Обнаружен медицинский AI инструмент QBio, который сосредоточен на классификации плотности молочной железы и генерации прозрачных отчетов. Загрузите рентгеновский снимок, и через несколько минут вы узнаете, является ли плотность молочной железы A, B, C или D, а также получите подробный отчет, объясняющий процесс принятия решений.
Он был разработан в сотрудничестве Fetch и Hybrid, QBio - это всего лишь закуска, настоящая звезда - ASI-1 Mini.
Fetch — это очень старый проект, который в годы, когда DeFi привлекало всеобщее внимание на рынке, сосредоточился на AI + Crypto, продолжая разрабатывать и применять универсальные технологии многомодельных агентов.
Что такое ASI-1 Mini
В феврале этого года Fetch представил первую в мире нативную для Web3 большую языковую модель (LLM) — ASI-1 Mini. Что такое нативная для Web3? Проще говоря, это означает, что она бесшовно интегрирована с блокчейном, позволяя вам не только использовать ИИ с помощью токена $FET и кошелька ASI, но и инвестировать, обучать и владеть ИИ.
Что такое ASI-1 Mini?
Это большой языковой модель, специально разработанная для агентского ИИ (Agentic AI), способная координировать несколько ИИ-агентов и обрабатывать сложные многошаговые задачи.
Например, агент вывода ASI за QBio является частью ASI-1 Mini. Он не только может классифицировать плотность молочной железы, но также объясняет процесс принятия решений, решая проблему "черного ящика" ИИ. Более того, ASI-1 Mini может работать всего на двух GPU, что значительно дешевле по сравнению с другими LLM (такими как DeepSeek, которому требуется 16 H100 GPU), что делает его подходящим для использования малых и средних учреждений.
ASI-1 Mini каково новаторство
ASI-1 Mini обладает производительностью, сопоставимой с передовыми LLM, но стоимость аппаратного обеспечения значительно снижена. Он имеет динамический режим вывода и продвинутые адаптивные способности, что позволяет достигать более эффективных и контекстно осознанных решений.
МоМ против МоА
Это аббревиатуры, не бойтесь, всё просто: смешанная модель Mixture of Models (MoM), смешанный агент Mixture of Agents (MoA)
Представьте себе команду экспертов по искусственному интеллекту, каждый из которых сосредоточен на своей задаче. повысить эффективность и сделать процесс принятия решений более прозрачным. Например, при анализе медицинских изображений MoM может выбрать одну модель, которая специализируется на распознавании изображений, и другую, которая специализируется на генерации текста, и MoA координирует выходные данные двух моделей, чтобы гарантировать, что окончательный отчет будет точным и удобным для чтения.
Прозрачность и масштабируемость
Традиционные LLM часто являются "черным ящиком": вы задаете ему вопрос, он дает вам ответ, но почему он так ответил, извините, не скажу. ASI-1 Mini отличается: благодаря непрерывному многоступенчатому рассуждению он может сказать вам, что выбрал этот ответ по таким-то причинам, особенно в медицинской сфере это имеет решающее значение.
Контекстное окно ASI-1 Mini будет расширено до 10 миллионов токенов и поддерживает мультимодальные возможности (такие как обработка изображений и видео). В будущем также будет выпущена серия моделей Cortex, сосредоточенная на передовых областях, таких как робототехника и биотехнологии.
эффективность оборудования
Другие LLM требуют высоких затрат на оборудование, в то время как ASI-1 Mini может работать всего на двух GPU. Это означает, что даже маленькая клиника может себе это позволить, не нуждаясь в миллионном дата-центре.
Почему так эффективно? Потому что философия дизайна ASI-1 Mini заключается в том, что "меньше - значит больше". Он максимизирует использование ограниченных вычислительных ресурсов за счет оптимизации алгоритмов и структуры моделей. В отличие от этого, другие LLM часто стремятся к более крупномасштабным моделям, в результате чего потребление ресурсов становится огромным.
Сообщество управляемое
В отличие от других крупных языковых моделей, ASI-1 Mini обучается децентрализованно и с участием сообщества. ASI-1 Mini является продуктом с бесплатной моделью с повышением уровня, предназначенным для держателей $FET, которые могут подключать свой Web3-кошелек для разблокировки всех функций. Чем больше токенов FET хранится в кошельке, тем больше возможностей можно исследовать в этой модели.
