ELIZA、GAME、ARC、ZERPY の 4 つの主要な Crypto X AI フレームワークの比較

著者: Deep Value Memetics, translated by Golden Finance xiaozou

この記事では、Crypto X AIフレームワークの展望について探ります。現在の主要な4つのフレームワーク（ELIZA、GAME、ARC、ZEREPY）とそれぞれの技術的違いに焦点を当てます。

1、はじめに

私たちは過去1週間にわたり、ELIZA、GAME、ARC、ZEREPYの4つの主要なCrypto X AIフレームワークを研究し、テストしました。その結果は以下の通りです。

私たちはAI16Zが引き続き主導的な地位を占めると信じています。Elizaの価値（市場シェア約60%、時価総額10億ドル超）は、その先行優位性（リンディ効果）と、ますます多くの開発者による利用を得ていることにあります。193人の貢献者、1800のフォーク、6000以上のスターなどのデータがこれを証明しており、GitHubで最も人気のあるコードリポジトリの一つとなっています。

ここまで、GAME（市場占有率約20%、時価総額約3億ドル）の発展は非常に順調で、急速な採用を得ており、VIRTUALが発表したように、このプラットフォームには200以上のプロジェクト、15万のデイリーリクエスト、200%の週次成長率があります。GAMEはVIRTUALの台頭から引き続き恩恵を受け、エコシステムの中で最大の勝者の一人となるでしょう。

Rig（ARC、市場シェア約15%、時価総額約1.6億ドル）は非常に注目されています。なぜなら、そのモジュール設計は非常に操作が簡単であり、Solanaエコシステム（RUST）内で「ピュアプレイ」として主導的な地位を占めることができるからです。

Zerepy（市場占有率約5%、時価総額約3億ドル）は、熱心なZEREBROコミュニティを対象とした比較的小規模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によりシナジー効果を生む可能性があります。

私たちは、市場占有率の計算が時価総額、開発記録、そして基盤となるオペレーティングシステムの端末市場をカバーしていることに気付きました。

私たちは、この市場サイクルにおいて、フレームワークのセグメント市場が最も成長が速い分野になると考えています。170億ドルの総時価総額は、容易に200億ドルに成長する可能性があり、これは2021年のL1のピーク評価と比較しても依然として相対的に保守的です。当時、多くのL1の評価は200億ドル以上に達していました。これらのフレームワークは異なるエンド市場（チェーン/エコシステム）にサービスを提供していますが、この分野が上昇トレンドにあると考えるため、市場価値加重アプローチが最も慎重な方法である可能性があります。

2、四大フレームワーク

以下の表に、主要なフレームワークの重要な技術、コンポーネント、および利点を示します。

! 9QWj2COuwGQYXBstk6MThoHfphrEq4UXz95DfgzC.png

（1）フレームワークの概要

AI X Cryptoの交差領域では、AIの発展を促進するいくつかのフレームワークがあります。それらは、AI16ZのELIZA、ARCのRIG、ZEREPYのZEREBRO、そしてGAMEのVIRTUALです。各フレームワークは、オープンソースコミュニティプロジェクトからパフォーマンスに重点を置いたエンタープライズソリューションまで、AIエージェントの開発プロセスにおける異なるニーズと理念を満たしています。

この記事では、まずフレームワークについて紹介し、それが何であるか、どのプログラミング言語、技術アーキテクチャ、アルゴリズムを使用しているか、どのような独自の機能を持っているか、そしてフレームワークが利用できる潜在的なユースケースは何かを説明します。次に、使いやすさ、スケーラビリティ、適応性、パフォーマンスの観点から各フレームワークを比較し、それぞれの利点と限界を探ります。

ELIZA(ai16z開発)

Elizaは、自律AIエージェントの作成、展開、および管理を目的としたマルチエージェントシミュレーションオープンソースフレームワークです。これはTypeScriptプログラミング言語で開発されており、複数のプラットフォームで人間と対話し、一貫した個性と知識を維持できるインテリジェントエージェントを構築するための柔軟で拡張可能なプラットフォームを提供します。

