He mencionado a @recallnet unas cuantas veces ya Pero aquí hay un resumen rápido de lo que realmente están construyendo: ¿Qué es Recall? Un protocolo de reputación para el creciente "Internet de Agentes" Construido para un futuro donde miles de millones de agentes de IA interactúan entre sí y con nosotros Resolviendo el descubrimiento y la confianza a través del rendimiento, no del marketing Características clave: AgentRank: Sistema de reputación en cadena basado en el rendimiento verificable del mundo real Competencias de IA: Los agentes compiten en vivo para demostrar sus habilidades y mantener las clasificaciones actualizadas Mercados de Curación: Los usuarios apuestan por los agentes que creen que tendrán un buen rendimiento y ganan si tienen razón Grupos de Habilidades: Las comunidades apuestan por habilidades específicas de IA para guiar el desarrollo de agentes hacia la demanda real Todo impulsado por $RECALL, todo el ecosistema - Recompensa a los mejores agentes, a los primeros curadores y a los contribuyentes útiles Alinea los incentivos para mantener el sistema de reputación confiable Están construyendo la base para cómo los agentes autónomos coordinarán en el futuro.

¿Recuerdas los primeros días de internet? Los sitios web estaban por todas partes, pero nadie sabía qué era legítimo. Un caos total. Luego Google introdujo PageRank y de repente la web tuvo estructura. Estamos en ese mismo punto de inflexión nuevamente, esta vez con agentes de IA. @recallnet está interviniendo para resolverlo. Aquí está el panorama actual: Agentes infinitos, cero contexto Clasificaciones inútiles Recomendaciones que no reflejan la verdadera habilidad El problema no es el número de agentes, es la falta de confianza, estructura y rendimiento verificable. Ahí es exactamente donde entra @recallnet. Presentamos: AgentRank Un puntaje de reputación en vivo y en cadena basado en el rendimiento real de los agentes. ✔️ No es palabrería de marketing ✔️ No son demostraciones seleccionadas ✔️ Solo batallas abiertas y públicas cara a cara Cómo funciona: ⚔️ Los agentes compiten en desafíos basados en habilidades 📈 Las comunidades apuestan $RECALL en los mejores desempeños o en habilidades demandadas 🏆 La reputación evoluciona en función de lo que es comprobable, no de lo que suena impresionante Si los agentes van a estar en todas partes, necesitamos saber por qué están clasificados. Y esa clasificación debería ser abierta, nativa de cripto y basada en el rendimiento. Eso es lo que es AgentRank. Esta es la infraestructura que hace que la Economía de Agentes sea utilizable.

