Top 10 AI-bedrijven die grote taalmodellen ontwikkelen voor crypto
Kunstmatige intelligentie en cryptocurrency ontwikkelen zich niet langer in aparte hoeken van de technologie-industrie. Naarmate blockchain-toepassingen complexer worden, hebben ontwikkelaars en gebruikers steeds meer behoefte aan AI-systemen die slimme contracten, tokenomics, on-chain-activiteit, gedecentraliseerde financiën en de specifieke taal van cryptovaluta begrijpen. Web3.
Dat is waar cryptospecifieke, grootschalige taalmodellen het verschil beginnen te maken. Algemene modellen kunnen uitleggen wat een blockchain is, maar ze hebben moeite met het interpreteren van een complexe transactie of het beoordelen van een complexe situatie. DeFi protocol of inzicht in de relatie tussen walletactiviteit en marktomstandigheden. Crypto-gerichte modellen worden getraind, verfijnd of gekoppeld aan datasets die hen een veel beter begrip van deze omgevingen geven.
De markt is nog relatief jong en niet elk project dat wordt omschreven als een "crypto AI-bedrijf" bouwt een fundamenteel model helemaal vanaf nul op. Sommige trainen hun eigen modellen, terwijl anderen bestaande open-source modellen verfijnen of gespecialiseerde infrastructuur rondom LLM's bouwen. Desondanks dragen deze bedrijven en platforms bij aan de ontwikkeling van AI-systemen die meer kunnen dan alleen maar praten over crypto.
KettingGPT
KettingGPT is een van de duidelijkste voorbeelden van een bedrijf dat AI specifiek ontwikkelt rond de behoeften van de Web3 industrie. Zijn Web3 AI LLM is ontworpen rondom blockchain-data en slimme contracten. DeFi, NFTs en tokenomics, in plaats van uitsluitend te vertrouwen op de brede kennis die te vinden is in algemene modellen.
Een van de meest interessante aspecten van ChainGPTDe aanpak van het model is gebaseerd op de verbinding met live informatie. Volgens de documentatie kan het model werken met on-chain data, marktinformatie, nieuws en sociale mediafeeds, waardoor ontwikkelaars applicaties kunnen bouwen die meer actuele context nodig hebben dan een statisch taalmodel kan bieden.
Dat maakt de technologie bruikbaar voor alles, van crypto-onderzoek en klantenservice tot handelsondersteuning en analyse van slimme contracten. ChainGPT heeft zijn model ook beschikbaar gesteld via API's en SDK's, waardoor anderen Web3 Bedrijven krijgen zo een manier om crypto-bewuste AI toe te voegen zonder zelf een complete modelstack te hoeven ontwikkelen.
Fetch.ai
Fetch.ai heeft een iets andere weg ingeslagen door zich te richten op AI-modellen die kunnen functioneren als onderdeel van autonome agentsystemen. In februari 2025 introduceerde Fetch.ai de ASI-1 Mini, die het omschreef als een Web3- Een native, grootschalig taalmodel gebouwd voor agentische AI-workflows.
Het belangrijkste verschil is dat ASI-1 Mini niet zomaar een chatbot is die getraind is om vragen over cryptocurrency te beantwoorden. Fetch.ai heeft het ontworpen rondom redeneren, besluitvorming en autonome workflows, met meerdere redeneermodi die bedoeld zijn om snelheid en diepgang in balans te brengen.
Die aanpak is belangrijk omdat de volgende fase van crypto-AI waarschijnlijk agenten zal omvatten die daadwerkelijk met blockchainnetwerken kunnen interageren. In plaats van een AI te vragen welke token het hoogste rendement heeft en vervolgens handmatig een transactie uit te voeren, zouden gebruikers uiteindelijk delen van dat proces kunnen delegeren aan autonome systemen. Modellen zoals ASI-1 Mini worden ontwikkeld met die bredere visie in gedachten.
cryptoGPT
cryptoGPT is een ander project dat heeft geprobeerd een AI-infrastructuur te bouwen, specifiek voor de cryptocurrency- en blockchainsector. De focus reikt verder dan een simpele AI-chatbot en omvat toepassingen zoals het genereren van smart contracts, auditing, handelsondersteuning en meer. Web3-gerelateerde hulpmiddelen.