このフレームワークのコア機能には、複数のユニークなAIパーソナリティを同時に展開および管理するためのマルチエージェントアーキテクチャ、異なるエージェントを作成するためのロールファイルフレームワークを使用したロールシステム、そして高度なリトリーバル強化生成（RAG）システムを通じて提供される長期記憶および文脈認識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および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性の高い接続を提供するスムーズなプラットフォーム統合も提供します。

AIエージェントの通信およびメディア機能の観点から、Elizaは非常に優れた選択肢です。通信の面では、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、およびカスタマイズ用ケースのためのAPIへの直接アクセス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、動画コンテンツの処理、画像分析、および対話の要約にまで拡張可能で、さまざまなメディアの入力および出力を効果的に処理できます。

Elizaフレームワークは、オープンソースモデルのローカル推論、OpenAIのクラウド推論、およびデフォルト設定（Nous Hermes Llama 3.1Bなど）を通じて柔軟なAIモデルサポートを提供し、Claudeによる複雑なタスク処理のサポートを統合しています。Elizaはモジュラーアーキテクチャを採用しており、広範なオペレーティングシステム、自カスタムクライアントのサポート、包括的な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保証します。

Elizaのユースケースは、顧客サポート、コミュニティレビュー、個人タスクのAIアシスタント、コンテンツ自動作成者、インタラクティブボット、ブランド代表などのソーシャルメディアの役割など、複数の分野にわたります。また、知識労働者として、リサーチアシスタント、コンテンツアナリスト、ドキュメントプロセッサーなどの役割を果たし、ロールプレイングボット、教育メンター、エージェントなどの形式のインタラクティブな役割をサポートすることもできます。

Elizaのアーキテクチャはエージェントランタイムに基づいて構築されており、エージェントランタイムはその役割システム（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）、およびオペレーティングシステム（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、プラグインシステムによるモジュール機能拡張のサポート、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のサポート、Llama、GPT-4、Claudeなどの主要なAIモデルとの互換性があります。その多様な機能と強力なデザインにより、Elizaは分野横断的なAIアプリケーションを開発するための強力なツールとして際立っています。

G.A.M.E(Virtuals Protocolが開発)

生成型自律マルチモーダルエンティティフレームワーク（G.A.M.E）は、開発者にAIエージェントの実験のためのAPIとSDKへのアクセス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。

そ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（Agent Prompting Interface）は、開発者がGAMEをエージェントに統合し、エージェントの動作にアクセスするための入り口です。知覚サブシステム（Perception Subsystem）は、指定されたセッションID、エージェントID、ユーザー、およびその他の関連する詳細などのパラメータを使用してセッションを開始します。

それは、戦略計画エンジン（Strategic Planning Engine）に適した形式に受信情報を統合し、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。対話または反応の形であっても。コアは、エージェントからのメッセージと応答を処理し、入力を効果的に解釈し応答するために知覚サブシステムと協力する対話処理モジュールです。

戦略計画エンジンは、対話処理モジュールおよびオンチェーンウォレットオペレーターと連携して、応答と計画を生成します。このエンジンの機能は2つのレベルがあります。高レベルのプランナーとして、コンテキスト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戦略に変換し、それがさらに特定のタスクのためのアクションプランナーとタスクを実行するためのプラン実行者に分かれます。

もう一つの独立した重要なコンポーネントはWorld Context（世界の文脈）であり、これは環境、グローバル情報、ゲームの状態を参照し、エージェントの意思決定に必要な文脈を提供します。さらに、Agent Repository（エージェントリポジトリ）は、目標、反省、経験、個性などの長期的な属性を保存するために使用され、これらはエージェントの行動と意思決定プロセスを形成します。

このフレームワークは、短期作業メモリと長期メモリプロセッサを使用しています。短期メモリは、以前の行動、結果、および現在の計画に関連する情報を保持します。それに対して、長期メモリプロセッサは、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。長期メモリには、エージェントの経験、反省、ダイナミックな人格、世界の文脈、作業メモリなどの知識が保存されており、意思決定を強化し、学習の基盤を提供します。