Эта модель, основанная на сообществе, похожа на краудфандинг, но используется для обучения и проверки искусственного интеллекта, высоких технологий, которые больше не принадлежат только элите, а могут участвовать все.
В эпоху, когда LLM уже относительно зрелый, почему нужно отдельно разрабатывать ASI-1 Mini? Это легко понять: он заполняет пробел между Web3 и AI.
Текущие LLM (такие как ChatGPT, Grok) в основном служат централизованной среде, в то время как ASI-1 Mini является первым LLM, разработанным для децентрализованной экосистемы. Он не только делает ИИ более прозрачным и эффективным, но и позволяет членам сообщества напрямую извлекать выгоду из роста ИИ.
Появление ASI-1 Mini знаменует собой переход ИИ от "черного ящика" к "прозрачности", от "централизации" к "децентрализации", от "инструмента" к "активу". Он может не только играть роль в медицинской сфере (например, QBio), но и проявлять потенциал в таких областях, как финансы, право, научные исследования и др.
В этом месяце Fetch сотрудничает с Rivalz, интегрируя ASI-1 Mini в систему координации данных Agentic (ADCS) от Rivalz для реализации AI-вывода на блокчейне. Благодаря этому сотрудничеству децентрализованные приложения смогут напрямую получать доступ к продвинутым возможностям AI-вывода на блокчейне.
Традиционная блокчейн-среда ограничена ресурсами, и смарт-контракты могут обрабатывать только легковесные задачи, обычно получая простые данные (например, цены) через оракулы, и не могут напрямую выполнять сложные модели ИИ. ADCS идеально решает эту проблему, сложные вычисления ИИ выполняются вне цепи, а результаты безопасно возвращаются в блокчейн, обеспечивая децентрализацию и доверие.
Содержание носит исключительно справочный характер и не является предложением или офертой. Консультации по инвестициям, налогообложению или юридическим вопросам не предоставляются. Более подробную информацию о рисках см. в разделе «Дисклеймер».
Интерпретация нативной модели языка Web3 ASI-1 Mini
Обнаружен медицинский AI инструмент QBio, который сосредоточен на классификации плотности молочной железы и генерации прозрачных отчетов. Загрузите рентгеновский снимок, и через несколько минут вы узнаете, является ли плотность молочной железы A, B, C или D, а также получите подробный отчет, объясняющий процесс принятия решений.
Он был разработан в сотрудничестве Fetch и Hybrid, QBio - это всего лишь закуска, настоящая звезда - ASI-1 Mini.
Fetch — это очень старый проект, который в годы, когда DeFi привлекало всеобщее внимание на рынке, сосредоточился на AI + Crypto, продолжая разрабатывать и применять универсальные технологии многомодельных агентов.
Что такое ASI-1 Mini
В феврале этого года Fetch представил первую в мире нативную для Web3 большую языковую модель (LLM) — ASI-1 Mini. Что такое нативная для Web3? Проще говоря, это означает, что она бесшовно интегрирована с блокчейном, позволяя вам не только использовать ИИ с помощью токена $FET и кошелька ASI, но и инвестировать, обучать и владеть ИИ.
Что такое ASI-1 Mini?
Это большой языковой модель, специально разработанная для агентского ИИ (Agentic AI), способная координировать несколько ИИ-агентов и обрабатывать сложные многошаговые задачи.
Например, агент вывода ASI за QBio является частью ASI-1 Mini. Он не только может классифицировать плотность молочной железы, но также объясняет процесс принятия решений, решая проблему "черного ящика" ИИ. Более того, ASI-1 Mini может работать всего на двух GPU, что значительно дешевле по сравнению с другими LLM (такими как DeepSeek, которому требуется 16 H100 GPU), что делает его подходящим для использования малых и средних учреждений.
ASI-1 Mini каково новаторство
ASI-1 Mini обладает производительностью, сопоставимой с передовыми LLM, но стоимость аппаратного обеспечения значительно снижена. Он имеет динамический режим вывода и продвинутые адаптивные способности, что позволяет достигать более эффективных и контекстно осознанных решений.