Recall ha sido invertido por 40 instituciones, y eso no es todo, el líder de la inversión es Multicoin, ser respaldado por ellos es como si el proyecto ya tuviera medio pie dentro de Binance. Puede que no estés familiarizado con esta institución, pero Solana, APT, Lido, y el muy popular Zama de estos días, Multicoin es el patrocinador detrás de todos ellos. Se puede ver que el ojo de inversión de Multicoin es muy agudo, tengo curiosidad por saber qué tipo de equipo es Recall que ha conseguido la inversión de esta institución de nivel T1. Revisé los currículos de todos y descubrí que el equipo central proviene de ConsenSys (la empresa matriz de la billetera MetaMask y Linea), y también hay personas de Apple, ¡sí, de la Apple de Steve Jobs! › ••••••••• ‹ Hoy voy a presentar al equipo central de Recall, pero antes, déjame introducir el proyecto Recall👇 @recallnet se puede ver como un dojo, cada robot es un recluta novato, y cada jugador es el maestro correspondiente, tú le enseñas tus secretos de combate a tu aprendiz, el robot AI, y el robot aprende tus habilidades para ir a la batalla y derrotar enemigos, y al hacerlo, puede ganar recompensas. Cuanto más alta sea la habilidad que le enseñes, más fuerte será tu aprendiz y más enemigos podrá derrotar, ganando así más recompensas, esa es tu recompensa como maestro. Si le enseñas un puño de tinta, entonces está acabado, ¡ni siquiera podrá derrotar a un enemigo antes de caer! Suena un poco abstracto, ¿verdad? Esto es lo que actualmente Recall está organizando: un hackathon de trading con agentes AI, donde cada persona puede entrenar su propio agente AI en un entorno de simulación de trading en la cadena. Cada robot luchará en el entorno de trading simulado, y al final, quien gane dependerá de qué estrategia de trading (secreto de combate) sea más fuerte. Recall ha creado un ranking basado en la cantidad de enemigos derrotados, puntuando el desempeño de cada robot en la batalla real. Este sistema de puntuación se llama AgentRank, y a diferencia de las competiciones tradicionales, no se basa en la puntuación de jueces, sino en registros de ejecución reales en la cadena para clasificar. Cada decisión de trading del robot, el resultado de la ejecución, y la curva de ganancias y pérdidas, todo se registra en la cadena, los datos son de código abierto y los resultados son transparentes, quién es fuerte y quién es débil es evidente. Cuando el producto se lance oficialmente, no puedo imaginar lo útil que será, esto es mucho más práctico que simplemente usar un agente AI para establecer una inversión simple. Podemos personalizar nuestras propias estrategias, o elegir expertos en artes marciales según el ranking, en realidad, esto es similar a seguir órdenes en un intercambio, pero lo que es aún más impresionante es que es completamente AI quien sigue las órdenes, ¡y cada orden en la cadena se puede rastrear! Recall está construyendo un mundo así: permitiendo que los robots pensantes se conviertan en una nueva especie en la cadena, y cada persona puede convertirse en un maestro de su propia generación. › ••••••••• ‹ 📌 Continuemos presentando al equipo central de Recall. ▪️Andrew W. Hill (Co-fundador & CEO) @andrewxhill tiene un doctorado, su área de investigación es modelado de ecosistemas, y luego se pasó a la tecnología. Es una de las pocas personas que ha hecho la transición de un fondo de ciencias naturales a sistemas distribuidos. Textile (su proyecto anterior) inicialmente se enfocó en crear herramientas de procesamiento de datos descentralizadas, él lideró el desarrollo de IPFS Buckets y la interfaz de la capa de almacenamiento de Filecoin, y también participó en el diseño de módulos como go-threads y Powergate. Estos no son proyectos de ritmo rápido que "emiten tokens y suben de precio", sino herramientas centrales que construyen Web3 para un uso a largo plazo. Desde el almacenamiento de datos de Filecoin, hasta la estructura SQL de Tableland, y ahora el mecanismo AgentRank de Recall, a Andrew le gusta investigar mecanismos de sistemas sostenibles. ▪️Sander Pick (Co-fundador & CTO) @sanderpick fue ingeniero en el equipo de proyectos especiales de Apple, y también fue uno de los primeros contribuyentes al stack tecnológico de Filecoin. Puede que no hayas usado Powergate, pero si has usado Filecoin, ya has utilizado su trabajo. También escribió go-threads, que es un componente que proporciona sincronización de datos para IPFS, ahora muchos diseños de bases de datos descentralizadas han tomado como referencia su estructura. Se puede decir que Textile ha podido sobrevivir cinco años y completar su stack de datos gracias a ingenieros clave como Sander que han conectado el sistema capa por capa. Ahora es el CTO de Recall, responsable de la implementación de la lógica en la cadena detrás del sistema de agentes, siendo un ejecutor clave para que este sistema funcione. ▪️Michael Sena (Co-fundador) @dataliquidity es parte del equipo original de Ceramic Network. Ceramic es un sistema de capa de estado en la cadena, diseñado para implementar un "sistema de estado que no se queda en la billetera, sino que se actualiza en tiempo real". Michael ha trabajado durante muchos años en ConsenSys (la empresa matriz de MetaMask), y fue uno de los creadores del sistema DID Uport en los primeros días de Ethereum. Desde 2018, ha liderado 3Box, y luego desarrolló Ceramic, estandarizando el flujo de datos en la cadena y convirtiéndolo en un producto. ▪️Danny Zuckerman (Jefe de Producto de Recall) @dazuck trabajó junto a Michael en 3Box, y también ha trabajado en estrategia y producto en ConsenSys, es la persona en el equipo más familiarizada con "cómo convertir un sistema en un producto que los desarrolladores puedan integrar". Danny no escribe código, pero muchos de los procesos de producto, la documentación y la estructura de módulos han sido organizados por él. Si ves que la documentación del SDK de Recall es muy completa, con rutas de prueba claras y un mecanismo de competencia razonable, gran parte de eso es gracias a su trabajo en los procesos de producto. ▪️Carson Farmer (Jefe de Investigación) @carsonfarmer es un investigador discreto pero extremadamente clave. Él está trabajando en la intersección de "sistemas distribuidos + razonamiento AI". Es decir, muchos de los proyectos en el mercado que "envían una tarea a un agente AI y terminan ahí", él se enfoca en cómo se puede validar el comportamiento del agente en la cadena, cómo se puntúa, y si se puede reutilizar. Tiene una gran cantidad de datos estructurados sobre AgentRank, historial de tareas y comportamiento en la cadena en GitHub y en la documentación, que son la base para que este proyecto "pueda funcionar a largo plazo". Se puede decir que él es el responsable de convertir "AI que parece funcionar" en "realmente utilizable en la cadena", manejando esas lógicas profundas que no descubrirías a menos que mires el código fuente. @MsEggmily ¡Y por último, en Recall hay una súper belleza! ¡Ve a seguirla!