Het project heeft ook plannen uiteengezet voor een op AI gerichte blockchain-infrastructuur via het AIVM, bedoeld om de uitvoering, training en beschikbaarheid van computerbronnen voor AI-modellen on-chain te ondersteunen.
Er is hier echter een belangrijk onderscheid. CryptoGPTVolgens de eigen documentatie van het bedrijf zijn de AI-modellen niet open source, maar is het de bedoeling dat toegang via API's en SDK's wordt geboden. Daarmee komt de strategie meer overeen met die van een aanbieder van AI-infrastructuur dan met die van een open onderzoekslaboratorium.
Voor cryptogebruikers is de aantrekkingskracht vrij eenvoudig. In plaats van een algemeen AI-systeem te dwingen blockchain-terminologie helemaal vanaf nul te leren, biedt CryptoGPT probeert die domeinkennis in het product te integreren.
BytomDAO
BytomDAO heeft een van de meest directe benaderingen gekozen voor het creëren van een op cryptografie gericht taalmodel. Hun CryptoGPT Het initiatief is gebaseerd op CryptoInstruct, een dataset met miljoenen instructievoorbeelden die zijn ontworpen rondom informatie en taken met betrekking tot cryptovaluta.
Het project stelt dat het de instellingen heeft verfijnd. Llama 3. Het CryptoInstruct-dataset gebruiken om Crypto te producerenGPT modellen op verschillende parameterschalen. Het idee achter deze aanpak is met name relevant voor de crypto-industrie, omdat blockchain-informatie zeer gespecialiseerd is en voortdurend verandert.
In plaats van te proberen te concurreren met de grootste algemene modellen op elk denkbaar gebied, kan een gespecialiseerd model zijn mogelijkheden concentreren op gebieden zoals projectinformatie, blockchainconcepten en cryptospecifieke taken.
Dit is een van de duidelijkste voorbeelden van waarom domeinspecifieke training belangrijk kan worden in Web3Een kleiner model dat crypto grondig begrijpt, kan soms nuttiger zijn voor een blockchain-toepassing dan een veel groter model dat van alles een beetje afweet.
IndexAI
IndexAI is een ander project dat is gebouwd rond het idee dat taalmodellen rechtstreeks met blockchainnetwerken moeten kunnen communiceren. Het platform beschrijft zijn basismodel als een open-source taalmodel dat is getraind op blockchainkennis.
De ambitie van IndexAI gaat verder dan alleen het beantwoorden van vragen. Volgens IndexAI stelt hun technologie AI-agenten in staat om informatie van meerdere blockchains te lezen en, met de juiste mogelijkheden, naar die netwerken te schrijven door transacties te ondertekenen, transacties uit te voeren en swaps te verrichten.
Dat onderscheid is belangrijk. De echte kans in cryptospecifieke LLM's ligt wellicht niet in betere gesprekken over Bitcoin of Ethereum. Het ligt mogelijk in de mogelijkheid om instructies in natuurlijke taal om te zetten in veilige, verifieerbare blockchain-acties.
Een gebruiker zou uiteindelijk een doelstelling in gewone taal kunnen beschrijven, terwijl een AI-systeem de onderliggende blockchain-interacties afhandelt. Dat vereist aanzienlijk meer domeinkennis dan een conventionele chatbot.
DMind
DMind profileert zich als een open-source AGI-onderzoeksorganisatie die zich specifiek richt op digitale financiën. Hun werk omvat grote taalmodellen, datasets, benchmarks en tools gericht op financiële en Web3 toepassingen.
De DMind-3-modellen van het bedrijf zijn bijzonder interessant omdat ze zijn ontworpen rond de realiteit van financiële uitvoering. Web3DMind zegt dat de modellen bedoeld zijn om situaties aan te pakken waarin een enkele gebruikersactie via meerdere slimme contracten kan verlopen, liquidaties kan veroorzaken of fondsen kan blootstellen aan vijandige uitvoering.
Dat is een ander probleem dan simpelweg een coherent antwoord genereren. In gedecentraliseerde financiën kan een AI-systeem transacties met echt geld beïnvloeden. Daardoor wordt het begrijpen van de uitvoeringsomgeving, de risico's en de interacties tussen contracten net zo belangrijk als het produceren van vloeiende tekst.
