同時關聯該項目與事件的快訊
谷歌發佈 OKF（Open Knowledge Format）規範，旨在將 Andrej Karpathy 提出的“LLM Wiki”式知識組織與交互模式標準化，推動大模型知識結構化與可引用能力統一。
根據官方消息，去中心化 GPU 雲計算基礎設施平臺 Aethir 正式發佈 Aethir Mesh——一個運行於 Aethir 去中心化 GPU 基礎設施之上的自研開源大模型 API 平臺，目前平臺已上線，提供統一 API 端點直連 DeepSeek V4、Kimi K2.6、GLM-5.1、MiniMax-M2.5、Qwen3.6-27B 等主流開源模型。
Vitalik Buterin 更新了多項 CROPS AI 相關進展，並指出 “ CROPS 以太坊接入層 ” 與 “ CROPS AI ” 存在明顯交集。他表示，若能通過零知識證明方式對遠程大型語言模型進行付費調用，也可用於解決以太坊私有 RPC 讀取問題。 與此同時，Deepseek v4 已發佈， 2-bit 量化版本可在 90 GB 內運行，但當前在 Apple 硬件上速度更快；消息應用 messa 已支持 Telegram Alpha 功能；模型運行工具 luceb 在運行密集型模型時展現更高效率；本地 AI 錄音工具 VoxTerm 仍在持續開發。Vitalik Buterin 還提到，面向特定應用微調的大型語言模型將有助於提升安全代碼編寫能力，以太坊相關場景也應有相應微調模型。
BNB Chain 今日宣佈推出 Agent 生存工具包，聯合六大 AI 基礎設施夥伴，賦予自主 AI Agent 鏈上自主支付能力。所有交易均通過 BNB 或 BEP-20 代幣在 BSC 上完成結算。此次參與項目覆蓋 LLM 訪問與金融基礎設施兩大層級，包括 Alt AI、Pieverse、Bankr、WorldClaw、B.AI 及 AEON，全面打通 AI Agent 從算力調用到鏈上結算的完整閉環。每個參與項目均同步推出鏈上激勵計劃，無需額外註冊。Agent 生存工具包緊隨 BNBAgent SDK 發佈，進一步完善 BNB Chain 在 AI Agent 領域的基礎設施佈局。更多信息請訪問 www.bnbchain.org。免責聲明BNB Chain 與本文所涉及的任何項目均不存在從屬或運營關係。Agent 生存工具包是展示在 BNB Chain 上獨立構建項目的生態計劃。本內容僅供參考，不構成任何財務或投資建議。在與任何相關項目交互前，請務必進行獨立研究並評估潛在風險。
Gate 研究院近日發佈的《基於 Multi-Agent LLM 的 BTC 交易框架研究與回測分析》指出，相比單一 LLM 直接生成交易信號，多智能體（Multi-Agent）LLM 架構更接近真實金融機構的投研流程，能夠通過分析師、研究員、交易員與風控團隊之間的協作與辯論，提升交易決策的透明度與風險控制能力。研究基於 TradingAgents 框架，對 BTC 市場構建了適用於加密場景的 AI 交易系統，並引入技術分析、新聞分析、情緒分析與宏觀/鏈上分析等多類智能體角色。研究基於 BTC/USDT 1 小時級別數據，對 TradingAgents-BTC 策略進行了歷史回測。結果顯示，該策略在測試區間內取得 +20.25% 總收益，顯著優於同期 Buy & Hold 的 -7.89%，同時最大回撤控制在 -17.41%，低於 Buy & Hold 的 -27.06%。研究認爲，多智能體框架在震盪與下跌階段能夠通過 Sell/Underweight 與 Flat 狀態減少部分風險暴露，並在市場反彈階段重新切入多頭，從而提升整體風險收益表現。報告指出，Multi-Agent LLM 框架在加密交易場景中展現出一定應用潛力，但當前回測週期僅覆蓋約三個月，且 1 小時級別交易仍可能受到手續費、滑點與信號延遲影響。未來仍需在更長曆史週期、不同市場環境與更多資產類別中進一步驗證策略穩定性與泛化能力。
Aethir Claw 正式推出模型即服務(MaaS)層，通過將 Anthropic、OpenAI、Google 等前沿大模型 API 額度直接打包進平臺訂閱。用戶無需再單獨註冊外部 LLM 提供商或管理 API Key,一次付費即覆蓋從 VPS 託管到模型推理的完整棧。Aethir Claw 下一步將把主流模型部署在 Aethir 自有 GPU 網絡上，實現推理層的真正數據主權。Aethir 是去中心化 GPU 雲計算基礎設施領域的頭部平臺。目前網絡已在全球 94 個國家、200 餘個節點部署超過 43 萬個 GPU 容器，累計交付計算時長接近 18 億小時，服務超過 150 個合作伙伴與企業客戶。GPU 硬件涵蓋 NVIDIA Hopper 與 Blackwell 代際，包括 H100、H200、B200、B300。
