> 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, датасеты и инструменты для Web3 и цифровых финансов. Модели DMind отвечают за финансово-специфичные части Minara: разбор ончейн-данных, рассуждения о DeFi-протоколах, оценку рисков в транзакциях и генерацию рыночных исследований. Эти модели используются вместе с моделями общего назначения, такими как Claude и GPT, которые выполняют задачи, выходящие за рамки финансов.

## Почему модель, нативная для предметной области

У универсальных LLM есть четыре структурных недостатка в Web3.

Контент Web3 слабо представлен в их обучающих данных, поэтому они часто выдают правдоподобные, но неверные ответы о конкретных протоколах, механике смарт-контрактов или токеномике. Инференс только в облаке заставляет 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 сетевые обращения к API слишком медленны для сценариев, чувствительных ко времени, таких как ликвидации или защита от MEV.

DMind создает модели, закрывающие эти пробелы, при этом веса и обучающие данные публикуются открыто, чтобы любой мог их проверить.

## Что поставляет DMind

DMind выпустила семь open-source моделей в трех поколениях — от on-device модели безопасности с 270 млн параметров до облачной модели рассуждений с 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 Web3-приложения.

## Как DMind обеспечивает работу Minara

Minara распределяет задачи между моделями DMind в зависимости от требований каждой задачи.

Проверки безопасности в момент транзакции выполняются на небольшой on-device модели (DMind-3-Nano), поэтому они работают без сетевого обращения. Анализ стратегий и приватные исследования выполняются локальной моделью 4B (DMind-3-Mini), которая рассуждает о конкретных активах пользователя, не отправляя их в облако. Рыночные исследования, межсетевой анализ и развернутые отчеты выполняются облачной моделью Oracle с 21 млрд параметров, 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 и где выполняется, и почему.

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

## Читайте далее

* [Суверенная архитектура](/docs/minara-handbook/ru/tekhnologii/dmind/sovereign-architecture.md). Дизайн Edge-Local-Cloud, лежащий в основе DMind-3, и то, что он означает для приватности.
* [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 для оценки Web3, принятый на KDD 2026.
* [Методы обучения](/docs/minara-handbook/ru/tekhnologii/dmind/training-methods.md). HPS, C³-SFT и то, как моделям прививают рассуждения, специфичные 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:

```
GET https://minara.ai/docs/minara-handbook/ru/tekhnologii/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.