Углубленный исследовательский отчет о Sentient: привлечено 85 млн $ финансирования для создания новой парадигмы децентрализованного AGI

Название оригинальной статьи: «Серия углубленных исследований AI L1: Sentient: создание открытой платформы ИИ с 85 млн $»

Авторы оригинальной статьи: 0xjacobzhao, Biteye

1. Введение в проект:

Sentient стремится создать платформу протокола с открытым исходным кодом для децентрализованной экономики искусственного интеллекта. Ее основная цель — установить структуры владения моделями ИИ, предоставить механизмы вызова в блокчейне и создать компонуемую сеть ИИ-агентов с распределением доходов. Благодаря фреймворку «OML» (Open, Monetizable, Loyal — открытый, монетизируемый, лояльный) и технологии создания цифровых отпечатков моделей Sentient решает фундаментальные проблемы современного централизованного рынка LLM: «неясное владение моделями, невозможность отследить вызовы и несправедливое распределение ценности».

Проект развивается при поддержке Sentient Foundation, которая сосредоточена на AGI с открытым исходным кодом и создании протокольных механизмов стимулирования. Под «лояльным ИИ» подразумевается открытая экосистема моделей ИИ, служащих сообществу, придерживающихся принципов справедливого управления и способных самостоятельно развиваться в долгосрочной перспективе.

Рисунок 1: Архитектура Sentient Protocol состоит из двух основных компонентов: системы блокчейна и конвейера ИИ

Конвейер ИИ служит основой для разработки и обучения артефактов «лояльного ИИ» и включает два основных процесса:

· Подготовка данных: отбор данных сообществом для выравнивания моделей.

· Обучение лояльности: обеспечение того, чтобы модель обучалась в соответствии с намерениями сообщества.

Система блокчейна обеспечивает протоколу прозрачность и децентрализованный контроль, гарантируя владение ИИ-артефактами и управление ими. Ее ключевые модули включают:

· Управление: контроль и принятие решений осуществляет децентрализованная автономная организация (DAO).

· Владение: представление прав собственности на ИИ-артефакты посредством токенизации.

· Децентрализованные финансы (DeFi): предоставление финансовых инструментов для открытого, децентрализованного и справедливого управления, а также вознаграждений.

2. Техническая архитектура и механизм создания цифровых отпечатков моделей:

1. Фреймворк моделей OML

В Sentient: Loyal AI Whitepaper предлагается фреймворк OML — Open, Monetizable, and Loyal AI (открытый, монетизируемый и лояльный ИИ). Он исходит из идеи создания цифровых отпечатков моделей и впервые систематически формулирует концепцию «криптографии, нативной для ИИ», цель которой — обеспечить моделям с открытым исходным кодом защиту прав собственности на уровне шифрования.

· Открытый: модель должна иметь открытый исходный код, а ее код и структуры данных — быть прозрачными и поддерживать воспроизведение, аудит и форки сообществом;

· Монетизируемый: каждый вызов модели запускает поток доходов, который распределяется между обучающими, развертывающими и валидаторами с помощью ончейн-контрактов;

· Лояльный: модель принадлежит не компании, а сообществу участников. Направление ее развития и управление определяются DAO. Право собственности на модель можно проверить, ее модификации ограничены, а использование контролируется.

С помощью ончейн-механизмов и криптографических методов OML обеспечивает открытым моделям сохранение открытости при наличии экономического суверенитета и права на управление. Он формирует нативный для ИИ протокольный уровень прав на использование и доходы, обеспечивая прозрачность моделей, ясность прав собственности, экономические стимулы и управление поведением.

Основная концепция: криптография, нативная для ИИ

Криптография, нативная для ИИ, использует непрерывность моделей ИИ, низкоразмерную структуру многообразия и дифференцируемость моделей для создания легковесного механизма безопасности, который можно проверить, но нельзя удалить. Ключевые технологии:

· Внедрение отпечатка: во время обучения добавляется набор скрытых пар «запрос — ответ», формирующих уникальную подпись модели;

· Протокол проверки права собственности: сторонний детектор (Prover) проверяет наличие отпечатка с помощью запросов;

· Механизм вызова с разрешением: до вызова система получает от владельца модели «учетные данные разрешения», которые дают ей право декодировать входные данные и возвращать правильный ответ.

