DMind
Minara funciona con DMind, una organización de investigación de código abierto que desarrolla modelos de lenguaje de gran tamaño, benchmarks, conjuntos de datos y herramientas para Web3 y las finanzas digitales. Los modelos de DMind se encargan de las partes nativas de finanzas de Minara: analizar datos en cadena, razonar sobre protocolos DeFi, evaluar el riesgo en las transacciones y generar investigación de mercado. Estos modelos se combinan con modelos de propósito general como Claude y GPT, que se ocupan de las tareas que quedan fuera de las finanzas.
Por qué un modelo nativo del dominio
Los LLM de propósito general tienen cuatro brechas estructurales en Web3.
El contenido de Web3 está subrepresentado en sus datos de entrenamiento, por lo que a menudo inventan respuestas plausibles pero incorrectas sobre protocolos específicos, mecánicas de contratos o economía de tokens. La inferencia solo en la nube obliga a los usuarios a enviar la actividad de sus billeteras y la intención de trading a servidores de terceros. Los productos basados en chat no ofrecen ayuda en el momento más importante, que es cuando un usuario firma una transacción. Y los viajes de ida y vuelta a la API son demasiado lentos para escenarios sensibles al tiempo, como liquidaciones o protección contra MEV.
DMind crea modelos que cierran estas brechas, con los pesos y los datos de entrenamiento publicados abiertamente para que cualquiera pueda auditarlos.
Lo que lanza DMind
DMind ha lanzado siete modelos de código abierto a lo largo de tres generaciones, que van desde un modelo de seguridad en el dispositivo de 270 millones de parámetros hasta un modelo de razonamiento en la nube de 21B. Junto con los modelos, DMind publica un conjunto de evaluación para la comprensión de Web3 (1.917 preguntas revisadas por expertos en 9 subdominios, aceptado en KDD 2026) y un SDK de TypeScript para integrar los modelos de DMind en aplicaciones Web3.
Cómo impulsa DMind a Minara
Minara distribuye el trabajo entre los modelos de DMind según lo que necesita cada tarea.
Los controles de seguridad en el momento de la transacción se ejecutan en un pequeño modelo en el dispositivo (DMind-3-Nano), por lo que funcionan sin un viaje de ida y vuelta a la red. El análisis de estrategia y la investigación privada se ejecutan en un modelo local de 4B (DMind-3-Mini) que razona sobre las tenencias específicas de un usuario sin enviarlas a la nube. La investigación a nivel de mercado, el análisis entre cadenas y los informes extensos se ejecutan en el modelo Oracle de 21B en la nube, que tiene una ventana de contexto de 256k y agrega datos globales.
La división no es arbitraria. Es la arquitectura soberana que define qué se ejecuta dónde y por qué.
La decisión final de aprobar o no una transacción siempre ocurre en el dispositivo del usuario, nunca en la nube. Este es el ancla de seguridad de toda la arquitectura.
Leer a continuación
Arquitectura soberana. El diseño Edge-Local-Cloud detrás de DMind-3 y lo que significa para la privacidad.
Familia de modelos. Qué hace cada uno de los siete modelos y cuándo se usa.
Benchmark de DMind. La suite de evaluación de Web3 aceptada en KDD 2026.
Métodos de entrenamiento. HPS, C³-SFT y cómo se enseña a los modelos el razonamiento específico de Web3.
Recursos
Sitio web: dmind.ai
GitHub: github.com/DMindAI
Hugging Face: huggingface.co/DMindAI
Última actualización
¿Te fue útil?