四大 AI フレームワークの横の比較：採用状況、利点と欠点、成長の可能性の全剖析

この記事は：Deep Value Memeticsからのものです

編纂｜Odaily星球日报（@OdailyChina）

翻訳者｜あずま（@azuma_eth）

要点の概要

このレポートでは、Crypto AI 分野における主要なフレームワークの発展状況を議論します。現在の四つの主要なフレームワーク（Eliza（AI16Z）、G.A.M.E（GAME）、Rig（ARC）、ZerePy（ZEREBRO））を検証し、それらの技術的な違いや発展の可能性を分析します。

過去一週間で、私たちは上記の四つのフレームワークを分析およびテストし、結論の概要は以下の通りです。

• 私たちは Eliza（市場占有率約 60%、原作者が執筆した時点での時価総額約 9 億ドル、執筆時点での時価総額約 14 億ドル）が引き続き市場シェアを主導すると考えています。Eliza の価値は、その先行優位性と開発者の加速採用にあります。Github には 193 人の貢献者、1800 のフォーク、6000 以上の星が確認されており、Github で最も人気のあるソフトウェアライブラリの一つとなっています。

• G.A.M.E（市場占有率約 20%、原作者が執筆した時点での時価総額約 3 億ドル、執筆時点での時価総額約 2.57 億ドル）は、これまでのところ非常に順調に発展しており、急速に採用が進んでいます。Virtuals Protocol が以前に発表した声明により、G.A.M.E を基盤としたプロジェクトは 200 以上、日常のリクエスト数は 15 万を超え、週ごとの成長率は 200% を超えています。G.A.M.E は VIRTUAL の急成長の恩恵を受け続け、このエコシステムの最大の勝者の一つになる可能性があります。

• Rig（市場占有率約 15%、原作者が執筆した時点での時価総額約 1.6 億ドル、執筆時点での時価総額約 2.79 億ドル）のモジュラー設計は非常に目を引き、操作しやすく、Solana エコシステム（RUST）での支配を目指しています。

• ゼレパイ（市場占有率約 5%、原作者が執筆した時点での時価総額約 3 億ドル、執筆時点での時価総額約 4.24 億ドル）は、特定の熱心な ZEREBRO コミュニティに特化したよりニッチなアプリケーションであり、最近 ai16z コミュニティとの協力が一定の相乗効果を生む可能性があります。

上記の統計では、「市場占有率」は、市場価値、開発履歴、および基盤となるオペレーティングシステムのエンドマーケットの広さを考慮して計算されています。

私たちは、AI フレームワークがこのサイクルで最も成長の早いセクターになり、現在の約 17 億ドルのセクター総時価総額が簡単に 200 億ドルに成長することを信じています。2021年のピーク時のレイヤー1の評価と比較して、この数字は依然として比較的控えめであり、その時、多くの単一プロジェクトの評価が 200 億ドル以上に達しました。上記のフレームワークは異なるエンドマーケット（チェーン/エコシステム）にサービスを提供していますが、このセクター全体が成長すると考えているため、市場価値加重アプローチを採用することが比較的慎重である可能性があります。

四つのフレームワーク

AI と Crypto の交差点で、AI 開発を加速することを目的としたいくつかのフレームワークが登場しており、Eliza（AI16Z）、G.A.M.E（GAME）、Rig（ARC）、ゼレパイ（ZEREBRO）が含まれます。オープンソースコミュニティプロジェクトから性能重視の企業ソリューションまで、各フレームワークはエージェント開発の異なるニーズと理念に応じています。

下の表には、各フレームワークの重要な技術、コンポーネント、および利点が示されています。

このレポートでは、これらのフレームワークが何であるか、それらが使用するプログラミング言語、技術アーキテクチャ、アルゴリズム、潜在的なユースケースを持つ独自の機能に焦点を当てます。その後、使いやすさ、スケーラビリティ、適応性、パフォーマンスに基づいて各フレームワークを比較し、それらの利点と限界について議論します。