学習モジュールは、知覚サブシステムからのデータを使用して一般的な知識を生成し、これらの知識は将来のインタラクションを改善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、アクション、ゲームの状態、感覚データに関するフィードバックを入力することで、AIエージェントの学習能力を強化し、その計画および意思決定能力を向上させることができます。

ワークフローは、開発者が代理プロンプトインターフェースを介して相互作用を行うことから始まります。入力は知覚サブシステムによって処理され、対話処理モジュールに転送されます。対話処理モジュールは、相互作用のロジックを管理する責任があります。その後、戦略計画エンジンは、これらの情報に基づいて計画を策定および実行し、高レベルの戦略と詳細な行動計画を利用します。

世界の文脈とエージェントリポジトリからのデータはこれらのプロセスに通知され、同時に作業メモリは即時タスクを追跡します。一方、長期メモリプロセッサは長期的な知識を保存し、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相互作用を継続的に改善できるようにします。

RIG（ARCによって開発されました）

Rigは、オープンソースのRustフレームワークであり、大規模言語モデル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。これは、OpenAIやAnthropicなどの複数のLLMプロバイダーと対話するための統一インターフェースを提供し、MongoDBやNeo4jなどのさまざまなベクトルストレージをサポートしています。このフレームワークのモジュラーアーキテクチャの独自性は、プロバイダー抽象層（Provider Abstraction Layer）、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にあります。これにより、LLMのシームレスな相互作用が促進されます。

Rigの主な対象は、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、次に複数のLLMプロバイダーとベクトルストレージを自分のRustアプリケーションに統合しようとする組織です。リポジトリはワークスペースアーキテクチャを使用しており、複数のクレートを持ち、スケーラビリティと効率的なプロジェクト管理をサポートしています。その主要な機能には、異なるLLMプロバイダー間での完了と埋め込みAPIの標準化を提供するプロバイダー抽象化レイヤーが含まれており、一貫したエラーハンドリングを備えています。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。エージェンシーシステムはLLMとのインタラクションを簡素化し、情報検索強化生成（RAG）と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も提供します。

Rigは複数の技術的利点を利用して、信頼性とパフォーマンスを確保します。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処理メカニズムは、AIプロバイダーやデータベース操作の失敗からの回復能力を向上させます。型安全性はコンパイルプロセス中のエラーを防ぐことができ、コードの保守性を高めます。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処理をサポートし、AIサービスの通信と保存にとって重要です。詳細なログ記録と検出は、アプリケーションのデバッグと監視をさらに助けます。

Rigのワークフローは、クライアントがリクエストを起動すると開始され、このリクエストはプロバイダーの抽象層を介して適切なLLMモデルと対話します。その後、データはコア層で処理され、コア層ではエージェントがツールを使用したり、コンテキストのベクトルストレージにアクセスしたりできます。レスポンスは、ドキュメント検索やコンテキスト理解を含む複雑なワークフロー（RAGなど）を通じて生成され、洗練されてから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、モデルの可用性や性能の更新に適応します。

Rigのユースケースは多岐にわたり、関連文書を検索して正確な応答を提供するQ&Aシステム、高効率なコンテンツ発見のための文書検索および取得システム、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があります。また、コンテンツ生成もサポートしており、学習モードに基づいてテキストやその他の資料を作成することができるため、開発者や組織のための汎用ツールとなっています。

Zerpy(ZERPYとblormが開発)

ZerePyは、Python言語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上にエージェントを展開することを目的としています。Zerebroバックエンドから派生したモジュール式バージョンであるZerePyは、開発者がZerebroのコア機能に類似した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の基盤を提供しますが、創造的な出力を生成するためにはモデルの微調整が不可欠です。ZerePyは、特にソーシャルプラットフォーム上でのコンテンツ制作に向けたパーソナライズされたAIエージェントの開発と展開を簡素化し、アートと分散型アプリケーションに焦点を当てたAI駆動のクリエイティブエコシステムを育成しています。