De open-source aanpak van DMind zou het werk ook nuttig kunnen maken voor ontwikkelaars die gespecialiseerde financiële AI-modellen willen inspecteren, aanpassen en verder ontwikkelen, in plaats van volledig afhankelijk te zijn van gesloten commerciële systemen.
Nexis Labs
Nexis Labs werkt via zijn Nex-T1-platform aan de kruising van grote taalmodellen, autonome agenten en blockchain-uitvoering. Het bedrijf beschrijft Nex-T1 als een AI-systeem van enterprise-niveau dat is ontworpen om geavanceerde taalmodellen te verbinden met bruikbare blockchain-uitvoering.
De focus ervan is met name relevant voor DeFiwaarbij autonome systemen marktgegevens moeten interpreteren en vervolgens mogelijk actie moeten ondernemen. Nexis Labs beschrijft zijn werk rondom multi-agent orkestratie en autonome systemen. DeFi handels- en mensgestuurde controlesystemen.
Dit benadrukt een belangrijke ontwikkeling in de crypto-AI-markt. Het model zelf is slechts een stukje van de puzzel. Om een AI-systeem echt nuttig te maken in gedecentraliseerde financiën, heeft het een orchestratielaag nodig, toegang tot betrouwbare blockchain-informatie en waarborgen rond de uitvoering.
Nexis Labs benadert het probleem daarom vanuit het perspectief van de agent, waarbij een LLM onderdeel wordt van een groter systeem dat in staat is om te redeneren over financiële informatie en te interageren met blockchain-infrastructuur.
0G
0G bouwt aan een breder, gedecentraliseerd AI-ecosysteem dat een eigen modelinfrastructuur omvat. Op het platform staan momenteel modellen zoals 0GM-1.0-35B-A3B, naast andere modellen die via het platform beschikbaar zijn. AI stack.
De overkoepelende doelstelling van het bedrijf is om AI-berekeningen, -opslag en -inferentie dichter bij de blockchain-infrastructuur te brengen. Het beschrijft zijn netwerk als een platform dat volledig on-chain AI, verifieerbare berekeningen en private inferentie ondersteunt.
Dat maakt 0G relevant voor het cryptospecifieke LLM-gesprek, ook al reikt de ambitie verder dan één specifiek taalmodel. Het bedrijf werkt in feite aan de infrastructuur die nodig is om AI-modellen te laten functioneren in gedecentraliseerde applicaties.
Dit zou wel eens net zo belangrijk kunnen zijn als de modellen zelf. Het uitvoeren van geavanceerde AI-systemen vereist enorme reken- en opslagcapaciteit, terwijl blockchain-toepassingen transparantie en verifieerbaarheid vereisen. Het samenbrengen van deze twee vereisten is een van de grootste technische uitdagingen in de sector.
Nous Onderzoek
Nous Research onderscheidt zich enigszins van de andere namen op deze lijst, omdat de taalmodellen niet exclusief voor cryptocurrency zijn ontworpen. Het belang van het bedrijf ligt in het werk aan open-source AI en gedecentraliseerde modeltraining.
Het lab ontwikkelt open-weight taalmodellen, waaronder de Hermes-familie, en werkt tegelijkertijd aan infrastructuur voor gedistribueerde training. Het onderzoek naar gedecentraliseerde AI omvat het gebruik van blockchain-gebaseerde coördinatie en gedistribueerde computerverwerking.
De link met crypto gaat daarom minder over het creëren van een 'Bitcoin-chatbot' en meer over het veranderen van de manier waarop krachtige taalmodellen kunnen worden getraind en gebruikt. Dat onderscheid wordt steeds belangrijker naarmate cryptoprojecten gedecentraliseerde alternatieven onderzoeken voor de gecentraliseerde AI-infrastructuur die wordt gedomineerd door een relatief kleine groep technologiebedrijven.
Het werk van Nous Research laat zien dat cryptospecifieke AI niet per se hoeft te betekenen dat een model uitsluitend op cryptodata wordt getraind. Het kan ook inhouden dat er modellen en infrastructuren worden gebouwd die op natuurlijke wijze in gedecentraliseerde ecosystemen passen.
Galadriel
Galadriel benadert de relatie tussen LLM's en blockchain vanuit een andere invalshoek: het verifieerbaar maken van AI-inferenties.