Eliza

Eliza は ai16z によって開発されたオープンソースのマルチエージェントシミュレーションフレームワークで、自律エージェントを作成、展開、管理することを目的としています。プログラミング言語として TypeScript を使用して開発されており、これらのエージェントは複数のプラットフォームで人間と対話しながら、一貫した個性と知識を保持します。

このフレームワークのコア機能には、複数の独自の AI 個性を同時に展開および管理できるマルチエージェントアーキテクチャのサポート、役割ファイルフレームワークを使用して多様なエージェントの役割システムを作成する機能、先進的な情報検索強化生成システム（RAG）を通じて提供される長期記憶と知覚可能なコンテキストのメモリ管理機能が含まれます。さらに、Eliza フレームワークは、Discord、X、その他のソーシャルメディアプラットフォームとの信頼できる接続を実現するためのスムーズなプラットフォーム統合を提供します。

AI エージェントの通信とメディア機能に関して、Eliza は非常に優れた選択肢です。通信面では、このフレームワークは Discord の音声チャンネル機能、X 機能、Telegram、およびカスタムユースケースのための直接 API アクセスとの統合をサポートしています。一方、このフレームワークのメディア処理機能は、PDF 文書の読み取りと分析、リンクコンテンツの抽出と要約、音声の文字起こし、ビデオコンテンツの処理、画像分析、対話要約に拡張されており、さまざまなメディアの入力と出力を効果的に処理できます。

Eliza は柔軟な AI モデルサポートを提供しており、オープンソースモデルを使用してローカル推論を行い、OpenAI および Nous Hermes Llama 3.1 B などのデフォルト構成を使用してクラウドベースの推論を行い、複雑なクエリを処理するために Claude の統合をサポートしています。Eliza はモジュラーアーキテクチャを採用しており、広範なアクションシステム、カスタムクライアントサポート、全面的な API を備えており、アプリケーション間のスケーラビリティと適応性を確保しています。

Eliza のユースケースは、顧客サポート、コミュニティ管理、個人的なタスクに関連する AI アシスタントなど、複数の分野にわたっています。また、自動コンテンツ作成者、ブランド代表などのソーシャルメディア役割、研究アシスタント、コンテンツアナリスト、文書処理者などの知識労働者の役割、ロールプレイングボット、教育メンター、エージェント役などのインタラクティブな役割を果たすこともできます。

Eliza のアーキテクチャはエージェントランタイム（agent runtime）を中心に構築されており、このランタイムは役割システム（モデルプロバイダーによってサポートされる）、メモリマネージャー（データベースに接続）、およびアクションシステム（プラットフォームクライアントにリンク）とシームレスに統合されています。このフレームワークの独自の機能には、モジュール化機能拡張を許可するプラグインシステム、音声、テキスト、メディアなどのマルチモーダルインタラクションをサポートする機能、Llama、GPT-4、および Claude などの主要な AI モデルとの互換性が含まれています。その多機能性と強力な設計により、Eliza は分野を超えた AI アプリケーションの開発において強力なツールとなっています。

G.A.M.E

G.A.M.E は Virtuals の公式チームによって開発され、正式名称は「生成的自律多モーダルエンティティフレームワーク（The Generative Autonomous Multimodal Entities Framework）」です。このフレームワークは、開発者が AI エージェントを使用して実験するための API（アプリケーションプログラミングインターフェース）および SDK（ソフトウェア開発キット）を提供することを目的としています。このフレームワークは、AI エージェントの行動、意思決定、学習プロセスを管理するための構造化されたアプローチを提供します。

• G.A.M.E のコアコンポーネントは以下の通りです。まず、「エージェントプロンプトインターフェース」は、開発者が G.A.M.E をエージェントに統合してエージェントの行動を得るための入り口です。

• 「知覚サブシステム」は、セッション ID、エージェント ID、ユーザー、その他の関連する詳細などのパラメータを指定してセッションを開始します。これにより、受信メッセージが「戦略計画エンジン」に適した形式に合成され、AI エージェントの感覚入力メカニズムとして機能します。これは対話または反応の形式で行われます。ここでのコアは「対話処理モジュール」で、エージェントからのメッセージと応答を処理し、「知覚サブシステム」と協力して入力を効果的に解釈し、応答します。