Такой подход позволяет реализовать «вызов с разрешением на основе поведения + проверку права собственности» без дополнительных затрат на шифрование.

В настоящее время Sentient использует гибридную систему безопасности Melange: сочетает цифровые отпечатки, выполнение в TEE и распределение доходов через ончейн-контракты. Методология цифровых отпечатков — основной вариант реализации OML 1.0. Она основана на концепции «оптимистичной безопасности»: предполагается, что участники соблюдают правила, а нарушения можно обнаружить и наказать.

Архитектура OML и Sentient Protocol

В заключительной главе документа предлагается полноценный ончейн-протокол (Sentient Protocol) для поддержки OML:

· Уровень хранения: хранит веса моделей и сведения о регистрации цифровых отпечатков;

· Уровень исполнения: контракт авторизации контролирует точки входа для вызова моделей;

· Уровень доступа: проверяет авторизацию пользователя с помощью подтверждения разрешения;

· Уровень стимулирования: контракт распределения прибыли направляет оплату за каждый вызов обучающим, развертывающим и валидаторам.

2. Создание цифровых отпечатков и механизм владения моделями

GitHub: https://github.com/sentient-agi/oml-1.0-fingerprinting

Этот репозиторий содержит первую реализацию механизма цифровых отпечатков Sentient и предоставляет интерфейс для внедрения и проверки отпечатков, который можно встроить в процесс обучения. Его задача — обеспечить возможность проверки права собственности на модель и отслеживания ее использования, предотвращая несанкционированное копирование и коммерциализацию. Это конкретная инженерная реализация фреймворка OML.

Суть механизма цифровых отпечатков заключается в следующем: с помощью дообучения в модель внедряется набор уникальных пар «ключ — ответ», и владелец может проверить, принадлежит ли модель ему, отправив специальные запросы. Таким образом для модели создается «криптографическая подпись».

3. Вычислительный фреймворк Enclave TEE

GitHub: https://github.com/sentient-agi/Sentient-Enclaves-Framework

Sentient Enclaves Framework — это фреймворк с открытым исходным кодом, который использует доверенные среды исполнения (TEE), например AWS Nitro Enclaves, для безопасного развертывания инференса моделей, дообучения и прокси-сервисов. Фреймворк делает упор на «лояльность» модели, гарантируя, что она отвечает только на авторизованные запросы и предотвращая несанкционированный доступ и использование.

TEE (Sentient Enclaves Framework) отличается высокой производительностью и интеграцией с облачными сервисами, поэтому подходит для ИИ в реальном времени и обработки конфиденциальных данных. Однако его применение ограничено зависимостью от оборудования и уязвимостью к атакам по сторонним каналам. По сравнению с другими технологиями шифрования, FHE обеспечивает сильные гарантии конфиденциальности, не зависящие от оборудования и устойчивые к квантовым угрозам, но требует значительных вычислительных ресурсов, поэтому напрямую заменить TEE в высокопроизводительных задачах сложно. ZK отлично подходит для сценариев, требующих проверяемости и децентрализации, и может дополнять TEE (в будущем планируется добавить в этот модуль zkML).

4. Фреймворк Sentient Agent

GitHub: https://github.com/sentient-agi/Sentient-Agent-Framework

Sentient Agent Framework — это легковесный фреймворк с открытым исходным кодом, предназначенный для управления браузером с помощью ИИ-агента и автоматизации веб-задач, например поиска и воспроизведения видео. Он объединяет инструкции на естественном языке и обеспечивает простой процесс разработки (по заявлению команды, достаточно 3 строк кода). Архитектура поддерживает создание интеллектуального агента с полным циклом «восприятие — планирование — выполнение — обратная связь». По сравнению с традиционными фреймворками ИИ-агентов Sentient Agent Framework имеет ограниченный функционал, он легковесен и прост, поэтому лучше подходит для веб-задач вне блокчейна.