このフレームワークはPythonで開発されており、エージェントの自律性を強調し、創造的な出力生成に焦点を当てており、ELIZAのアーキテクチャおよびELIZAとの協力関係と一致しています。モジュール式のデザイン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上でエージェントを展開することを可能にします。主な機能には、エージェント管理用のコマンドラインインターフェース、Twitterとの統合、OpenAIおよびAnthropic LLMのサポート、機能を強化するためのモジュール式接続システムが含まれています。

ZerePyのユースケースはソーシャルメディア自動化の分野をカバーしており、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エンゲージメントを向上させることができます。さらに、音楽、meme、NFTなどの分野でのコンテンツ制作にも対応しており、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となっています。

（2）四大フレームワークの比較

私たちの見解では、各フレームワークは人工知能開発に対して特定のニーズと環境に合った独自のアプローチを提供します。我々は、これらのフレームワークの競争関係から各フレームワークの独自性に焦点を移します。

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やNode.js環境に慣れた開発者にとって魅力的です。包括的なドキュメントは、さまざまなプラットフォームで人工知能エージェントを設定するのに役立ちますが、その広範な機能セットは一定の学習曲線をもたらす可能性があります。TypeScriptで開発されているため、Elizaはウェブに埋め込むエージェントを構築するのに理想的な選択肢であり、ほとんどのウェブインフラストラクチャのフロントエンドはTypeScriptで開発されています。このフレームワークはその多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で異なる人工知能の個性を展開できます。その高度なメモリ管理RAGシステムは、カスタマーサポートやソーシャルメディアアプリケーションにおける人工知能アシスタントに特に効果的です。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、依然として初期段階にあり、開発者にとって学習曲線をもたらす可能性があります。

GAMEはゲーム開発者のために設計されており、APIを通じてローコードまたはノーコードのインターフェースを提供し、ゲーム分野の技術的知識が乏しいユーザーでも利用できるようにしています。しかし、ゲーム開発とブロックチェーン統合に特化しているため、関連する経験がない人々にとっては急な学習曲線になる可能性があります。プログラムコンテンツ生成とNPCの行動に関しては優れたパフォーマンスを発揮しますが、特定の分野とブロックチェーン統合によって増加した複雑さに制限されています。

Rust言語を使用しているため、その言語の複雑さを考慮すると、Rigはあまり親しみやすくないかもしれませんが、これは大きな学習の課題をもたらします。しかし、システムプログラミングに精通している人にとっては、直感的なインタラクションがあります。TypeScriptと比較して、このプログラミング言語自体はパフォーマンスとメモリ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の抽象化を備えており、複雑なAIアルゴリズムを実行するために必要です。この言語は非常に効率的であり、低レベルの制御によりリソース集約型の人工知能アプリケーションに最適な選択肢となっています。このフレームワークは、モジュール化され、拡張可能な設計を持つ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最適な選択肢となっています。しかし、Rustに不慣れな開発者にとっては、Rustを使用することは急な学習曲線に直面することを避けられません。

ZerePyはPythonを利用しており、創造的AIタスクに高度な可用性を提供します。Python開発者の学習曲線は低く、特にAI/MLのバックグラウンドを持つ開発者にとっては容易です。また、Zerebroの暗号コミュニティによって強力なコミュニティサポートの恩恵を受けています。ZerePyはNFTなどの創造的な人工知能アプリケーションに優れ、デジタルメディアとアートの強力なツールとして自らを位置づけています。創造性の面では繁栄していますが、他のフレームワークと比較すると範囲は比較的狭いです。

スケーラビリティの面で、ELIZAはそのV2アップデートで大きな進歩を遂げました。統一されたメッセージラインとスケーラブルなコアフレームワークを導入し、複数のプラットフォームでの効果的な管理をサポートしています。しかし、最適化が行われなければ、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に関する課題を引き起こす可能性があります。

GAMEはゲームに必要なリアルタイム処理において優れたパフォーマンスを示し、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ていますが、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を受ける可能性があります。