• 「戦略計画エンジン」は「対話処理モジュール」と「チェーン上のウォレットオペレーター」と協力して、応答と計画を生成します。このエンジンは、2 つのレベルで機能します。高レベルの計画者として、文脈や目標に基づいて広範な戦略を作成します。低レベルの戦略として、これらの戦略を実行可能な政策に変換し、さらにアクションプランナー（タスクを指定するため）とプラン実行者（タスクを実行するため）に細分化します。

• 別のが重要なコンポーネントは「世界の文脈」で、環境、世界情報、ゲーム状態を指し、エージェントの意思決定に必要なコンテキストを提供します。さらに、「エージェントライブラリ」は、目標、反省、経験、個性などの長期的な属性を保存し、これらがエージェントの行動と意思決定プロセスを形作ります。このフレームワークは「短期作業記憶」と「長期記憶プロセッサ」を使用しています。短期記憶は、以前の行動、結果、および現在の計画に関する関連情報を保持します。対照的に、長期記憶プロセッサは、重要性、最近性、関連性などの基準に基づいて重要な情報を抽出します。このメモリは、エージェントの経験、反省、動的な個性、世界の文脈、および作業メモリに関する知識を格納し、意思決定を強化し、学習の基盤を提供します。

• レイアウトを増やすために、「学習モジュール」は「知覚サブシステム」からデータを取得して一般的な知識を生成します。この知識は、将来のインタラクションを最適化するためにシステムにフィードバックされます。開発者はインターフェースを通じて、行動、ゲーム状態、感覚データに対するフィードバックを入力し、AI エージェントの学習を強化し、計画と意思決定能力を向上させます。

ワークフローは、開発者がエージェントプロンプトインターフェースを通じてインタラクションを開始することから始まります。「知覚サブシステム」は入力を処理し、「対話処理モジュール」に転送し、このモジュールがインタラクションのロジックを管理します。次に、「戦略計画エンジン」はこれらの情報に基づいて、高度な戦略と詳細な行動計画を利用して計画を策定および実行します。

「世界の文脈」と「エージェントライブラリ」からのデータがこれらのプロセスに情報を提供し、作業メモリが即時タスクを追跡します。同時に、「長期記憶プロセッサ」は時間とともに知識を保存し、取得します。「学習モジュール」は結果を分析し、新しい知識をシステムに統合して、エージェントの行動とインタラクションを継続的に改善します。

Rig

Rig は Rust に基づくオープンソースフレームワークであり、大型言語モデル（LLM）アプリケーションの開発を簡素化することを目的としています。複数の LLM プロバイダー（OpenAI や Anthropic など）とのインタラクションに使用するための統一インターフェースを提供し、MongoDB や Neo 4 j などのさまざまなベクトルストレージをサポートします。このフレームワークのモジュラーアーキテクチャは、「プロバイダー抽象化レイヤー」、「ベクトルストレージ統合」、「エージェントシステム」などのコアコンポーネントを持ち、LLM のシームレスな相互作用を促進します。

Rig の主要なオーディエンスは、Rust を使用して AI/ML アプリケーションを構築する開発者であり、副次的なオーディエンスは、Rust アプリケーションに複数の LLM プロバイダーとベクトルストレージを統合しようとする組織です。リポジトリは作業スペースベースの構造で整理されており、複数のクレートを含み、スケーラビリティと効率的なプロジェクト管理を実現しています。Rig の主な機能には「プロバイダー抽象化レイヤー」が含まれ、このレイヤーは一貫したエラーハンドリングを通じて LLM プロバイダーの API を標準化します。「ベクトルストレージ統合」コンポーネントは、複数のバックエンドに対して抽象インターフェースを提供し、ベクトル類似性検索をサポートします。「エージェントシステム」は LLM インタラクションを簡素化し、情報検索強化生成（RAG）やツール統合をサポートします。さらに、埋め込みフレームワークはバッチ処理機能と型安全な埋め込み操作を提供します。