5. Социальный агент Sentient

GitHub: https://github.com/sentient-agi/Sentient-Social-Agent

Sentient Social Agent предназначен для создания ИИ-системы, автоматизирующей взаимодействие в социальных сетях (Twitter, Discord и Telegram). Она понимает социальный контекст, создает контент, общается с пользователями и участвует в социальных взаимодействиях благодаря сотрудничеству нескольких агентов. Систему можно интегрировать с Sentient Agent Framework.

6. Open Deep Search (пока не запущен)

На официальном сайте Sentient Open Deep Search описан как поисковый агент, превосходящий ChatGPT и Perplexity Pro. Участник команды Sewoong Oh рассказал о части дорожной карты на саммите Open AGI Summit в рамках EthDenver 2025:

Open Deep Search состоит из двух основных частей: поисковых функций Sensient (включая переформулирование запросов, обработку URL и документов и т. д.) и агента рассуждений. Агент рассуждений использует такие модели больших языков с открытым исходным кодом (LLM), как Llama 3.1 и DeepSeek, и повышает качество поиска с помощью инструментов поиска, калькуляторов и саморефлексии. В тесте Frames Benchmark Open Deep Search превосходит другие модели с открытым исходным кодом и даже может конкурировать с некоторыми моделями с закрытым исходным кодом. Однако, поскольку продукт еще не запущен, мы пока не можем оценить его реальные возможности.

3. Формат продукта, реализация и планы

Сейчас на официальном сайте Sentient представлены главным образом чат-платформа Sentient Chat и модель Dobby LLM с открытым исходным кодом:

Sentient Chat:

Sentient Chat — это децентрализованная платформа для общения с ИИ, запущенная Sentient Foundation. Она объединяет большие языковые модели с открытым исходным кодом (например, серии Dobby) и продвинутый фреймворк агента рассуждений. Ключевые функции:

1. Агент открытых рассуждений: встроенный в Sentient Chat агент рассуждений выполняет сложные задачи и поддерживает такие инструменты, как поиск на основе онтологий (ODS), калькулятор и выполнение кода.

2. Интеграция нескольких агентов: платформа поддерживает подключение нескольких ИИ-агентов, позволяя пользователям взаимодействовать с разными агентами по мере необходимости. Это аналог POE в версии Web3 или открытая альтернатива Perplexity, основанная на агентах.

Сейчас Sentient Chat находится на стадии тестирования и доступен только по кодам приглашения, распространяемым по электронной почте или в рамках мероприятий сообщества. Согласно опубликованной официальной информации, более 5000 пользователей успешно получили доступ к Sentient Chat, а система обработала более 100 000 пользовательских запросов. Поскольку автор пока не входит в список тестировщиков с белым списком, оценить реальные возможности моделей на данный момент нельзя.

Серия моделей Dobby LLM:

1. Серия Dobby-Unhinged

· Dobby-Unhinged-Llama-3,3млрд-70млрд: создана на основе дообученной Llama 3,3млрд-70млрд-Instruct. Делает акцент на личной свободе и отношении к криптовалюте, а ее стиль общения — прямой, юмористичный и располагающий к себе.

· Dobby-Mini-Unhinged-Llama-3,1млрд-8млрд: версия с 8млрд параметрами, подходящая для устройств с ограниченными ресурсами.

2. Dobby-Mini-Leashed-Llama-3,1млрд-8млрд: модель с более сдержанным тоном, подходящая для приложений, которым необходимы более предсказуемые результаты.

Поскольку модель Dobby LLM представляет собой дообученную версию на основе Llama 3.1 и 3.3, мы считаем, что ее основные сценарии применения — создание чат-ботов, генерация и создание контента, ролевые агенты и т. д. К ее преимуществам относятся гибкая генерация стиля, улучшенные рассуждения и низкие требования к ресурсам, благодаря чему модель подходит для быстрого развертывания и гибкой настройки в средах с ограниченными ресурсами. Однако в сравнении с более мощными моделями с закрытым исходным кодом, такими как GPT-4, Dobby LLM пока уступает в решении задач, требующих продвинутой логики, междоменного рассуждения на основе знаний и глубокого анализа.

