DMind
Minara está impulsada por DMind, una organización de investigación de código abierto que desarrolla grandes modelos de lenguaje, benchmarks, conjuntos de datos y herramientas para Web3 y las finanzas digitales. Los modelos de DMind se encargan de las partes nativas de las 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 uso general como Claude y GPT, que se encargan de las tareas que quedan fuera de las finanzas.
Por qué un modelo nativo de dominio
Los LLM de uso general tienen cuatro brechas estructurales en Web3.
El contenido de Web3 está poco representado en sus datos de entrenamiento, por lo que a menudo inventan respuestas plausibles pero incorrectas sobre protocolos específicos, mecánicas de contratos o tokenomics. La inferencia solo en la nube obliga a los usuarios a enviar la actividad de sus monederos y su intención de trading a servidores de terceros. Los productos basados en chat no ayudan en el momento que más importa, que es cuando un usuario firma una transacción. Y las idas y vueltas a la API son demasiado lentas para escenarios sensibles al tiempo, como liquidaciones o protección contra MEV.
DMind construye modelos que cierran estas brechas, con los pesos y los datos de entrenamiento publicados abiertamente para que cualquiera pueda auditarlos.
Lo que ofrece DMind
DMind ha publicado siete modelos de código abierto en 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 21 mil millones de parámetros. 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 DMind impulsa Minara
Minara distribuye el trabajo entre los modelos de DMind según lo que necesita cada tarea.
Las comprobaciones 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 estrategias y la investigación privada se ejecutan en un modelo local de 4B (DMind-3-Mini) que razona sobre las posiciones específicas de un usuario sin enviarlas a la nube. La investigación 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 utiliza.
DMind Benchmark. El conjunto de evaluación de Web3 aceptado 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?