加密交易平臺 Coinbase 在一篇技術分享中披露，其內部多智能體開發工具“Mux”正在重塑軟件工程工作流，使工程師角色從傳統的代碼實現者轉向 AI 智能體的任務編排者。隨着 Cursor、Copilot、OpenCode 及 Claude Code 等 AI 編程工具在內部全面普及，代碼生成效率顯著提升，但開發流程仍長期停留在“單任務、單分支、順序執行”的傳統模式，形成新的協同瓶頸。Mux 正是在這一背景下誕生的內部工具。該系統通過爲每個 AI 智能體分配獨立 git worktree、分支與終端環境，實現多任務並行開發與無衝突協作，使工程師能夠同時指揮多個智能體處理 API 開發、測試編寫、漏洞修復及代碼重構等任務。數據顯示，截至 2026 年 4 月，Mux 已在 Coinbase 內部覆蓋 600+用戶（含工程師、產品與設計人員），其中 335 人保持活躍使用，197 人爲高頻用戶，共推動在 461 個代碼倉庫、10 個組織中完成超過 5,000 個 PR 合併。使用 Mux 的工程師平均 PR 合併數量達到 39.6，是基線水平 11.4 的約 3.5 倍。Coinbase 表示，Mux 的成功依賴於其內部基礎設施能力，包括 LLM Gateway、安全模型接入以及代碼流部署系統，使多智能體工具能夠深度嵌入真實開發流程，這一趨勢標誌着軟件工程範式正在發生結構性變化：在 AI 降低代碼生成成本後，工程師核心價值正從“實現能力”轉向“問題定義與智能體編排能力”。
Vitalik Buterin 於 5 月 10 日發佈研究文章，提出以零知識證明（ZK）交易替代傳統鏈上轉賬方案，推動加密支付從“假名性”邁向“默認隱私”。該方案允許用戶在不公開完整餘額及交易歷史的情況下完成支付驗證。Vitalik 特別提到，AI 代理時代下，自主 AI 代理需要在不留下可追蹤痕跡的前提下支付 LLM API 等服務費用。其表示，通過遞歸 SNARKs 及 ZK API 積分機制，以太坊 Layer 2 可在接近透明交易的速度與成本下實現隱私支付。此外，該提案還包含選擇性披露與“清白證明”機制，允許用戶在不公開鏈上隱私數據的情況下，向監管機構或稅務部門提供合規證明，以滿足反洗錢要求。Vitalik 認爲，區塊鏈公開透明特性是當前加密支付大規模普及的重要阻礙。
據官方消息，B.AI 本週在產品迭代與生態佈局層面取得多項進展：BAIclaw 落地頁實現視覺與交互全線煥新，網站多語言支持拓展至 10 種，進一步夯實了其全球化的易用性；在基礎設施方面，通過與 Biconomy、MoonPay 及 Pundi X 的戰略合作，大幅優化了 Web3 支付鏈路，極大降低了用戶進入門檻。同時，B.AI 的多鏈 LLM 服務持續進化，涵蓋智能搜索、無界模式及記憶功能，交互表現顯著增強。未來，隨着訂閱系統、積分激勵機制以及“孫宇晨大腦”等核心 Skills 的蓄勢待發，B.AI 正依託 AI Agent 與 Web3 的深度融合，加速構建功能完備的智能生態矩陣。
據官方消息，AI 基礎設施平臺 B.AI LLM Services 今日宣佈其用戶規模正式突破 100 萬大關。這一里程碑不僅標誌着其”隱私優先“的路由架構能夠處理大規模且持續的高吞吐量，B.AI 超越單一的聊天界面開發，致力於部署支撐“自主智能體經濟”的關鍵底層基礎設施，通過技術棧的深度優化，爲未來高度自動化的 AI 協作網絡鋪設穩健軌道。
據 CoinDesk 報道，來自加州大學聖巴巴拉分校、加州大學聖地亞哥分校、區塊鏈安全公司 Fuzzland及 World Liberty Financial 的研究人員聯合發佈論文，警告稱"LLM 路由器"——即位於用戶與 AI 模型之間的中間服務——已成爲加密資產安全的重大隱患。研究人員發現，26個 LLM 路由器正在祕密注入惡意工具調用並竊取用戶憑證，其中一起事件導致客戶價值 50 萬美元的加密錢包被清空。 此外，研究人員通過"污染"路由器生態系統，在數小時內即可控制約 400 臺下遊主機。由於私鑰、API 憑證等敏感數據往往以明文形式經由這些路由器傳輸，用戶實際上在毫不知情的情況下將資產暴露於風險之中。 研究人員指出，隨着麥肯錫預測 AI 代理到 2030 年將中介 3 萬億至 5 萬億美元的全球消費商業，幣安創始人趙長鵬亦預測 AI 代理的支付量將是人類的百萬倍，當前基礎設施安全性嚴重滯後於行業發展速度，"最弱環節"風險或將引發系統性連鎖危機。
據 Cointelegraph 報道，加州大學研究人員近日披露，部分第三方 AI 大型語言模型（LLM）路由器存在安全風險，可能導致加密貨幣資產被盜。 研究顯示，LLM 路由器作爲 API 中介，能夠讀取明文信息，部分路由器被發現注入惡意代碼並竊取憑證。團隊測試了 28 個付費及 400 個免費路由器，發現有 9 個路由器主動注入惡意代碼，2 個部署規避觸發器，17 個訪問 Amazon Web Services 憑證，甚至有路由器通過研究人員的以太坊私鑰轉移 ETH。 研究指出，路由器的惡意行爲難以檢測，且部分 AI 代理框架的“YOLO 模式”可自動執行命令，增加安全風險。研究建議開發者不要讓私鑰或助記詞通過 AI 代理傳輸，並呼籲 AI 公司對響應進行加密簽名以加強安全。