Rig は複数の技術的利点を活用して信頼性と性能を確保します。非同期操作は Rust の非同期ランタイムを利用して、大量の同時リクエストを効率的に処理します。このフレームワークに固有のエラーハンドリングメカニズムは、AI プロバイダーやデータベース操作の障害からの回復能力を向上させます。型安全性は、コンパイル時のエラーを防ぎ、コードの保守性を向上させます。効率的なシリアル化とデシリアル化プロセスは、JSON などの形式のデータを処理するのに役立ち、AI サービスの通信とストレージにとって重要です。詳細なログ記録とダッシュボードは、アプリケーションのデバッグと監視をさらに支援します。

Rig のワークフローは、クライアントがリクエストを開始することから始まり、リクエストは「プロバイダー抽象化レイヤー」を通過して、対応する LLM モデルに対話します。次に、データがコア層で処理され、エージェントはコア層内でツールを使用したり、コンテキストを取得するためにベクトルストレージにアクセスしたりできます。RAG などの複雑なワークフローを通じて応答を生成および洗練し、文書検索とコンテキスト理解を含み、次にクライアントに返されます。このシステムは複数の LLM プロバイダーとベクトルストレージを統合しており、モデルの可用性やパフォーマンスの変化に適応します。

Rig のユースケースは多岐にわたり、正確な返信を提供するために関連文書を検索する質問応答システム、高効率のコンテンツ発見のための文書検索と取得、顧客サービスや教育のためにコンテキストを意識したインタラクションを提供するチャットボットやバーチャルアシスタントを含みます。また、コンテンツ生成をサポートしており、学んだパターンに基づいてテキストやその他の資料を作成でき、開発者や組織にとって多機能なツールです。

ゼレパイ

ゼレパイは Python で書かれたオープンソースフレームワークで、OpenAI または Anthropic LLM を利用して X にエージェントを展開することを目的としています。ゼレパイはモジュラー版の Zerebro バックエンドに由来し、開発者が Zerebro のコア機能に類似した機能を使用してエージェントを起動できるようにします。このフレームワークはエージェントの展開に基盤を提供しますが、創造的な成果を生み出すためにはモデルの微調整が必要です。ゼレパイは、特にソーシャルプラットフォームでのコンテンツ制作に適しており、アートや分散型アプリケーションを目指す AI 創造的エコシステムを促進します。

このフレームワークは Python 言語で構築されており、エージェントの自主性を強調し、創造的な成果の生成に注目し、Eliza のアーキテクチャとパートナーシップに一致しています。モジュラー設計はメモリシステムの統合をサポートし、ソーシャルプラットフォームにエージェントを展開するのが容易です。主な機能には、エージェント管理のためのコマンドラインインターフェース、X との統合、OpenAI および Anthropic LLM のサポート、拡張機能のためのモジュラー接続システムが含まれます。

ゼレパイのユースケースはソーシャルメディアの自動化を含み、ユーザーは AI エージェントを展開して投稿、返信、いいね、リツイートを行い、プラットフォームの参加を向上させます。さらに、音楽、メモ、NFT などの分野でのコンテンツ制作にも適しており、デジタルアートやブロックチェーンベースのコンテンツプラットフォームにとって重要なツールです。

横の比較

私たちの見解では、上記の各フレームワークは AI 開発に独自のアプローチを提供し、特定のニーズと環境に応じており、これにより議論はこれらのフレームワークが互いに競合するかどうかに限定されず、各フレームワークが独自の効用と価値を提供できるかどうかに集中しています。

• Eliza はそのユーザーフレンドリーなインターフェースで際立っており、特に JavaScript と Node.js 環境に精通した開発者に適しています。広範なドキュメントは、さまざまなプラットフォームで AI エージェントを設定するのに役立ちますが、豊富な機能セットは適度な学習曲線を示す可能性があります。しかし、TypeScript が使用されているため、Eliza はネットワークに埋め込むエージェントの構築に非常に適しています。ほとんどのフロントエンドネットワークインフラストラクチャは TypeScript で構築されています。このフレームワークは、そのマルチエージェントアーキテクチャで知られており、Discord、X、Telegram などのプラットフォームに多様な AI 個性を展開できます。先進的な RAG システムはメモリ管理に使用され、顧客サポートやソーシャルメディアアプリケーションタイプの AI アシスタントの構築に特に適しています。柔軟性、強力なコミュニティサポート、一貫したクロスプラットフォームパフォーマンスを提供していますが、まだ初期段階にあり、開発者に学習曲線をもたらす可能性があります。

