaとのパートナーシップに楽観的であり、VirtualがBaseに対してARCがSolanaになるような位置づけです。特筆すべきは、チームがRigで立ち上げられた新しいプロジェクトだけでなく、Rigフレームワーク自体を向上させる開発者にインセンティブを与えていることです。

新しく立ち上げられたフレームワークであるZerepyは、$AI16Z（Eliza）とのパートナーシップにより注目を集めています。このフレームワークは、Elizaのコントリビューターからの支援を受けながら、積極的に改善されています。$ZEREBROのファンによって支持されるカルト的なフォロワーを持ち、これまで競争の激しいAIインフラストラクチャの中で代表的な存在がなかったPython開発者に新たなチャンスをもたらしています。このフレームワークは、AIの創造的な側面で重要な役割を果たすことが期待されています。

免責事項:

1. この記事は[から転載されましたX]. All copyrights belong to the original author [@DV_Memetics]. もし再版に異議がある場合は、お問い合わせください。Gate Learn(ゲート・ラーン)チームがすぐに対応します。
2. 免責事項：この記事に含まれる見解および意見は、著者個人のものであり、投資アドバイスとは見なされません。
3. Gate Learnチームは、記事を他の言語に翻訳しました。翻訳された記事のコピー、配布、または盗作は、明示されていない限り禁止されています。