クリプトXの4大AIフレームワークELIZA、GAME、ARC、ZEREPYの比較

著者：Deep Value Memetics、翻訳：Golden Finance xiaozou

この記事では、Crypto X AIフレームワークの将来について見ていく。現在の4つの主なフレームワーク（ELIZA、GAME、ARC、ZEREPY）とそれぞれの技術的な違いを見ていきます。

1.はじめに

私たちはこの1週間、4つの主要なCrypto X AIフレームワークであるELIZA、GAME、ARC、ZEREPYの調査とテストを行いました。

私たちはこの1週間、ELIZA、GAME、ARC、ZEREPYという4つの主要なCrypto X AIフレームワークの調査とテストを行い、次のような結論に至りました。

私たちは、AI16Zが支配し続けると信じています。Eliza（市場シェア60%、時価総額10億ドル以上）の価値は、先行者利益（Lindy効果）と、より多くの開発者へのアクセスにあります。スターなどの統計がそれを証明しており、Githubで最も人気のあるコードベースの1つとなっている。

これまでのところ、GAME（市場シェア～20％、時価総額～3億ドル）は非常に好調で、急速な普及を遂げています。GAMEはVIRTUALの台頭から引き続き恩恵を受け、そのエコシステムにおける最大の勝者の1つとなるでしょう。

リグ（ARC、市場シェア～15％、時価総額～1億6000万ドル）は、モジュラー設計、使いやすさ、そして「ピュアプレイ」としてソラナ・エコシステム（RUST）を支配する能力から、説得力がある。エコシステム（RUST）。

Zerepy（市場シェア～5%、時価総額～3億ドル）は、熱狂的なZerebroコミュニティを対象とした比較的ニッチなアプリで、ai16zコミュニティとの最近の提携は相乗効果をもたらす可能性がある。

市場シェアの計算は、時価総額、開発実績、基本的なOSの最終市場をカバーしていることに注意してください。

私たちは、フレームワーク分野がこの市場サイクルで最も急成長する分野であり、17億ドルの総市場資本は200億ドルまで容易に成長できると考えています。これは、L1の多くが200億ドル以上の評価に達した2021年のL1評価のピークと比較すると、まだ比較的保守的です。これらのフレームワークはそれぞれ異なるエンドマーケット（チェーン/エコシステム）を対象としていますが、この分野で上昇トレンドが続いていると考えられることを考えると、時価総額加重アプローチが最も賢明かもしれません。

2.4つの主要なフレームワーク

以下の表では、主要なフレームワークそれぞれの主要なテクノロジー、コンポーネント、強みを挙げています。

(1) フレームワークの概要

AI×暗号の交差点でAIの発展に貢献してきたフレームワークがいくつかある。AI16ZのELIZA、ARCのRIG、ZEREPYのZEREBRO、そしてGAMEのVIRTUALです。これらのフレームワークはそれぞれ、オープンソースのコミュニティプロジェクトからパフォーマンス重視のエンタープライズソリューションまで、AIエージェントの開発における異なるニーズと哲学を満たしています。

本稿では、まずフレームワークの紹介から始め、フレームワークとは何か、どのようなプログラミング言語、技術アーキテクチャ、アルゴリズムを使用しているか、フレームワーク独自の機能は何か、フレームワークがどのような潜在的なユースケースに使用できるかを説明します。そして、ユーザビリティ、スケーラビリティ、適応性、パフォーマンスの観点から各フレームワークを比較し、それぞれの長所と限界を探ります。

ELIZA（開発元：ai16z）

Elizaは、自律型AIエージェントを作成、デプロイ、管理するために設計されたマルチエージェントシミュレーションのオープンソースフレームワークです。TypeScriptプログラミング言語で開発され、複数のプラットフォームで人間と対話でき、一貫した人格と知識を維持できるインテリジェントエージェントを構築するための柔軟で拡張可能なプラットフォームを提供します。

フレームワークの中核機能には、複数のユニークなAIパーソナリティの同時展開と管理をサポートするマルチエージェントアーキテクチャ、ペルソナファイルフレームワークを使用して異なるエージェントを作成するペルソナシステム、高度な検索拡張生成（RAG）システムを通じて長期記憶とコンテキスト認識を提供するメモリ管理機能などがあります。さらに、Elizaフレームワークは、Discord、X、および他のソーシャルメディアプラットフォームとの信頼性の高い接続のためのスムーズなプラットフォーム統合を提供します。