• G.A.M.E はゲーム開発者向けに設計されており、API を通じて低コードまたは無コードのインターフェースを提供し、ゲーム分野内で技術レベルが低いユーザーがアクセスしやすくしています。ただし、ゲーム開発とブロックチェーンの統合に特化しているため、関連経験のない人にとっては学習曲線が急になる可能性があります。プログラムによるコンテンツ生成や NPC の行動において優れたパフォーマンスを示しますが、特定の細分化された分野やブロックチェーン統合時の追加の複雑性に制約されることもあります。

• Rig は Rust 言語を使用しているため、ユーザーにとってはあまりフレンドリーではない可能性があり、学習に大きな挑戦をもたらしますが、システムプログラミングに精通している人には直感的なインタラクションを提供できます。TypeScript と比較して、Rust 自体はそのパフォーマンスとメモリの安全性で知られています。厳格なコンパイル時チェックとゼロコスト抽象は、複雑な AI アルゴリズムを実行するために必要です。この言語の効率性と低制御の特性は、リソース集約型 AI アプリケーションに理想的な選択肢となっています。このフレームワークはモジュラーおよびスケーラブルな設計を採用しており、高性能ソリューションを提供し、企業アプリケーションに非常に適しています。ただし、Rust 言語に不慣れな開発者にとっては、Rust を使うことが急な学習曲線をもたらす可能性があります。

• ゼレパイは Python 言語を使用しており、創造的な AI タスクに対してより高い有用性を提供します。Python 開発者、特に AI/ML 背景を持つ開発者にとっては、学習曲線が低く、ZEREBRO の人気により強力なコミュニティサポートを受けることができます。ゼレパイは NFT などの創造的な AI アプリケーションにおいて優れたパフォーマンスを示しており、このフレームワークはデジタルメディアやアート分野の強力なツールとして位置づけています。創造性において卓越した性能を持っていますが、他のフレームワークと比較すると、その適用範囲は比較的狭いです。

スケーラビリティの面で、四つのフレームワークの比較は以下の通りです。

• Eliza の V2 バージョンアップデート後、統一メッセージラインと拡張可能なコアフレームワークを導入し、クロスプラットフォームでの効率的な管理が実現されました。しかし、最適化が行われない場合、このマルチプラットフォームインタラクションの管理はスケーラビリティの課題をもたらす可能性があります。

• G.A.M.E はゲームに必要なリアルタイム処理を得意とし、そのスケーラビリティは効率的なアルゴリズムと潜在的なブロックチェーン分散システムによって管理されますが、特定のゲームエンジンやブロックチェーンネットワークの制約に影響される可能性があります。

• Rig フレームワークは Rust のパフォーマンスの利点を活用してより良いスケーラビリティを実現しており、高スループットアプリケーション向けに設計されています。これは企業レベルの展開に特に効果的ですが、真のスケーラビリティを達成するには複雑な設定が必要になる可能性があります。

• ゼレパイのスケーラビリティは創造的な成果に焦点を当てており、コミュニティの貢献に支えられていますが、このフレームワークの焦点が広いAI環境での応用を制限する可能性があり、そのスケーラビリティはユーザーベースではなく創造的なタスクの多様性によって試されるかもしれません。

適用性の面で、Eliza はそのプラグインシステムとクロスプラットフォーム互換性によって遥かに前を行っており、次にゲーム環境の G.A.M.E と複雑な AI タスクを処理する Rig があります。ゼレパイは創造的な分野で非常に高い適応性を示していますが、より広範な AI アプリケーション分野ではあまり適用されません。

