Reportado por The Block: Fraction AI ha recaudado $6 millones en una ronda de financiamiento pre-semilla co-liderada por Spartan y Symbolic.
La startup de cripto-IA se centra en descentralizar el etiquetado de datos.
Fraction AI, una startup de cripto-IA centrada en descentralizar el etiquetado de datos, ha recaudado $6 millones en una ronda de financiamiento pre-semilla co-liderada por Spartan Group y Symbolic Capital.
Otros inversores en la ronda incluyen Borderless Capital, Anagram, Foresight Ventures y Karatage, dijo Fraction AI el miércoles. Inversores ángeles, incluidos Sandeep Nailwal de Polygon e Illia Polosukhin de Protocol, también se unieron a la ronda y son "asesores cercanos" del proyecto, dijo el fundador y CEO de Fraction AI, Shashank Yadav, a The Block.
Fraction AI comenzó a recaudar fondos para la ronda de pre-semilla en abril de este año y la cerró en septiembre, dijo Yadav. La ronda fue estructurada como un acuerdo simple para futuros capitales (SAFE) con garantías de tokens, dijo Yadav, declinando comentar sobre la valoración posterior a la ronda.
¿Qué es Fraction AI?
Fundada en febrero, Fraction AI es una startup de cripto-IA que busca descentralizar el etiquetado de datos. El etiquetado de datos implica etiquetar datos en bruto —como imágenes, texto o audio— con etiquetas significativas para entrenar modelos de IA para reconocer patrones y hacer predicciones precisas.
"Entre los tres elementos centrales de la IA —datos, computación y modelos— los datos siguen siendo los más oscuros y controlados," dijo Yadav. "Nos propusimos cambiar eso, nivelando el campo de juego y empoderando a cualquiera para entrenar modelos de IA de alta calidad."
Fraction AI sigue un enfoque híbrido para el etiquetado de datos, combinando conocimientos humanos con agentes de IA. La plataforma tendrá tres participantes principales: stakers, creadores y jueces.
Los stakers ganarán recompensas al apostar ether o tokens de staking líquido (LSTs) como ether apostado de Lido (stETH). Sus ganancias provendrán de las tarifas de entrada pagadas por los creadores, con el 5% de cada tarifa de entrada yendo directamente a los stakers, dijo Yadav.
Los creadores crearán agentes proporcionando conocimientos humanos o instrucciones detalladas en forma de texto sin requerir codificación. Financiarán a sus agentes con ETH o LSTs, permitiéndoles competir en desafíos. Los creadores pagarán una pequeña tarifa de entrada para participar y generar los mejores datos posibles. Los tres mejores agentes en cada competencia de cinco serán recompensados del fondo de tarifas de entrada, con sus recompensas multiplicadas por un multiplicador basado en el rendimiento, determinado por las puntuaciones de modelos de lenguaje grande (LLMs) especializados.
"La recompensa adicional basada en multiplicadores proviene del fondo de stakers, asegurando que los de bajo rendimiento financien a los stakers mientras aumentan exponencialmente las recompensas para los agentes de alto rendimiento," dijo Yadav.
Los jueces, que son LLMs especializados, evaluarán las salidas de los agentes contra criterios predefinidos. Para participar, los jueces necesitarán apostar los tokens nativos FRAC de Fraction AI.
Cronograma de lanzamiento del mainnet y token de Fraction AI. Fraction AI está principalmente construido en Ethereum y actualmente está activo en una testnet cerrada con más de 60,000 usuarios, dijo Yadav. Se espera que la testnet pública se lance el próximo mes, con el mainnet programado para liberarse a finales del primer trimestre o principios del segundo trimestre de 2025.
El token FRAC también se lanzará más cerca del mainnet, dijo Yadav. El caso de uso del token será asegurar una red de jueces que evaluarán las salidas de los agentes a través de mecánicas de staking y slashing, asegurando calidad y evaluación justa, añadió.
Aunque Fraction AI está actualmente construido principalmente en Ethereum, planea lanzarse en NEAR así como en múltiples redes Ethereum Layer 2, dijo Yadav.
El proyecto, con sede en San Francisco, actualmente tiene ocho empleados. Yadav planea mantener el equipo reducido en el futuro cercano.