Rigフレームワークは、Rustの拡張性を活用して高スループットアプリケーション向けに設計されており、企業レベルの展開に特に効果的ですが、真の拡張性を実現するには複雑な設定が必要になる可能性があります。

Zerepyのスケーラビリティは創造的なアウトプットに向けられており、コミュニティの貢献によってサポートされていますが、その焦点はより広範なAI環境での応用を制限する可能性があります。スケーラビリティは、ユーザー数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。

適応性の面では、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で優れており、ゲーム環境下のGAMEと複雑なAIタスクを処理するRigも非常に優れています。ZerePyはクリエイティブ分野で高い適応性を示しますが、より広範な人工知能アプリケーションにはあまり適していません。

性能に関して、ELIZAは迅速なソーシャルメディアインタラクションに最適化されており、迅速な応答時間が重要ですが、より複雑な計算タスクを処理する際には、そのパフォーマンスが異なる可能性があります。

Virtual Protocolが開発したGAME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焦点を当てており、高効率の意思決定プロセスと潜在的なブロックチェーンを利用して分散型人工知能操作を行います。

RigフレームワークはRust言語に基づいており、高性能計算タスクに優れた性能を提供し、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。

Zerepyのパフォーマンスは、クリエイティブ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品質に焦点を当てており、クリエイティブ分野以外ではあまり一般的ではない可能性があります。

ELIZAの利点は、プラグインシステムと役割設定により高い柔軟性と拡張性を提供し、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有利な適応性を持っていることです。

GAMEはゲーム内で独自のリアルタイムインタラクション機能を提供し、ブロックチェーンの統合を通じて新しいAI参加を強化しています。

Rigの利点は、企業の人工知能タスクに対する性能とスケーラビリティにあり、長期プロジェクトの健全性のためにクリーンなモジュラーコードを提供することに重点を置いています。

Zerepyは創造力の育成に特化しており、デジタルアートの人工知能アプリケーションにおいて先駆的な地位を占めており、活気あるコミュニティ主導の開発モデルによって支えられています。

各フレームワークにはそれぞれの限界があり、ELIZAはまだ初期段階にあり、潜在的な安定性の問題や新しい開発者の学習曲線があります。ニッチなGameはより広範な応用を制限する可能性があり、ブロックチェーンはさらに複雑さを加えています。RigはRustによる急な学習曲線のために、一部の開発者を遠ざける可能性があります。また、Zerepyは創造的な出力に対する限られた関心が、他のAI分野での使用を制限する可能性があります。

（3）フレームワーク比較のまとめ

リグ (ARC)：

言語：Rust、安全性とパフォーマンスに重点を置く。

ユースケース：企業向けAIアプリケーションの理想的な選択肢であり、効率性とスケーラビリティに重点を置いています。

コミュニティ：あまりコミュニティ主導ではなく、より技術開発者に焦点を当てています。

エリザ (AI16Z)：

言語:TypeScript、web3の柔軟性とコミュニティエンゲージメントを強調しています。

ユースケース：ソーシャルインタラクション、DAO、取引のために設計されており、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主導で、広範なGitHub参加があります。

ZerePyの(ZEREBRO):

言語：Python、より広範なAI開発者基盤で使用できるようにします。

ユースケース：ソーシャルメディアの自動化やよりシンプルなAI代理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の人気とAI16Zの貢献者のサポートにより、成長が期待されています。

ゲーム（バーチャル）：

焦点：自律的、自適応の人工知能エージェントは、仮想環境でのインタラクションに基づいて進化することができます。

ユースケース：AIエージェントが学習し、適応するのに最適なシナリオ、例えばゲームや仮想世界。

コミュニティ：革新的なコミュニティですが、競争の中での自分の位置をまだ特定しているところです。

3. Githubのスターデータトレンド

! WwLoIpwzEOFhGg9cRuLcUueFqXpxu7HukpuIxOss.png

上の図は、これらのフレームワークが公開されて以来のGitHubスターの注目データです。注目すべきは、GitHubスターはコミュニティの関心、プロジェクトの人気度、およびプロジェクトの認知価値の指標であるということです。