パフォーマンスの面で、四つのフレームワークのテスト結果は以下の通りです。

• Eliza はソーシャルメディアの迅速なインタラクションに最適化されていますが、より複雑な計算タスクを処理する際のパフォーマンスは異なる場合があります。

• G.A.M.E はゲームシーンにおける高性能リアルタイムインタラクションに特化しており、高効率の意思決定プロセスや潜在的なブロックチェーンを利用して分散型 AI 操作を行います。

• Rig は Rust を基盤とし、高性能計算タスクに対して優れたパフォーマンスを提供し、計算効率が重要な企業アプリケーションに適しています。

• ゼレパイのパフォーマンスは創造的なコンテンツの作成に特化しており、その指標はコンテンツ生成の効率と質に焦点を当てており、創造的な分野以外ではあまり一般的ではない可能性があります。

上述の長所と短所を総合的に分析すると、Eliza はより良い柔軟性とスケーラビリティを提供し、プラグインシステムと役割設定により非常に強い適応性を持ち、クロスプラットフォームのソーシャル AI インタラクションに役立ちます。G.A.M.E はゲームシーンで独特のリアルタイムインタラクション能力を提供し、ブロックチェーン統合を通じて新しい AI 参加を実現します。Rig の利点はそのパフォーマンスとスケーラビリティであり、企業レベルの AI タスクに適しており、コードの簡潔さとモジュラー性に重点を置いて、プロジェクトの長期的な健康的成長を保証します。ゼレパイは創造性を育むのが得意で、デジタルアートの AI アプリケーションにおいて先駆的な地位を持ち、活気あるコミュニティ主導の開発モデルの支援を受けています。

要するに、各フレームワークにはそれぞれの限界があります。Eliza はまだ初期段階にあり、潜在的な安定性の問題があり、新しい開発者の学習曲線が長いです。G.A.M.E のニッチな関心は、より広範な応用を制限する可能性があり、ブロックチェーンの導入は複雑さを増すことになります。Rig の学習曲線は Rust 言語の複雑さによりより急峻であり、一部の開発者が手を引く可能性があります。ゼレパイの創造的な成果に対する狭い焦点は、他の人工知能分野での応用を制限する可能性があります。

コア比較項目の整理

Rig（ARC）

• 言語： Rust、セキュリティとパフォーマンスを重視。

• ユースケース： 効率とスケーラビリティに重点を置き、企業レベルの AI アプリケーションに最適な選択肢です。

• コミュニティ： コミュニティ駆動が少なく、技術開発者に重点を置いています。

Eliza (AI16Z)

• 言語：TypeScript、Web3 の柔軟性とコミュニティ参加を強調。

• ユースケース： ソーシャルインタラクション、DAO、およびトランザクション専用に設計されており、特にマルチエージェントシステムを強調しています。

• コミュニティ： 高度にコミュニティ駆動型で、GitHub との広範な関係があります。

ゼレパイ (ZEREBRO)：

• 言語：Python、より広範な AI 開発者グループに受け入れられやすい。

• ユースケース：ソーシャルメディアの自動化と比較的単純な AI エージェントタスクに適しています。

• コミュニティ： 比較的新しいですが、Python の普及と ai16z の貢献者のサポートにより、成長が期待されています。

G.A.M.E（VIRTUAL、GMAE）：

• 重点： 自律的で適応的な AI エージェントが、仮想環境でのインタラクションに基づいて進化します。

• ユースケース： エージェントが学習し、適応する必要があるシーンに最適です。ゲームや仮想世界など。

• コミュニティ： 革新性がありながら、競争の中で自らの位置を確立しようとしています。

Github データの成長状況

上記のグラフは、これらのフレームワークが発表されて以来、GitHub での星数の変化を示しています。一般に、GitHub の星はコミュニティの関心、プロジェクトの人気、プロジェクトの認知価値の指標として利用されます。