Elizaは、AIエージェントのためのコミュニケーションとメディア機能の面で優れた選択肢です。コミュニケーション面では、このフレームワークはDiscordの音声チャンネル機能、X機能、Telegramとの統合をサポートしており、カスタムユースケースのための直接APIアクセスも可能です。一方、フレームワークのメディア処理機能は、PDFドキュメントの読み取りと分析、リンクコンテンツの抽出と要約、音声転写、ビデオコンテンツの処理、画像分析、およびダイアログの要約にまで拡張され、あらゆる種類のメディアの入力と出力を効率的に処理します。

Elizaフレームワークは、オープンソースモデルを使ったローカル推論、OpenAIを使ったクラウド推論、Nous Hermes Llama 3.1Bのようなデフォルト構成を通じて、柔軟なAIモデルサポートを提供します。Elizaは、幅広いオペレーティングシステム、カスタムクライアントサポート、アプリケーション間のスケーラビリティと適応性を確保するための包括的なAPIを備えたモジュラーアーキテクチャを使用しています。

イライザのユースケースは、カスタマーサポート、コミュニティ監査、個人的なタスクのためのAIアシスタントや、コンテンツ自動作成者、対話型ボット、ブランド担当者などのソーシャルメディアの役割など、複数の領域にわたります。また、リサーチアシスタント、コンテンツアナリスト、ドキュメントプロセッサなどの役割を担うナレッジワーカーとしても機能し、ロールプレイングボット、教育チューター、エンターテイメントエージェントなどのインタラクティブな役割をサポートします。

Elizaのアーキテクチャは、ロールシステム（モデルプロバイダがサポート）、メモリマネージャ（データベースに接続）、オペレーティングシステム（プラットフォームクライアントにリンク）とシームレスに統合されたエージェントランタイムを中心に構築されています。このフレームワークのユニークな機能には、モジュラー機能拡張をサポートするプラグインシステム、音声、テキスト、メディアなどのマルチモーダルインタラクションのサポート、主要なAIモデル（Llama、GPT-4、Claudeなど）との互換性などがあります。その多用途性と堅牢な設計により、Elizaはドメイン横断的なAIアプリケーションを開発するための強力なツールとして際立っています。

G.A.M.E (developed by Virtuals Protocol)

Generative Autonomous Multi-Modal Entityフレームワーク（G.A.M.E）は、以下を目的としています。AIエージェント実験を行うためのAPIとSDKへのアクセスを開発者に提供します。このフレームワークは、AIエージェントの行動、意思決定、学習プロセスを管理するための構造化されたアプローチを提供します。

コアコンポーネントは以下の通りです：まず、エージェントプロンプティングインターフェースは、開発者がGAMEをエージェントに統合し、エージェントの振る舞いにアクセスするためのエントリーポイントです。パーセプションサブシステムは、セッションID、エージェントID、ユーザー、その他の関連する詳細のようなパラメータを指定することでセッションを開始します。

AIエージェントの感覚入力メカニズムとして機能する戦略計画エンジンに適したフォーマットに、ダイアログや応答の形式を問わず、入ってくる情報を合成します。その中核となるのが対話処理モジュールで、エージェントからのメッセージや応答を処理し、知覚サブシステムと協力して入力を効果的に解釈して応答するために使用されます。

戦略プランニングエンジンは、対話処理モジュールとチェーン内のウォレットオペレータと連携して、応答とプランを生成します。

このエンジンは2つのレベルで機能します：コンテキストや目標に基づいて大まかな戦略を作成する高レベルプランナーとして、そしてそれらの戦略を実行可能なものに変換する低レベル戦略として、さらにタスクを指定するアクションプランナーとそれを実行するプランエグゼキューターに分かれています。

もう1つの独立した、しかし重要なコンポーネントは、エージェントの意思決定に必要なコンテキストを提供するために、環境、グローバル情報、ゲーム状態を参照するワールドコンテキストです。さらに、エージェントリポジトリは、目標、反省、経験、性格などの長期的な属性を保存するために使用され、これらはエージェントの行動と意思決定プロセスを形成します。

フレームワークは、短期ワーキングメモリと長期メモリプロセッサを使用します。短期記憶は、以前の行動、結果、現在の計画に関する情報を保持する。これに対して、長期記憶プロセッサは、重要性、最近性、関連性などの基準に基づいて重要な情報を抽出する。長期記憶には、エージェントの経験、反省、動的な性格、世界の文脈、意思決定を強化し、学習の基礎を提供するためのワーキングメモリに関する知識が格納されている。

