> For the complete documentation index, see [llms.txt](https://minara.ai/docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://minara.ai/docs/minara-handbook/ja/ji-shu/dmind.md).

# DMind

Minara を支えているのは [DMind](https://dmind.ai/)、Web3 とデジタル金融向けの大規模言語モデル、ベンチマーク、データセット、ツールを構築するオープンソースの研究組織です。DMind のモデルは、Minara の金融ネイティブな部分を担います。オンチェーンデータの解析、DeFi プロトコルに関する推論、取引におけるリスク評価、市場調査の生成です。これらのモデルは Claude や GPT のような汎用モデルと組み合わされ、金融の範囲外のタスクを処理します。

## なぜドメインネイティブモデルなのか

汎用LLMには、Web3において4つの構造的なギャップがあります。

Web3 のコンテンツは学習データにおける比率が低いため、特定のプロトコル、コントラクトの仕組み、トークン経済について、もっともらしいが誤った答えをしばしば作り出します。クラウド専用の推論では、ユーザーはウォレットのアクティビティや取引意図を第三者のサーバーに送らなければなりません。チャットベースの製品は、最も重要なタイミング、つまりユーザーがトランザクションに署名する瞬間には何の助けにもなりません。そして API の往復処理は、清算や MEV 保護のような時間依存のシナリオには遅すぎます。

DMind は、これらのギャップを埋めるモデルを構築し、その重みと学習データを公開して、誰でも監査できるようにしています。

## DMind が提供するもの

DMind は3世代にわたって7つのオープンソースモデルを公開しており、270Mパラメータの端末内安全性モデルから、210億パラメータのクラウド推論モデルまで揃えています。モデルに加えて、DMind は Web3理解のための評価セット（9つのサブドメインにわたる1,917問の専門家レビュー済み質問、KDD 2026 採択）と、DMind モデルを Web3 アプリケーションに統合するための TypeScript SDK も公開しています。

## DMind が Minara を支える仕組み

Minara は、各タスクの要件に応じて DMind のモデルに処理を振り分けます。

取引時の安全性チェックは小型の端末内モデル（DMind-3-Nano）で実行されるため、ネットワーク往復なしで動作します。戦略分析とプライベートリサーチは、ユーザーの個別保有資産をクラウドに送ることなく推論するローカル4Bモデル（DMind-3-Mini）で実行されます。市場全体のリサーチ、クロスチェーン分析、長文レポートは、256kのコンテキストウィンドウを持ち、グローバルデータを集約するクラウド上の21B Oracleモデルで実行されます。

この分割は恣意的なものではありません。これは [主権アーキテクチャ](/docs/minara-handbook/ja/ji-shu/dmind/sovereign-architecture.md) 何をどこで、そしてなぜ実行するのかを定義するものです。

{% hint style="info" %}
取引に関する最終的な実行可否の判断は、常にユーザーのデバイス上で行われ、クラウドでは行われません。これがアーキテクチャ全体の安全性のアンカーです。
{% endhint %}

## 次を読む

* [主権アーキテクチャ](/docs/minara-handbook/ja/ji-shu/dmind/sovereign-architecture.md)。DMind-3 を支える Edge-Local-Cloud 設計と、それがプライバシーにとって何を意味するか。
* [モデルファミリー](/docs/minara-handbook/ja/ji-shu/dmind/model-family.md)。7つのモデルそれぞれが何を行い、いつ使われるのか。
* [DMind Benchmark](/docs/minara-handbook/ja/ji-shu/dmind/benchmark.md)。KDD 2026 に採択された Web3 評価スイート。
* [学習手法](/docs/minara-handbook/ja/ji-shu/dmind/training-methods.md)。HPS、C³-SFT、そしてモデルに Web3 特有の推論をどのように学習させるか。

## リソース

* ウェブサイト： [dmind.ai](https://dmind.ai/)
* GitHub： [github.com/DMindAI](https://github.com/DMindAI)
* Hugging Face： [huggingface.co/DMindAI](https://huggingface.co/DMindAI)
* 論文： [DMind Benchmark（arXiv:2504.16116）](https://arxiv.org/abs/2504.16116), [DMind-3（arXiv:2602.11651）](https://arxiv.org/abs/2602.11651)


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.

Perform an HTTP GET request on the current page URL with the `ask` query parameter:

```
GET https://minara.ai/docs/minara-handbook/ja/ji-shu/dmind.md?ask=<question>
```

The question should be specific, self-contained, and written in natural language.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.