IV. Сотрудничество в экосистеме и реальные сценарии использования

Сейчас программа Sentient Builder Program предлагает 1 млн $ финансирования, чтобы помочь разработчикам создавать ИИ-агентов для работы в экосистеме Sentient Chat. Разработчики должны использовать набор инструментов Sentient и интегрировать решения с Agent API.

В то же время партнеры экосистемы, указанные на официальном сайте Sentient, работают в различных областях Crypto AI:

Рисунок 2: Партнеры экосистемы ИИ Sentient

Как ведущий проект в сфере Crypto AI, Sentient способен объединять ресурсы любых перспективных стартапов отрасли. Однако стоит учитывать, что распространенность партнерств, ориентированных на маркетинг, в секторе Crypto создает иллюзию процветания отрасли. Вклад партнеров экосистемы Sentient и их приверженность проекту еще предстоит наблюдать и оценивать.

Open AGI Summit — международная конференция, организованная командой Sentient для изучения интеграции искусственного интеллекта (AI) и криптографических технологий (Crypto). Мне посчастливилось посетить саммиты во время ETH Denver в 2024 году и ETHcc в 2025 году. Команда Sentient умеет привлекать ведущих институциональных инвесторов и предпринимателей отраслевых проектов, что стало одним из главных достоинств мероприятия.

V. Структура команды и исследовательский опыт

Sentient Foundation объединила ведущих академических специалистов, предпринимателей криптоиндустрии и инженеров со всего мира. Их общая цель — создать платформу AGI, управляемую сообществом, с открытым исходным кодом и возможностью проверки. Согласно опубликованной официальной информации, в состав команды в основном входят:

Основная руководящая команда (управляющий комитет)

· Pramod Viswanath — профессор имени Форреста Г. Хэмрика в Принстонском университете, много лет занимается теорией информации и системами связи и руководит разработкой систем безопасности ИИ Sentient и ее теоретической основы.

· Himanshu Tyagi — профессор Индийского института науки, специализируется на защите конфиденциальности и децентрализованных алгоритмах обучения, оказывает академическую поддержку в обучении моделей и совместной защите конфиденциальности.

· Sandeep Nailwal — сооснователь Polygon, отвечает за стратегию блокчейна и развитие глобальной экосистемы и играет ключевую роль в объединении криптосообщества с архитектурой ИИ.

· Команда Sensys — студия продуктов, изначально ориентированная на Web3; занимается оптимизацией пользовательского опыта и разработкой инфраструктуры для разработчиков, способствуя распространению продуктов Sentient.

Основная инженерная команда и команда разработчиков: в нее входят участники, работавшие в известных технологических и блокчейн-компаниях, таких как Meta, Coinbase, Circle, Polygon и Binance, а также исследователи из ведущих вузов, включая Принстонский университет, Вашингтонский университет и Индийские технологические институты. Команда исследователей ИИ и обучения моделей: ее специалисты работают в сферах AI/ML, NLP, компьютерного зрения и обучения с подкреплением; у них есть практический опыт в таких организациях, как Google Research, Daimon Labs и Fetch.ai.

Стоит отметить, что Sentient был основан при поддержке сооснователя Polygon Sandeep Nailwal, за плечами которого успешный опыт реализации проектов. Изначально Matic, ключевое решение для масштабирования в экосистеме Эфириума, полагался на Plasma — не самую передовую, но достаточно «дешевую и быструю» технологию. Это помогло Polygon создать конкурентное преимущество в таких сферах, как NFT и социальные сети. Кроме того, проект внедрял технологию ZK в решения для масштабирования блокчейна, приобретая Mir Protocol и Hermez Network и запуская Polygon zkEVM. Sentient — второй предпринимательский проект Sandeep Nailwal — получает выгоду от его опыта, финансирования, связей и узнаваемости на рынке, что позволило привлечь значительное финансирование в 2024 году, несмотря на несовершенную концепцию проекта. Однако сфера ИИ принципиально отличается от Crypto, и Sentient по-прежнему предстоит адаптироваться к изменениям рыночной среды, усилению конкуренции, технологическому прогрессу и другим вызовам.