学習モジュールは、知覚サブシステムからのデータを使用して、将来のインタラクションを改善するためにシステムにフィードバックされる一般的な知識を生成します。開発者は、AIエージェントの学習能力を強化し、その計画と意思決定能力を向上させるために、インターフェイスを通じて、行動、ゲーム状態、および感覚データに関するフィードバックを入力することができます。

ワークフローは、開発者がプロンプトインターフェースを介してエージェントと対話することから始まります。入力は知覚サブシステムによって処理され、対話ロジックを管理する対話処理モジュールに転送される。そして、戦略プランニングエンジンは、高レベルの戦略と詳細なアクションプランを活用しながら、この情報に基づいてプランを開発し、実行します。

ワールドコンテキストとエージェントリポジトリからのデータはこれらのプロセスに通知し、ワーキングメモリは即時タスクを追跡します。一方、長期記憶プロセッサは、長期的な知識を保存し、検索します。学習モジュールは結果を分析し、新しい知識をシステムに統合し、エージェントの行動とインタラクションの継続的な改善を可能にします。

RIG（ARCが開発）

Rigは、大規模言語モデルアプリケーションの開発を簡素化するために設計されたオープンソースのRustフレームワークです。OpenAIやAnthropicのような複数のLLMプロバイダとやりとりするための統一されたインターフェイスを提供し、MongoDBやNeo4jを含む様々なベクターストアをサポートします。 このフレームワークのモジュラーアーキテクチャは、プロバイダ抽象化レイヤ、ベクターストア統合、プロキシシステムなどのコアコンポーネントがシームレスなLLMを促進するという点でユニークです。システムで、シームレスなLLMインタラクションを促進します。

Rigの主な利用者は、Rustを使用してAI/MLアプリケーションを構築する開発者であり、それほどではありませんが、複数のLLMプロバイダーやベクターストアを自社のRustアプリケーションに統合しようとする組織も含まれます。リポジトリは、スケーラビリティと効率的なプロジェクト管理をサポートするために、複数のクレートを持つワークスペースアーキテクチャを採用しています。主な機能として、プロバイダー抽象化レイヤーがあり、異なるLLMプロバイダー間のAPIの完成と組み込みのための標準化と一貫したエラー処理を提供します。Vector Store Integrationコンポーネントは、複数のバックエンドのための抽象インターフェースを提供し、ベクトル類似性検索をサポートします。プロキシシステムは、LLMのやり取りを簡素化し、RAG（Retrieval Augmentation Generation）とツールの統合をサポートします。さらに、埋め込みフレームワークはバッチ処理機能と型安全埋め込み操作を提供します。

Rigは信頼性とパフォーマンスを確保するためにいくつかの技術を活用しています。非同期操作では、Rust の非同期ランタイムを活用して、大量の同時リクエストを効率的に処理します。フレームワーク固有のエラー処理メカニズムにより、AIプロバイダーやデータベース操作の障害に対する耐性を向上させます。型安全性により、コンパイル時のエラーを防止し、コードの保守性を向上させます。効率的なシリアライゼーションとデシリアライゼーション処理により、AIサービスの通信と保存に不可欠なJSONなどの形式でのデータ処理をサポートする。詳細なロギングと検査は、アプリケーションのデバッグと監視に役立ちます。

Rigのワークフローは、クライアントがプロバイダー抽象化レイヤーを通じて適切なLLMモデルと対話するリクエストを開始したときに始まります。その後、データはコアレイヤーで処理され、エージェントがツールを使ったり、コンテキストのベクトルストアにアクセスしたりすることができる。レスポンスは、複雑なワークフロー（RAGなど）を通じて生成・改良された後、文書検索と文脈理解を含むプロセスでクライアントに返される。システムは複数のLLMプロバイダーとベクターストアを統合し、モデルの可用性やパフォーマンスの更新に適応します。

Rigのユースケースは多様で、関連文書を検索して正確な回答を提供するQ&Aシステム、効率的なコンテンツ発見のための文書検索システム、顧客サービスや教育のためにコンテキストを認識した対話を提供するチャットボットやバーチャルアシスタントなどがあります。また、コンテンツ生成や、学習パターンに基づいたテキストやその他の資料の作成もサポートしており、開発者や組織にとって多用途なツールとなっています。

Zerepy (developed by ZEREPY and blorm)