• Eliza（赤線）：グラフは、このフレームワークの星の数が著しく増加し、トレンドが安定していることを示しています。7月の低基準から始まり、11月下旬に急増し、現在は6100個の星に達しています。これは、このフレームワークに対する関心が急速に高まり、開発者の注目を集めていることを示しています。指数関数的な成長は、Eliza がその機能、更新、コミュニティの参加によって巨大な魅力を得ていることを示しており、その人気は他の製品を大きく上回っており、コミュニティの強力なサポートを受けていることが示されています。

• Rig（青線）：Rig は四つのフレームワークの中で最も歴史があり、星の成長は大きくはありませんが安定しています。最近1ヶ月は明らかに上昇しています。星の合計は1700個に達しましたが、依然として上昇軌道にあります。関心の安定した蓄積は、継続的な開発、更新、ユーザー層の増加によるものです。これは、Rig がまだ評判を積み上げているフレームワークであることを反映している可能性があります。

• ゼレパイ（黄線）：ゼレパイは数日前にスタートしたばかりで、星の数は181に増加しました。強調すべきは、ゼレパイはその可視性と採用率を向上させるためにさらなる開発が必要であり、ai16z との協力がそのコードベースに多くの貢献者を引き付ける可能性があるということです。

• G.A.M.E（緑線）：このフレームワークの星の数は少ないですが、このフレームワークは API を通じて Virtual エコシステム内のエージェントに直接適用できることは注目に値します。そのため、Github に公開する必要はありません。ただし、このフレームワークは1ヶ月以上前に公開されたばかりですが、現在200以上のプロジェクトが G.A.M.E を使用して構築されています。

AI フレームワークのアップグレードの期待

Eliza の 2.0 バージョンには Coinbase エージェントツールキットとの統合が含まれます。Eliza を使用するすべてのプロジェクトは、将来のネイティブ TEE（信頼実行環境）へのサポートを受け、エージェントは安全な環境で実行できるようになります。プラグイン登録センターは Eliza が間もなく導入する機能で、開発者がプラグインをシームレスに登録および統合できるようにします。

さらに、Eliza 2.0 は自動化された匿名クロスプラットフォームメッセージングをサポートします。2025 年 1 月 1 日にリリースされる予定の Tokenomics ホワイトペーパー（関連提案が公開されています）は、Eliza フレームワークを支える AI16Z トークンにポジティブな影響を与えると予想されています。ai16z はこのフレームワークの実用性を強化し、主要な貢献者の努力を活用して高品質の人材を引き入れることを計画しています。

G.A.M.E フレームワークはエージェントに無コード統合を提供し、単一プロジェクト内で G.A.M.E と Eliza を同時に使用できるようにします。それぞれが特定のユースケースにサービスを提供します。このアプローチは、ビジネスロジックに焦点を当て、技術的な複雑さを避けようとする構築者を引き付けると予想されます。このフレームワークは公開されてから30日以上経過していますが、チームがより多くの貢献者を引き付ける努力の下で、実質的な進展を遂げています。VirtualI 上で開始される各プロジェクトは G.A.M.E を採用すると予想されます。

ARC トークンによって駆動される Rig フレームワークには顕著な潜在能力があり、そのフレームワークの成長は初期段階にあります。Rig の採用を促進するプロジェクト契約の計画も数日前に立ち上げられました。ただし、近く ARC と組み合わされた高品質のプロジェクトが登場する見込みであり、Virtual フライホイールに似た形で Solana に焦点を当てています。Rig チームは Solana との協力に楽観的であり、ARC を Solana の Virtual と位置づけています。チームは Rig を使用して立ち上げられる新プロジェクトを奨励するだけでなく、Rig フレームワークそのものを強化する開発者にもインセンティブを提供しています。

ゼレパイは新たに登場したフレームワークで、ai16z（Eliza フレームワーク）との協力により大きな注目を集めています。このフレームワークは Eliza からの貢献者を引きつけており、彼らはこのフレームワークの改善に積極的に取り組んでいます。ゼレパイは ZEREBRO コミュニティによる熱心な支援を享受しており、以前は競争の激しい AI インフラストラクチャ分野で発揮する機会がなかった Python 開発者に新しい機会を開いています。このフレームワークは、AI の創造的な側面で重要な役割を果たすと期待されています。