> 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/ru/tekhnologii/dmind.md).

# DMind

Minara работает на базе [DMind](https://dmind.ai/), 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](/docs/minara-handbook/ru/tekhnologii/dmind/sovereign-architecture.md) которая определяет, что где выполняется и почему.

{% hint style="info" %}
Окончательное решение «да/нет» по транзакции всегда принимается на устройстве пользователя, а не в облаке. Это опорный элемент безопасности всей архитектуры.
{% endhint %}

## Читать далее

* [Суверенная архитектура](/docs/minara-handbook/ru/tekhnologii/dmind/sovereign-architecture.md). Архитектура Edge-Local-Cloud, лежащая в основе DMind-3, и то, что она означает для конфиденциальности.
* [Семейство моделей](/docs/minara-handbook/ru/tekhnologii/dmind/model-family.md). Что делает каждая из семи моделей и когда она используется.
* [Бенчмарк DMind](/docs/minara-handbook/ru/tekhnologii/dmind/benchmark.md). Набор оценочных тестов для Web3, принятый на KDD 2026.
* [Методы обучения](/docs/minara-handbook/ru/tekhnologii/dmind/training-methods.md). HPS, C³-SFT и то, как моделям прививают рассуждение, специфичное для Web3.

## Ресурсы

* Сайт: [dmind.ai](https://dmind.ai/)
* GitHub: [github.com/DMindAI](https://github.com/DMindAI)
* Hugging Face: [huggingface.co/DMindAI](https://huggingface.co/DMindAI)
* Статьи: [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, and the optional `goal` query parameter:

```
GET https://minara.ai/docs/minara-handbook/ru/tekhnologii/dmind.md?ask=<question>&goal=<endgoal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.

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.