ZerePyはPython言語で書かれたオープンソースのフレームワークです。OpenAIやAnthropic LLMを使ってX上にエージェントを展開するように設計されています。Zerebroバックエンドのモジュール版から派生したZerePyは、開発者がZerebroと同様のコア機能を持つエージェントを起動できるようにします。ZerePyは、パーソナライズされたAIエージェントの開発とデプロイメントを簡素化し、特にソーシャル・プラットフォームでのコンテンツ作成に適しており、芸術や分散型アプリケーションのためのAIを活用した創造性のエコシステムを育成します。

Pythonで開発されたこのフレームワークは、エージェントの自律性を重視し、ELIZAのアーキテクチャやELIZAとのパートナーシップに沿った、創造的なアウトプットの生成に焦点を当てています。そのモジュール設計は、インメモリシステムの統合とソーシャルプラットフォームへのエージェントの展開をサポートします。主な特徴としては、エージェント管理のためのコマンドラインインターフェース、Twitterとの統合、OpenAIとAnthropic LLMのサポート、機能強化のためのモジュラー接続システムなどがあります。

ZerePyのユースケースはソーシャルメディアの自動化スペースをカバーしており、ユーザーはAIエージェントを配置して投稿、返信、「いいね！」、リツイートを行い、プラットフォームのエンゲージメントを高めることができます。また、音楽、ミーム、NFTなどの分野でのコンテンツ作成にも対応しており、デジタルアートやブロックチェーンベースのコンテンツプラットフォームにも最適なツールとなっている。

(2)4大フレームワークの比較

私たちの見解では、各フレームワークは、特定のニーズやコンテキストに適合するAI開発への独自のアプローチを提供しています。

私たちの見解では、各フレームワークは、特定の一連のニーズとコンテキストに適合する、AI開発への独自のアプローチを提供しています。

ERIZAは、特にJavaScriptとNode.js環境に精通した開発者にとって、ユーザーフレンドリーなインターフェイスで際立っています。その包括的なドキュメントは、様々なプラットフォーム上でAIエージェントをセットアップするのに役立ちますが、その広範な機能セットには少し学習曲線が伴うことがあります。ほとんどのWebインフラのフロントエンドはTypeScriptで開発されているため、TypeScriptで開発されたElizaはWebに組み込まれたエージェントを構築するのに理想的である。このフレームワークは、Discord、X、Telegramのようなプラットフォーム上に異なるAIパーソナリティを展開できるマルチエージェントアーキテクチャで知られている。その高度なメモリ管理RAGシステムは、カスタマーサポートやソーシャルメディアアプリケーションにおけるAIアシスタントに特に効果的だ。柔軟性、強力なコミュニティサポート、一貫したクロスプラットフォームのパフォーマンスを提供する一方で、まだ初期段階であり、開発者にとっては学習曲線となるかもしれません。

GAMEはゲーム開発者向けに設計されており、APIを通じて低コードまたはコード不要のインターフェースを提供することで、技術力の低いユーザーでもゲーム空間にアクセスできるようにしている。しかし、ゲーム開発とブロックチェーンの統合に重点を置いているため、関連する経験がない人にとっては学習曲線が険しいかもしれない。プロシージャルなコンテンツ生成とNPCの挙動に秀でているが、ニッチでブロックチェーン統合の複雑さが加わっているため、限界がある。

Rust言語を使用しているため、Rigはその言語の複雑さからユーザーフレンドリーでない可能性があり、学習上の大きな課題となりますが、システムプログラミングに精通している人にとっては直感的なインタラクションを備えています。プログラミング言語自体は、typescripeに比べてパフォーマンスとメモリ安全性で知られている。複雑なAIアルゴリズムを実行するために必要な、厳密なコンパイル時チェックとゼロコスト抽象化を備えている。この言語は非常に効率的で、制御の度合いが低いため、リソース集約的なAIアプリケーションに最適である。このフレームワークは、モジュール式でスケーラブルな設計により高性能なソリューションを提供するため、エンタープライズ・アプリケーションに最適である。しかし、Rustを使用することで、Rustに不慣れな開発者にとっては急な学習曲線が避けられます。

ZerePyはPythonを活用することで、創造的なAIタスクに高いユーザビリティを提供し、Python開発者、特にAI/MLのバックグラウンドを持つ開発者にとっては学習曲線が低く、Zerebroの暗号コミュニティによる強力なコミュニティサポートの恩恵を受けています。...ZerePyは、NFTのような創造的なAIアプリケーションに特化しており、デジタルメディアや芸術のための強力なツールとして位置づけられている。創造性を発揮する一方で、他のフレームワークと比べると比較的狭い範囲にとどまっている。

