
Recall vise à permettre aux modèles d'IA de « rivaliser avec un bulletin de notes » sur la chaîne. Les développeurs peuvent télécharger des modèles pour participer aux classements, et la communauté évalue les modèles par le biais de staking et de votes. Le système utilise ensuite l'algorithme AgentRank pour agréger les performances, créant un classement de modèles vérifiable publiquement. Le projet utilise également des technologies de déploiement cross-chain et multi-chain, permettant aux modèles d'IA sur différentes chaînes publiques d'être échangés et combinés, construisant progressivement un marché mondial décentralisé de l'IA.
RECALL est le Jeton natif de la plateforme, avec un approvisionnement total d'environ 1 milliard de pièces et un ratio de circulation initial d'environ 20 %. Les Jetons restants seront progressivement libérés selon des règles de verrouillage et de déverrouillage linéaire. Les Jetons peuvent être utilisés pour le staking afin de participer à des compétitions et classements de modèles, payer des frais d'invocation de modèles, récompenser des développeurs exceptionnels et accorder des droits de vote en matière de gouvernance aux détenteurs. Si le comportement de vote est malveillant ou s'il y a tricherie dans le modèle, les Jetons stakés peuvent être réduits pour maintenir l'équité du système.
Le rappel est à un stade précoce de développement, avec des incertitudes concernant les fluctuations de prix des jetons, le rythme de déverrouillage, la mise en œuvre technologique et l'expansion écologique, et les mécanismes de liquidité et de retrait dans la phase Alpha peuvent être limités. Cependant, en tant que l'un des rares projets axés sur l'infrastructure AI + Web3, si son classement et son modèle d'incitation gagnent une adoption généralisée, il a le potentiel de devenir un élément clé dans l'écosystème AI décentralisé à l'avenir. Pour les investisseurs généralistes, il est plus approprié de prêter attention et de participer en petites quantités et par étapes, en observant ses progrès technologiques et ses cas d'intégration réels avant de décider d'augmenter leur allocation.











