> 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/ko/technology/dmind.md).

# DMind

Minara는 다음의 지원을 받습니다 [DMind](https://dmind.ai/), 대규모 언어 모델, 벤치마크, 데이터셋, 그리고 Web3와 디지털 금융을 위한 도구를 만드는 오픈소스 연구 조직입니다. DMind의 모델은 Minara의 금융 네이티브 부분을 처리합니다. 즉, 온체인 데이터 파싱, DeFi 프로토콜에 대한 추론, 거래의 위험 평가, 그리고 시장 조사 생성입니다. 이러한 모델은 Claude와 GPT 같은 범용 모델과 함께 사용되며, 이들 모델은 금융 범위를 벗어나는 작업을 처리합니다.

## 도메인 네이티브 모델인 이유

범용 LLM에는 Web3에서 네 가지 구조적 한계가 있습니다.

Web3 콘텐츠는 학습 데이터에서 충분히 반영되지 않아, 특정 프로토콜, 계약 메커니즘, 토큰 경제에 대해 그럴듯하지만 잘못된 답을 자주 만들어냅니다. 클라우드 전용 추론은 사용자가 지갑 활동과 거래 의도를 제3자 서버로 보내야 하게 만듭니다. 채팅 기반 제품은 가장 중요한 순간, 즉 사용자가 거래에 서명할 때 아무런 도움도 주지 못합니다. 그리고 API 왕복 호출은 청산이나 MEV 보호 같은 시간 민감한 시나리오에는 너무 느립니다.

DMind는 이러한 격차를 메우는 모델을 만들며, 가중치와 학습 데이터를 공개해 누구나 검증할 수 있게 합니다.

## DMind가 제공하는 것

DMind는 3세대에 걸쳐 7개의 오픈소스 모델을 공개했으며, 2억 7천만 파라미터의 온디바이스 안전 모델부터 210억 파라미터의 클라우드 추론 모델까지 포함합니다. 모델과 함께 DMind는 Web3 이해를 위한 평가 세트(9개 하위 도메인에 걸친 전문가 검토 질문 1,917개로 구성되었으며, KDD 2026에 채택됨)와, DMind 모델을 Web3 애플리케이션에 통합하기 위한 TypeScript SDK도 공개합니다.

## DMind가 Minara를 구동하는 방식

Minara는 각 작업의 필요에 따라 DMind의 모델들에 작업을 분배합니다.

거래 시점 안전성 검사는 작은 온디바이스 모델(DMind-3-Nano)에서 실행되므로, 네트워크 왕복 호출 없이 작동합니다. 전략 분석과 비공개 연구는 사용자의 특정 보유 자산을 클라우드로 보내지 않고도 추론하는 로컬 4B 모델(DMind-3-Mini)에서 실행됩니다. 전반적인 시장 연구, 크로스체인 분석, 장문 보고서는 256k 컨텍스트 윈도우를 갖고 전 세계 데이터를 집계하는 클라우드의 210억 파라미터 Oracle 모델에서 실행됩니다.

이 분할은 임의적인 것이 아닙니다. 그것은 [주권적 아키텍처](/docs/minara-handbook/ko/technology/dmind/sovereign-architecture.md) 입니다. 무엇이 어디서 실행되고, 왜 그렇게 되는지를 정의합니다.

{% hint style="info" %}
거래에 대한 최종 승인/거부 결정은 항상 사용자의 기기에서 이루어지며, 절대 클라우드에서 이루어지지 않습니다. 이것이 전체 아키텍처의 안전성 기준점입니다.
{% endhint %}

## 다음 읽을거리

* [주권적 아키텍처](/docs/minara-handbook/ko/technology/dmind/sovereign-architecture.md). DMind-3 뒤에 있는 Edge-Local-Cloud 설계와 그것이 프라이버시에 의미하는 바.
* [모델군](/docs/minara-handbook/ko/technology/dmind/model-family.md). 7개 모델 각각의 역할과 사용 시점.
* [DMind 벤치마크](/docs/minara-handbook/ko/technology/dmind/benchmark.md). KDD 2026에 채택된 Web3 평가 스위트.
* [학습 방법](/docs/minara-handbook/ko/technology/dmind/training-methods.md). HPS, C³-SFT, 그리고 모델에 Web3 특화 추론을 가르치는 방법.

## 리소스

* 웹사이트: [dmind.ai](https://dmind.ai/)
* GitHub: [github.com/DMindAI](https://github.com/DMindAI)
* Hugging Face: [huggingface.co/DMindAI](https://huggingface.co/DMindAI)
* 논문: [DMind 벤치마크 (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/ko/technology/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.