エリザ（レッドライン）：

7月の低水準からの上昇、そして11月下旬のstarの大幅な増加（6.1万個の星に達する）から、人々の関心が急速に高まり、開発者の注目を集めていることが分かります。この指数関数的な成長は、機能、更新、コミュニティの参加によって、ELIZAが大きな魅力を獲得したことを示しています。その人気は他の競合を大きく上回り、強力なコミュニティサポートを持ち、人工知能コミュニティにおいてより広範な適用性や関心を示しています。

RIG（青いライン）：

Rigは四大フレームワークの中で最も歴史が長く、星の数は適度だが常に増加し続けており、次の1ヶ月で大幅に増加する可能性が高い。現在1700個の星に達しているが、まだ上昇中である。継続的な開発、更新、そして増え続けるユーザー数がユーザーの関心が蓄積される理由である。これは、このフレームワークのユーザーがニッチであるか、まだ評判を蓄積していることを反映している可能性がある。

ZEREPY(黄色い線):

ZerePyは数日前にリリースされ、すでに181のスターを獲得しています。特に強調したいのは、ZerePy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るということです。AI16Zとの協力は、より多くのコード貢献者を引き付ける可能性があります。

ゲーム（緑線）：

このプロジェクトのスター数は最も少なく、注目すべきは、このフレームワークがAPIを通じて仮想エコシステム内のエージェントに直接適用できることで、Githubの可視性の必要性が排除されることです。しかし、このフレームワークは1ヶ月以上前にビルダーに公開されたばかりで、200以上のプロジェクトがGAMEを使用して構築しています。

4、フレームの強気理由

ElizaのV2バージョンはCoinbaseプロキシスイートを統合します。Elizaを使用するすべてのプロジェクトは今後、ネイティブTEEをサポートし、安全な環境でプロキシが実行できるようになります。Elizaの今後の機能の1つは、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プラグインレジストリ（Plugin Registry）です。

さらに、Eliza V2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。トークンエコノミクスのホワイトペーパーは2025年1月1日に公開される予定で、Elizaフレームワークの基盤となるAI16Zトークンに対してポジティブな影響を与えると予想されています。AI16Zはフレームワークのユーティリティを引き続き強化し、高品質な人材を引きつけることを計画しており、その主要な貢献者の努力はこの能力を証明しています。

GAMEフレームワークは、代理店にコーディング不要の統合を提供し、単一のプロジェクト内でGAMEとELIZAの両方を同時に使用できるようにし、それぞれ特定の目的にサービスを提供します。このアプローチは、技術的な複雑さではなくビジネスロジックに注目するビルダーを引き付けることが期待されています。このフレームワークは公開されてから30日ほどしか経っていませんが、チームがより多くの貢献者を引き付けるために努力した結果、実質的な進展を遂げています。VIRTUALで開始されるすべてのプロジェクトは、GAMEを使用することが期待されています。

ARCトークンを代表とするRigは巨大な潜在能力を持っていますが、そのフレームワークはまだ初期成長段階にあり、プロジェクトの採用を促進する計画も数日間しか始まっていません。しかし、ARCを採用する高品質なプロジェクトはすぐに現れると予想されています。Virtualフライホイールに似ていますが、焦点はSolanaに置かれています。チームはSolanaとの協力に楽観的であり、ARCとSolanaの関係をVirtualとBaseに例えています。注目すべきは、チームが新しいプロジェクトにRigを使用して開始することを奨励するだけでなく、開発者がRigフレームワーク自体を強化することも奨励していることです。

Zerepyは新たに発表されたフレームワークで、Elizaとの協力関係によってますます注目を集めています。このフレームワークはElizaの貢献者を惹きつけ、彼らは積極的に改善に取り組んでいます。ZEREBROファンの後押しを受けて、熱心な支持者のグループを持っており、以前は人工知能インフラの競争において代表性が不足していたPython開発者に新たな機会を提供しています。このフレームワークはAIの創造性において重要な役割を果たすでしょう。