Кількість користувачів API SERV Reasoning зросла на 244% за перший місяць. Запити на висновки зросли на 30%. Проте SERV має ринкову капіталізацію лише близько $15 млн. @openservai розробляє додатковий шар, який допомагає меншим моделям виконувати завдання, зазвичай призначені для більш дорогих. ✤ Як OpenServ робить менші моделі більш ефективними: OpenServ створює інфраструктуру AI-агентів для підприємств і урядів. Його основний продукт, SERV Reasoning, — це API висновків, сумісний із наявними інтеграціями OpenAI та Anthropic SDK. Розробники можуть змінити базовий URL API, зберігаючи при цьому свої поточні запити та значну частину коду додатка. Усередині SERV Reasoning використовує BRAID для структурування викликів моделей у вигляді графа кроків міркувань. Мета — покращити точність, спираючись на більш дешеві моделі, і знизити витрати на запуск AI-агентів та підприємницьких завантажень. Команда була заснована Тімом Гафнером та Люкасом Гафнером. OpenServ стверджує, що проект був розпочатий за підтримки спільноти, а не через традиційний раунд токенізації від VC. Проект також повідомив про роботу з урядом ОАЕ через свого партнера Neol. AWS Marketplace планується як канал розповсюдження для підприємств. ✤ Користувачі API зросли на 244% за перший місяць: SERV Reasoning був запущений на початку вересня, і його початкові метрики використання свідчать про зростаючий інтерес. Нові користувачі API: +244% за перший публічний місяць Запити на висновки: +30% порівняно з попередніми 30 днями Приватний бета-період, перший тиждень: 29 638 запитів та 279 млн токенів оброблено OpenServ також опублікував деякі амбітні результати тестування: GSM8K: GPT-4o, за даними, покращився з 42% до 91% за допомогою BRAID, при зменшенні витрат до 75 разів. Scale MultiChallenge: GPT-5-nano, за даними, покращився з 35,66% до 57,72%, що вище за оцінку ~40% для GPT-5 standard, приблизно за 40 разів нижчою вартістю. OpenServ також стверджує, що менші моделі можуть перевершити Fable 5 Anthropic при вартості до 90 разів нижчої. Це результати, повідомлені проектом; результати можуть варіюватися залежно від завдання. Проте комерційний аргумент простий: якщо дешевша модель може забезпечити якість, необхідну бізнесу, економія може мати реальний вплив у масштабах. OpenServ також пропонує конструктор без коду, TypeScript SDK та launchpad для агент-токенів. SERV v3 та Graph Sharding знаходяться в дорожній карті, плануються функції підприємницької видимості та управління робочими процесами. ✤ 25% доходу від API йде на спалювання $SERV: $SERV використовується як «паливо» для on-chain робочих процесів агентів і може стейкуватися для приватних запусків. Більша частина моделі токена — це зобов’язання використовувати 25% доходу від API SERV Reasoning для ринкового купування та спалювання $SERV. Розробники можуть платити за кредити API у USD або USDC, тому кожен запит API не створює безпосередньої покупки токена. Зв’язок виникає через конвертацію частини доходу від API на покупки токену. Якщо платний API-трафік зростатиме і зобов’язання щодо доходу буде виконано, сума, доступна для покупок та спалювання, може зростати разом із бізнесом. Це надає $SERV потенційний зв’язок із використанням продукту, а не лише з спекулятивним попитом. ✤ $SERV проти сектора AI-агентів: Virtuals Protocol ($VIRTUAL) має ринкову капіталізацію близько $450 млн, а Artificial Superintelligence Alliance ($FET) — близько $481 млн. Обидва проекти оцінюються набагато вище OpenServ, який знаходиться близько $15 млн. Проекти орієнтовані на різні сегменти ринку: Virtuals Protocol: створення AI-агентів, токенізація та інфраструктура launchpad. ASI ($FET): децентралізована інфраструктура та послуги AI. OpenServ ($SERV): інфраструктура міркувань, розроблена для того, щоб допомогти розробникам запускати AI-завантаження за допомогою дешевших моделей. Autonolas ($OLAS): децентралізовані автономні сервіси та інфраструктура AI-агентів, з ринковою капіталізацією близько $15 млн у наведеному порівнянні. Найближчим аналогом OpenServ не обов’язково є інший launchpad агентів. Його пропозиція полягає в тому, що розробники можуть покращити продуктивність моделей та знизити вартість висновків за допомогою API-шару. ✤ Що має відбутися далі: Три метрики найважливіші: Платний API-трафік: абсолютні обсяги запитів і токенів, а також докази того, що користувачi перетворюються на платних клiєнтiв. Розповсюдження для пiдприємств: чи принесуть планованi канали, такi як AWS Marketplace, регулярнi завантаження. Перевiрена спалювання: реальнi транзакцiї купiвлi та спалювання, а також те, як їхня вартiсть змiнюється з ростом доходу вiд API. Незалежне тестування заявленого тестування також допомогло б пiдтвердити, наскiльки постiйно BRAID покращує результати для рiзних моделей i завдань. Приблизно за $15 млн $SERV надає доступ до продукту AI-мiркувань, який уже працює, показує початковий рост використання та має заявлену механiку спалювання, пов’язану з доходом. Це бiльш конкретна основа, нiж токен, побудований лише на майбутнiх планах.