同时关联该项目与事件的快讯
谷歌发布 OKF（Open Knowledge Format）规范，旨在将 Andrej Karpathy 提出的“LLM Wiki”式知识组织与交互模式标准化，推动大模型知识结构化与可引用能力统一。
根据官方消息，去中心化 GPU 云计算基础设施平台 Aethir 正式发布 Aethir Mesh——一个运行于 Aethir 去中心化 GPU 基础设施之上的自研开源大模型 API 平台，目前平台已上线，提供统一 API 端点直连 DeepSeek V4、Kimi K2.6、GLM-5.1、MiniMax-M2.5、Qwen3.6-27B 等主流开源模型。
Vitalik Buterin 更新了多项 CROPS AI 相关进展，并指出 “ CROPS 以太坊接入层 ” 与 “ CROPS AI ” 存在明显交集。他表示，若能通过零知识证明方式对远程大型语言模型进行付费调用，也可用于解决以太坊私有 RPC 读取问题。 与此同时，Deepseek v4 已发布， 2-bit 量化版本可在 90 GB 内运行，但当前在 Apple 硬件上速度更快；消息应用 messa 已支持 Telegram Alpha 功能；模型运行工具 luceb 在运行密集型模型时展现更高效率；本地 AI 录音工具 VoxTerm 仍在持续开发。Vitalik Buterin 还提到，面向特定应用微调的大型语言模型将有助于提升安全代码编写能力，以太坊相关场景也应有相应微调模型。
BNB Chain 今日宣布推出 Agent 生存工具包，联合六大 AI 基础设施伙伴，赋予自主 AI Agent 链上自主支付能力。所有交易均通过 BNB 或 BEP-20 代币在 BSC 上完成结算。此次参与项目覆盖 LLM 访问与金融基础设施两大层级，包括 Alt AI、Pieverse、Bankr、WorldClaw、B.AI 及 AEON，全面打通 AI Agent 从算力调用到链上结算的完整闭环。每个参与项目均同步推出链上激励计划，无需额外注册。Agent 生存工具包紧随 BNBAgent SDK 发布，进一步完善 BNB Chain 在 AI Agent 领域的基础设施布局。更多信息请访问 www.bnbchain.org。免责声明BNB Chain 与本文所涉及的任何项目均不存在从属或运营关系。Agent 生存工具包是展示在 BNB Chain 上独立构建项目的生态计划。本内容仅供参考，不构成任何财务或投资建议。在与任何相关项目交互前，请务必进行独立研究并评估潜在风险。
Gate 研究院近日发布的《基于 Multi-Agent LLM 的 BTC 交易框架研究与回测分析》指出，相比单一 LLM 直接生成交易信号，多智能体（Multi-Agent）LLM 架构更接近真实金融机构的投研流程，能够通过分析师、研究员、交易员与风控团队之间的协作与辩论，提升交易决策的透明度与风险控制能力。研究基于 TradingAgents 框架，对 BTC 市场构建了适用于加密场景的 AI 交易系统，并引入技术分析、新闻分析、情绪分析与宏观/链上分析等多类智能体角色。研究基于 BTC/USDT 1 小时级别数据，对 TradingAgents-BTC 策略进行了历史回测。结果显示，该策略在测试区间内取得 +20.25% 总收益，显著优于同期 Buy & Hold 的 -7.89%，同时最大回撤控制在 -17.41%，低于 Buy & Hold 的 -27.06%。研究认为，多智能体框架在震荡与下跌阶段能够通过 Sell/Underweight 与 Flat 状态减少部分风险暴露，并在市场反弹阶段重新切入多头，从而提升整体风险收益表现。报告指出，Multi-Agent LLM 框架在加密交易场景中展现出一定应用潜力，但当前回测周期仅覆盖约三个月，且 1 小时级别交易仍可能受到手续费、滑点与信号延迟影响。未来仍需在更长历史周期、不同市场环境与更多资产类别中进一步验证策略稳定性与泛化能力。
Aethir Claw 正式推出模型即服务(MaaS)层，通过将 Anthropic、OpenAI、Google 等前沿大模型 API 额度直接打包进平台订阅。用户无需再单独注册外部 LLM 提供商或管理 API Key,一次付费即覆盖从 VPS 托管到模型推理的完整栈。Aethir Claw 下一步将把主流模型部署在 Aethir 自有 GPU 网络上，实现推理层的真正数据主权。Aethir 是去中心化 GPU 云计算基础设施领域的头部平台。目前网络已在全球 94 个国家、200 余个节点部署超过 43 万个 GPU 容器，累计交付计算时长接近 18 亿小时，服务超过 150 个合作伙伴与企业客户。GPU 硬件涵盖 NVIDIA Hopper 与 Blackwell 代际，包括 H100、H200、B200、B300。