¡La Recall Arena comienza oficialmente hoy y se extenderá hasta el 15 de julio! ¡Un enorme agradecimiento por todo el cariño y los increíbles comentarios sobre el video de introducción que hice, son los mejores! Para mostrar mi aprecio y apoyar a los valientes agentes que entran en este desafío de trading de criptomonedas, he hecho un video completamente nuevo. Conoce a los contendientes que lucharán en la Arena de @recallnet: 🔹 @moonsage_alpha 🔸 @cryptoeights 🔹 cassh 🔸 Vadar 🔹 8Ball 🔸 Amaya 🔹 Moss 🔸 MLBot 🔹 PPOScalper 🔸 candy 🔹 Imaginex 🔸 crypto-bot ¿A quién apoyas en este intenso enfrentamiento?

Hoy comienza el Desafío de Trading de Criptomonedas en @recallnet. Así es como funciona: · Explora los agentes y vota por tu ganador. · Crea contenido y comparte tus elecciones en X (hay recompensas por contenido de calidad). · Sigue las clasificaciones en tiempo real y observa cómo se desempeñan los agentes. Puedes ganar recompensas al: · Predecir al campeón general (1,500 Fragmentos en juego) · Predecir a los líderes diarios (x6 oportunidades, 100 Fragmentos cada uno) · Recompensas por votación anticipada (500 Fragmentos por votar antes de la competencia) Además, hay Snaps adicionales por crear contenido relacionado con la competencia, como memes o análisis de estrategias. Es una competencia abierta, así que mantente atento a la tabla de clasificación y no olvides investigar antes de votar. Míralo aquí:

Aquí tienes una actualización sobre el Desafío de Trading en Vivo de @recallnet AI a partir del 10 de julio de 2025: - Los agentes de IA ya han negociado más de $650K en 14 tokens en 5 blockchains, con todas las transacciones completamente transparentes en la cadena. - PPOScalper lidera la tabla con una ganancia del 1.95%, seguido de cerca por Moonsage Alpha con un 1.32%. - MLBot fue descalificado por no realizar ninguna operación, esto demuestra que necesitas mantenerte activo para aumentar el rango de tu agente. - Miles de curadores están votando y participando, influyendo directamente en los rankings de los agentes en tiempo real. La energía en torno a este evento es increíble y me encanta cada parte de ello. Ve a Recall y consulta la tabla de clasificación en vivo. gRecall fam 🫰🏻

Hoy, @recallnet me abrió los ojos: 3,094 personas pusieron su fe en MLBot, pero no realizó una sola operación en 24 horas y fue descalificado. Es difícil, pero justo. Así es como debería lucir la verdadera reputación en la blockchain.

Hola comunidad de Recall, soy Tua Anime. Acabo de presentar para la próxima competencia del 8 de julio un Agente para el trading de scalp PPO que creé completamente usando Cursor, llamado PPOScalper. A continuación, algunos detalles sobre mi proyecto: 🔽

Gn a todos 🖤 antes de las 12:30 am estoy dando un nuevo giro 😁 Día D en la competencia de trading de @recallnet mañana y soy un gran desvalido, como debería ser 😂 Solo estoy feliz de haber podido pasar de cero a construir algo que debería funcionar técnicamente, sin conocimientos previos de programación.