МоМ против МоА
Это аббревиатуры, не бойтесь, всё просто: смешанная модель Mixture of Models (MoM), смешанный агент Mixture of Agents (MoA)
Представьте себе команду экспертов по искусственному интеллекту, каждый из которых сосредоточен на своей задаче. повысить эффективность и сделать процесс принятия решений более прозрачным. Например, при анализе медицинских изображений MoM может выбрать одну модель, которая специализируется на распознавании изображений, и другую, которая специализируется на генерации текста, и MoA координирует выходные данные двух моделей, чтобы гарантировать, что окончательный отчет будет точным и удобным для чтения.
Прозрачность и масштабируемость
Традиционные LLM часто являются "черным ящиком": вы задаете ему вопрос, он дает вам ответ, но почему он так ответил, извините, не скажу. ASI-1 Mini отличается: благодаря непрерывному многоступенчатому рассуждению он может сказать вам, что выбрал этот ответ по таким-то причинам, особенно в медицинской сфере это имеет решающее значение.
Контекстное окно ASI-1 Mini будет расширено до 10 миллионов токенов и поддерживает мультимодальные возможности (такие как обработка изображений и видео). В будущем также будет выпущена серия моделей Cortex, сосредоточенная на передовых областях, таких как робототехника и биотехнологии.
эффективность оборудования
Другие LLM требуют высоких затрат на оборудование, в то время как ASI-1 Mini может работать всего на двух GPU. Это означает, что даже маленькая клиника может себе это позволить, не нуждаясь в миллионном дата-центре.
Почему так эффективно? Потому что философия дизайна ASI-1 Mini заключается в том, что "меньше - значит больше". Он максимизирует использование ограниченных вычислительных ресурсов за счет оптимизации алгоритмов и структуры моделей. В отличие от этого, другие LLM часто стремятся к более крупномасштабным моделям, в результате чего потребление ресурсов становится огромным.
Сообщество управляемое
В отличие от других крупных языковых моделей, ASI-1 Mini обучается децентрализованно и с участием сообщества. ASI-1 Mini является продуктом с бесплатной моделью с повышением уровня, предназначенным для держателей $FET, которые могут подключать свой Web3-кошелек для разблокировки всех функций. Чем больше токенов FET хранится в кошельке, тем больше возможностей можно исследовать в этой модели.
Эта модель, основанная на сообществе, похожа на краудфандинг, но используется для обучения и проверки искусственного интеллекта, высоких технологий, которые больше не принадлежат только элите, а могут участвовать все.
В эпоху, когда LLM уже относительно зрелый, почему нужно отдельно разрабатывать ASI-1 Mini? Это легко понять: он заполняет пробел между Web3 и AI.
Текущие LLM (такие как ChatGPT, Grok) в основном служат централизованной среде, в то время как ASI-1 Mini является первым LLM, разработанным для децентрализованной экосистемы. Он не только делает ИИ более прозрачным и эффективным, но и позволяет членам сообщества напрямую извлекать выгоду из роста ИИ.
Появление ASI-1 Mini знаменует собой переход ИИ от "черного ящика" к "прозрачности", от "централизации" к "децентрализации", от "инструмента" к "активу". Он может не только играть роль в медицинской сфере (например, QBio), но и проявлять потенциал в таких областях, как финансы, право, научные исследования и др.
В этом месяце Fetch сотрудничает с Rivalz, интегрируя ASI-1 Mini в систему координации данных Agentic (ADCS) от Rivalz для реализации AI-вывода на блокчейне. Благодаря этому сотрудничеству децентрализованные приложения смогут напрямую получать доступ к продвинутым возможностям AI-вывода на блокчейне.
Традиционная блокчейн-среда ограничена ресурсами, и смарт-контракты могут обрабатывать только легковесные задачи, обычно получая простые данные (например, цены) через оракулы, и не могут напрямую выполнять сложные модели ИИ. ADCS идеально решает эту проблему, сложные вычисления ИИ выполняются вне цепи, а результаты безопасно возвращаются в блокчейн, обеспечивая децентрализацию и доверие.