Шесть. Финансирование и модель токена

В 2024 году Sentient привлек 85 млн $ в рамках посевного раунда, который возглавили Founders Fund, Pantera и Framework Ventures. Токен пока не выпущен. Нынешние баллы стимулирования агентов в будущем могут быть конвертированы в токены. Их можно будет использовать для голосования по предложениям об управлении версиями моделей, стейкинга для проверки подлинности результатов работы агента, подачи сигналов управления и других целей.

Рисунок 3: Финансирование Sentient

Sentient — проект из числа фаворитов, который с самого начала получил значительную поддержку. Положение его инвесторов, объем финансирования и оценка стоимости задали высокую планку для большинства проектов Crypto AI на рынке. С одной стороны, поддержка крупных игроков облегчает привлечение ресурсов из разных отраслей, большой объем финансирования позволяет нанимать лучших специалистов, а прочная финансовая база помогает проекту развиваться в течение отраслевых циклов. С другой стороны, в нынешней криптоиндустрии все чаще развеиваются мифы о проектах с высокой оценкой и поддержкой венчурных инвесторов. Кроме того, проекты при поддержке венчурного капитала часто делают ставку на рост цены благодаря финансовым операциям и оказываются оторваны от фундаментальных показателей. Если Sentient не сможет создать значимые продукты Crypto AI и вместо этого выпустит токены с высокой оценкой, это в конечном итоге нанесет ущерб криптосообществу, которому крайне необходимо восстановить доверие. За тем, как команда будет реагировать на нынешние трудности отрасли, стоит и дальше внимательно следить.

Семь. Анализ конкурентов и позиционирование на рынке

Большинство проектов Crypto AI на рынке сосредоточены на одной конкретной области — данных, моделях, вычислениях, обучении или инференсе — либо разрабатывают потребительские приложения, например ИИ-агентов. Среди проектов, позиционирующих себя как блокчейны для ИИ, есть те, кто сосредоточен на преобразовании публичных блокчейнов с помощью ИИ (например, Near и ICP), а также протоколы децентрализованного совместного использования ресурсов и токенизированного стимулирования, такие как Биттензор. Такое позиционирование не вполне соответствует Sentient. В сфере обучения моделей Sentient скорее выступает интеграционной платформой и сотрудничает с представленными на рынке моделями ИИ с открытым исходным кодом. В области агентов Sentient конкурирует с такими проектами, как Talus, Olas и Theoriq, в разработке мультиагентных систем и повышении способности к рассуждению. При этом у каждого проекта свои ключевые цели и сценарии применения, поэтому они остаются взаимодополняющими.

Восемь. Заключение

Sentient — децентрализованная протокольная платформа искусственного общего интеллекта (AGI), призванная обеспечить ясную структуру владения моделями ИИ и создать ончейн-механизмы их вызова и распределения ценности. Проект решает проблему неясных и несправедливых прав собственности на нынешнем централизованном рынке больших языковых моделей (LLM). Ключевой фреймворк OML (Open, Monetizable, Loyal — открытый, монетизируемый, лояльный) обеспечивает открытым моделям права собственности, прозрачность и справедливое распределение доходов благодаря цифровым отпечаткам моделей и технологии блокчейна. При поддержке ведущих венчурных инвесторов и партнеров экосистемы ИИ, а также сооснователя Polygon Sandeep Nailwal, Sentient, несмотря на неопределенность, споры и конкуренцию, по-прежнему стремится стать одним из стандартных протоколов децентрализованного владения ИИ и способствовать децентрализованному развитию AGI.

Эта статья подготовлена приглашенным автором и не отражает позицию BlockBeats.