スケーラビリティに関して言えば、ELIZAはV2アップデートで大きく進歩し、統一されたメッセージングスレッドと、複数のプラットフォームにわたる効率的な管理をサポートする拡張可能なコアフレームワークを導入した。しかし、このようなマルチプラットフォームでの相互作用の管理は、最適化されなければ、スケーラビリティの問題を引き起こす可能性があります。

GAMEはゲームに必要なリアルタイム処理に優れており、スケーラビリティは効率的なアルゴリズムと潜在的にはブロックチェーン分散システムによって管理されますが、特定のゲームエンジンやブロックチェーンネットワークの制約によって制限される可能性があります。

Rigフレームワークは、Rustのスケーラビリティ性能を活用し、高スループットアプリケーション向けに設計されています。

Zerepyのスケーラビリティは、コミュニティからの貢献に裏打ちされた創造的なアウトプットに向けられたものですが、その集中的な重力は、スケーラビリティがユーザー数よりも創造的なタスクの多様性によって試される、より広範なAI環境での使用を制限するかもしれません。

適応性に関しては、ELIZAはプラグインシステムとクロスプラットフォームの互換性でリードしており、ゲーム環境用のGAMEと複雑なAIタスクを処理するためのRigで優れています。

パフォーマンスに関しては、ELIZAは、高速な応答時間が鍵となる、高速なソーシャルメディアインタラクション向けに最適化されていますが、より複雑な計算タスクを扱う場合は、パフォーマンスが異なる可能性があります。

バーチャル・プロトコル（Virtual Protocol）によって開発されたVAMEは、ゲームシナリオにおける高性能なリアルタイムインタラクションに重点を置いており、効率的な意思決定プロセスと、分散型AI操作のための潜在的なブロックチェーンを活用しています。

RigフレームワークはRust言語に基づいており、計算効率が重要な企業アプリケーションの高性能コンピューティングタスクに優れた性能を提供します。

Zerepyのパフォーマンスは、コンテンツ生成の効率と品質を中心としたメトリクスで、クリエイティブなコンテンツ作成に合わせて調整されています。

ERIZAの強みは柔軟性と拡張性であり、プラグインシステムと役割設定によって高い適応性を実現し、クロスプラットフォームのソーシャルAIインタラクションを促進します。

GAMEは、ゲーム内でユニークなリアルタイムのインタラクション機能を提供し、ブロックチェーンの統合によって、斬新なAIエンゲージメントを強化します。

Rigの強みは、長期的なプロジェクトの健全性を保つためのクリーンなモジュール式コードに重点を置き、エンタープライズ向けのAIタスクのパフォーマンスとスケーラビリティにあります。

Zerepyは創造性の育成に優れており、活気あるコミュニティ主導の開発モデルに支えられながら、デジタルアート向けのAIアプリケーションをリードしています。

各フレームワークにはそれぞれ限界があります。ELIZAはまだ初期段階であり、安定性の問題や新しい開発者の学習曲線がある可能性があります。また、Zerepyの創造的な出力への小さな焦点は、他のAIドメインでの使用を制限するかもしれません。

(3)フレームワーク比較まとめ

Rig（ARC）：

言語：Rust、セキュリティとパフォーマンスに重点を置いています。

使用例：効率性とスケーラビリティを重視したエンタープライズAIアプリケーションに最適です。

コミュニティ：コミュニティ主導ではなく、技術開発者向け。

イライザ（AI16Z）：

言語：TypeScriptで、Web3の敏捷性とコミュニティへの参加に重点を置いています。

ユースケース：ソーシャルインタラクション、DAO、トランザクションのために設計されており、特にマルチエージェントシステムに重点を置いています。

コミュニティ：GitHubに広く参加し、非常にコミュニティ主導です。

ZerePy（ZEREBRO）:

言語：Pythonで、より幅広いAI開発者が利用できます。

使用例：ソーシャルメディアの自動化や、よりシンプルなAIエージェントのタスク。

コミュニティ：比較的新しいが、Pythonの人気とAI16Zのコントリビューターのサポートにより、成長が期待される。

GAME (VIRTUAL):

