DMind
Minara работает на базе DMind, открытой исследовательской организации, создающей большие языковые модели, бенчмарки, наборы данных и инструменты для Web3 и цифровых финансов. Модели DMind обрабатывают нативные для финансов части Minara: анализ данных в блокчейне, рассуждения о протоколах DeFi, оценку рисков в транзакциях и генерацию рыночных исследований. Эти модели дополняются моделями общего назначения, такими как Claude и GPT, которые выполняют задачи, выходящие за рамки финансов.
Почему доменно-специализированная модель
У универсальных LLM есть четыре структурных недостатка в Web3.
Контент Web3 недостаточно представлен в их обучающих данных, поэтому они часто придумывают правдоподобные, но неверные ответы о конкретных протоколах, механике контрактов или токеномике. Инференс только в облаке вынуждает пользователей отправлять активность кошелька и торговые намерения на сторонние серверы. Продукты на основе чата не помогают в тот момент, когда это важнее всего, — когда пользователь подписывает транзакцию. А циклы обращения к API слишком медленны для сценариев, где важна каждая секунда, таких как ликвидации или защита от MEV.
DMind создаёт модели, которые устраняют эти пробелы, при этом веса и обучающие данные публикуются открыто, чтобы любой мог их проверить.
Что выпускает DMind
DMind выпустила семь моделей с открытым исходным кодом в трёх поколениях — от встроенной на устройстве модели безопасности с 270 млн параметров до облачной модели рассуждения на 21 млрд параметров. Наряду с моделями DMind публикует набор для оценки понимания Web3 (1 917 вопросов, проверенных экспертами, по 9 поддоменам, принятый на KDD 2026), а также TypeScript SDK для интеграции моделей DMind в приложения Web3.
Как DMind обеспечивает работу Minara
Minara распределяет работу между моделями DMind в зависимости от того, что требуется каждой задаче.
Проверки безопасности в момент транзакции выполняются на небольшой модели, работающей на устройстве (DMind-3-Nano), поэтому они работают без обращения к сети. Анализ стратегии и приватные исследования выполняются на локальной модели 4B (DMind-3-Mini), которая рассуждает о конкретных активах пользователя, не отправляя их в облако. Исследования по всему рынку, кроссчейн-анализ и длинные отчёты выполняются на облачной модели Oracle на 21B, у которой окно контекста 256k и которая агрегирует глобальные данные.
Это разделение не случайно. Это суверенная архитектура которая определяет, что где выполняется и почему.
Окончательное решение «да/нет» по транзакции всегда принимается на устройстве пользователя, а не в облаке. Это опорный элемент безопасности всей архитектуры.
Читать далее
Суверенная архитектура. Архитектура Edge-Local-Cloud, лежащая в основе DMind-3, и то, что она означает для конфиденциальности.
Семейство моделей. Что делает каждая из семи моделей и когда она используется.
Бенчмарк DMind. Набор оценочных тестов для Web3, принятый на KDD 2026.
Методы обучения. HPS, C³-SFT и то, как моделям прививают рассуждение, специфичное для Web3.
Ресурсы
Сайт: dmind.ai
GitHub: github.com/DMindAI
Hugging Face: huggingface.co/DMindAI
Последнее обновление
Это было полезно?