Het Sentience-project stelt ontwikkelaars in staat om autonome AI-agenten te creëren waarvan de LLM-inferenties kunnen worden geverifieerd door middel van cryptografische bewijzen. Het systeem maakt gebruik van vertrouwde uitvoeringsomgevingen om LLM-verzoeken te verwerken en plaatst attestaties op Solana, waardoor applicaties kunnen verifiëren dat een inferentie is uitgevoerd zoals beweerd.
Hoewel Galadriel niet zomaar een eigen cryptochatbot ontwikkelt, pakt hun werk een belangrijk probleem aan voor blockchain-gebaseerde AI. Als een AI-agent beslissingen neemt die geld kunnen verplaatsen of transacties kunnen uitvoeren, hebben gebruikers meer nodig dan alleen de bewering van het model dat het proces correct is verlopen.
Verifieerbare AI zou uiteindelijk een cruciaal onderdeel kunnen worden van crypto-native taalmodellen, met name naarmate autonome agenten meer controle krijgen over wallets en financiële transacties.
De grotere race draait om meer dan alleen chatbots.
De opkomst van cryptospecifieke LLM's wijst op een bredere verschuiving in de AI-industrie. Algemene modellen zijn al opmerkelijk goed in staat gebleken blockchainconcepten uit te leggen, smart-contractcode te schrijven en cryptonieuws samen te vatten. De volgende uitdaging is om AI de blockchainomgeving zo diepgaand te laten begrijpen dat er veilig in gehandeld kan worden.
Dat betekent toegang hebben tot realtime on-chain informatie, inzicht hebben in de interacties tussen smart contracts, financiële risico's herkennen en weten wanneer een actie onomkeerbare gevolgen kan hebben.
De bedrijven die in deze sector actief zijn, benaderen het probleem vanuit verschillende invalshoeken. Sommige trainen modellen op datasets die specifiek zijn voor cryptovaluta. Anderen bouwen aan de hand van andere methoden. Web3- native LLM's, gedecentraliseerde trainingsnetwerken, autonome agenten of verificatiesystemen die AI-activiteiten transparanter maken.
De markt bevindt zich nog in een vroeg stadium en waarschijnlijk zullen verschillende projecten verdwijnen, terwijl andere uitgroeien tot veel grotere AI-infrastructuurbedrijven. Maar de richting wordt steeds duidelijker. Crypto heeft niet per se nog een chatbot nodig die kan uitleggen wat Bitcoin is. Wat het nodig heeft, zijn AI-systemen die begrijpen hoe gedecentraliseerde markten daadwerkelijk werken.
Als dat gebeurt, zullen de belangrijkste crypto AI-modellen uiteindelijk wellicht de modellen zijn die gebruikers nauwelijks opmerken. Ze zullen zich achter wallets, exchanges, enzovoort bevinden. DeFi applicaties en autonome agenten interpreteren op de achtergrond blockchaingegevens en helpen instructies in natuurlijke taal om te zetten in acties op de blockchain.
Disclaimer
In lijn met de Richtlijnen voor vertrouwensprojectenHoud er rekening mee dat de informatie op deze pagina niet bedoeld is en niet mag worden geïnterpreteerd als juridisch, fiscaal, beleggings-, financieel of enige andere vorm van advies. Het is belangrijk om alleen te beleggen wat u zich kunt veroorloven te verliezen en onafhankelijk financieel advies in te winnen als u twijfels heeft. Voor meer informatie raden wij u aan de algemene voorwaarden en de hulp- en ondersteuningspagina's van de uitgever of adverteerder te raadplegen. MetaversePost streeft naar nauwkeurige, onpartijdige berichtgeving, maar de marktomstandigheden kunnen zonder voorafgaande kennisgeving worden gewijzigd.
Over de auteur
Alisa, een toegewijd journalist bij de MPostis gespecialiseerd in crypto, AI, investeringen en het brede domein van Web3. Met een scherp oog voor opkomende trends en technologieën levert ze uitgebreide berichtgeving om lezers te informeren en te betrekken bij het steeds evoluerende landschap van digitale financiën.
Meer artikelen
Alisa, een toegewijd journalist bij de MPostis gespecialiseerd in crypto, AI, investeringen en het brede domein van Web3. Met een scherp oog voor opkomende trends en technologieën levert ze uitgebreide berichtgeving om lezers te informeren en te betrekken bij het steeds evoluerende landschap van digitale financiën.