フォーカス：仮想環境での相互作用に基づいて進化できる、自律的で自己適応的なAIエージェント。

使用例：ゲームや仮想世界などのシナリオを学習し、適応するAIエージェントに最適です。

コミュニティ：革新的なコミュニティだが、競争の中での位置づけはまだ定まっていない。

3.Githubにおけるスターデータの動向

上のグラフは、これらのフレームワークがリリースされてからのGitHubのスターフォローデータを示しています。GitHubのスターは、コミュニティの関心度、プロジェクトの人気度、プロジェクトの価値を示す指標であることは注目に値します。

ERIZA（赤線）:

7月に上昇し始めた低いベースから、11月後半にはスター数が大幅に増加しました（61,000まで）。この指数関数的な伸びは、ELが開発者の注目を集めていることを示している。この指数関数的な伸びは、ELIZAがその機能、アップデート、コミュニティへの参加によって絶大な支持を得ていることを示している。その人気は、他の競合ペアをはるかに上回っており、コミュニティからの強い支持と、AIコミュニティにおけるより広い適用性や関心があることを示唆しています。

RIG（青線）：

RIGは4大フレームワークの中で最も古く、STARSの数は控えめですが一貫して増加しており、今後1ヶ月で劇的に増加する可能性があります。今後1ヶ月で大幅に増加する可能性が高い。スター数は1700に達したが、まだ増え続けている。継続的な開発、アップデート、ユーザー数の増加が、ユーザーの関心を高めている理由である。これは、フレームワークのニッチなユーザーや、まだ蓄積されている評判を反映しているのかもしれません。

ZEREPY（黄色い線）:

ZerePyはほんの数日前に立ち上げられたばかりですが、すでに181の星を獲得しています。ZerePyの知名度と普及率を高めるには、さらなる開発が必要であることを強調しておく価値がある。AI16Zとのパートナーシップは、より多くのコード貢献者を引き付けるかもしれない。

GAME（緑線）:

このプロジェクトは最も低いスター数です。エコシステム内のエージェントに直接適用できるため、Githubで可視化する必要がない。しかし、このフレームワークは、ほんの1ヶ月ほど前にビルダーに公開され、200以上のプロジェクトがGAMEを使用して構築されている。

4.フレームワーク強気の理由

イライザのV2バージョンは、コインベースのプロキシスイートを統合します。Elizaを使用するすべてのプロジェクトは、将来的にネイティブTEEをサポートし、エージェントが安全な環境で実行できるようになります。Elizaの今後の機能として、開発者がプラグインをシームレスに登録・統合できるプラグイン・レジストリがあります。

さらに、Eliza V2は自動化された匿名のクロスプラットフォーム・メッセージングをサポートする予定です。トークン・エコノミクスのホワイトペーパーは2025年1月1日にリリースされる予定で、Elizaフレームワークの基礎となるAI16Zトークンに好影響を与えると期待されています。AI16Zはフレームワークの実用性を高め続け、主要貢献者の努力によって証明された質の高い人材を引き付け続ける計画です。

GAMEフレームワークはエージェントにコードフリーの統合を提供し、GAMEとELIZAの両方を1つのプロジェクトで使用できるようにします。このアプローチは、技術的な複雑さよりもビジネスロジックを重視するビルダーにとって魅力的である。このフレームワークが公開されてからまだ30日しか経っていないが、チームはより多くの貢献者を集めようと努力しており、すでに大きな進歩を遂げている。

ARCトークンに代表されるRigは、そのフレームワークが成長の初期段階にあり、プロジェクトの採用を促進するプログラムが稼働してまだ数日しか経っていないにもかかわらず、大きな可能性を秘めている。しかし、ARCを採用する質の高いプロジェクトは、Virtualのフライホイールと同様に、Solanaに焦点を当てて、すぐに出現すると予想される。チームはSolanaとの協力に楽観的で、ARCとSolanaの関係をVirtualとBaseの関係になぞらえている。注目すべきは、チームが新しいプロジェクトをRigで立ち上げることを奨励しているだけでなく、開発者がRigフレームワーク自体を強化することも奨励していることです。

Zerepyは新しく立ち上げられたフレームワークで、Elizaとのパートナーシップのおかげでますます人気を集めています。このフレームワークにはElizaのコントリビューターが集まり、積極的に改良に取り組んでいます。ZEREBROのファンによって熱狂的な支持を得ており、これまでAIインフラストラクチャー競争において存在感の薄かったPython開発者に新たな機会を提供している。このフレームワークは、AIの創造性において重要な役割を果たすだろう。