加密交易平台 Coinbase 在一篇技术分享中披露，其内部多智能体开发工具“Mux”正在重塑软件工程工作流，使工程师角色从传统的代码实现者转向 AI 智能体的任务编排者。随着 Cursor、Copilot、OpenCode 及 Claude Code 等 AI 编程工具在内部全面普及，代码生成效率显著提升，但开发流程仍长期停留在“单任务、单分支、顺序执行”的传统模式，形成新的协同瓶颈。Mux 正是在这一背景下诞生的内部工具。该系统通过为每个 AI 智能体分配独立 git worktree、分支与终端环境，实现多任务并行开发与无冲突协作，使工程师能够同时指挥多个智能体处理 API 开发、测试编写、漏洞修复及代码重构等任务。数据显示，截至 2026 年 4 月，Mux 已在 Coinbase 内部覆盖 600+用户（含工程师、产品与设计人员），其中 335 人保持活跃使用，197 人为高频用户，共推动在 461 个代码仓库、10 个组织中完成超过 5,000 个 PR 合并。使用 Mux 的工程师平均 PR 合并数量达到 39.6，是基线水平 11.4 的约 3.5 倍。Coinbase 表示，Mux 的成功依赖于其内部基础设施能力，包括 LLM Gateway、安全模型接入以及代码流部署系统，使多智能体工具能够深度嵌入真实开发流程，这一趋势标志着软件工程范式正在发生结构性变化：在 AI 降低代码生成成本后，工程师核心价值正从“实现能力”转向“问题定义与智能体编排能力”。
Vitalik Buterin 于 5 月 10 日发布研究文章，提出以零知识证明（ZK）交易替代传统链上转账方案，推动加密支付从“假名性”迈向“默认隐私”。该方案允许用户在不公开完整余额及交易历史的情况下完成支付验证。Vitalik 特别提到，AI 代理时代下，自主 AI 代理需要在不留下可追踪痕迹的前提下支付 LLM API 等服务费用。其表示，通过递归 SNARKs 及 ZK API 积分机制，以太坊 Layer 2 可在接近透明交易的速度与成本下实现隐私支付。此外，该提案还包含选择性披露与“清白证明”机制，允许用户在不公开链上隐私数据的情况下，向监管机构或税务部门提供合规证明，以满足反洗钱要求。Vitalik 认为，区块链公开透明特性是当前加密支付大规模普及的重要阻碍。
据官方消息，B.AI 本周在产品迭代与生态布局层面取得多项进展：BAIclaw 落地页实现视觉与交互全线焕新，网站多语言支持拓展至 10 种，进一步夯实了其全球化的易用性；在基础设施方面，通过与 Biconomy、MoonPay 及 Pundi X 的战略合作，大幅优化了 Web3 支付链路，极大降低了用户进入门槛。同时，B.AI 的多链 LLM 服务持续进化，涵盖智能搜索、无界模式及记忆功能，交互表现显著增强。未来，随着订阅系统、积分激励机制以及“孙宇晨大脑”等核心 Skills 的蓄势待发，B.AI 正依托 AI Agent 与 Web3 的深度融合，加速构建功能完备的智能生态矩阵。
据官方消息，AI 基础设施平台 B.AI LLM Services 今日宣布其用户规模正式突破 100 万大关。这一里程碑不仅标志着其”隐私优先“的路由架构能够处理大规模且持续的高吞吐量，B.AI 超越单一的聊天界面开发，致力于部署支撑“自主智能体经济”的关键底层基础设施，通过技术栈的深度优化，为未来高度自动化的 AI 协作网络铺设稳健轨道。
据 CoinDesk 报道，来自加州大学圣巴巴拉分校、加州大学圣地亚哥分校、区块链安全公司 Fuzzland及 World Liberty Financial 的研究人员联合发布论文，警告称"LLM 路由器"——即位于用户与 AI 模型之间的中间服务——已成为加密资产安全的重大隐患。研究人员发现，26个 LLM 路由器正在秘密注入恶意工具调用并窃取用户凭证，其中一起事件导致客户价值 50 万美元的加密钱包被清空。 此外，研究人员通过"污染"路由器生态系统，在数小时内即可控制约 400 台下游主机。由于私钥、API 凭证等敏感数据往往以明文形式经由这些路由器传输，用户实际上在毫不知情的情况下将资产暴露于风险之中。 研究人员指出，随着麦肯锡预测 AI 代理到 2030 年将中介 3 万亿至 5 万亿美元的全球消费商业，币安创始人赵长鹏亦预测 AI 代理的支付量将是人类的百万倍，当前基础设施安全性严重滞后于行业发展速度，"最弱环节"风险或将引发系统性连锁危机。
据 Cointelegraph 报道，加州大学研究人员近日披露，部分第三方 AI 大型语言模型（LLM）路由器存在安全风险，可能导致加密货币资产被盗。 研究显示，LLM 路由器作为 API 中介，能够读取明文信息，部分路由器被发现注入恶意代码并窃取凭证。团队测试了 28 个付费及 400 个免费路由器，发现有 9 个路由器主动注入恶意代码，2 个部署规避触发器，17 个访问 Amazon Web Services 凭证，甚至有路由器通过研究人员的以太坊私钥转移 ETH。 研究指出，路由器的恶意行为难以检测，且部分 AI 代理框架的“YOLO 模式”可自动执行命令，增加安全风险。研究建议开发者不要让私钥或助记词通过 AI 代理传输，并呼吁 AI 公司对响应进行加密签名以加强安全。