Kryptoforskning har blitt vanskeligere etter hvert som markedet har vokst på tvers av blokkjeder, protokoller, lommebøker, børser og sosiale plattformer. En enkelt investeringsbeslutning kan kreve timer med sjekking av tokendata, on-chain-strømmer, sentiment, nyheter, likviditet og porteføljeeksponering.
CoinStats startet som et porteføljetracker, og ga brukerne ett sted å overvåke aktiva på tvers av lommebøker og børser. Selskapet bygger nå et mer ambisiøst produkt rundt krypto-spesifikk AI, utvikler-API-er og agentvennlig dataadgang.
I et eksklusivt intervju med BeInCrypto diskuterte Narek Gevorgyan, grunnlegger og CEO av CoinStats crypto tracker, hvorfor krypto trenger domene-spesifikk AI, hvordan CoinStats AI nærmer seg forskning, og hvorfor maskinlesbar kryptodata vil bli essensielt etter hvert som AI-agenter entrer markedet.
CoinStats begynte som porteføljetracker. Hva førte til satsingen på et AI-drevet kryptoforskningsprodukt
Å spore en portefølje er den enkle delen. Den vanskelige delen er å forstå hva man skal gjøre videre.
Våre brukere brukte timer på å hoppe mellom X, Discord, Etherscan, nyhetssider, analysdashboards og børsider bare for å ta én beslutning. CoinStats hadde allerede datalaget på plass, inkludert dekning av over 120 blokkjeder, markedsdata, on-chain-strømmer og sosial kontekst.
AI var det naturlige neste steget. I stedet for å gi brukerne flere dashbord, ønsket vi å hjelpe dem med å finne bedre svar raskere.
Du argumenterer sterkt for domene-spesifikk AI i krypto. Hvor svikter generelle modeller fortsatt for seriøs kryptoforskning
Det handler for det meste om arkitektur og data.
Når en bruker stiller CoinStats AI et spørsmål, jobber spesialiserte sub-agenter parallelt. En kan hente sanntidsnyheter. En annen kan skanne sosialt sentiment. En tredje kan lese on-chain-data på tvers av 120+ blokkjeder. En annen kan sjekke børsmetrikker. En siste kan analysere brukerens faktiske portefølje.
Disse agentene rapporterer tilbake, og systemet samler informasjonen i ett svar med interaktive tabeller og grafer, i stedet for en lang tekstblokk. Modellen leser fra levende kilder i stedet for å hente informasjon fra treningsdata. Dette reduserer i stor grad risikoen for hallusinasjoner.
Vi lar også brukerne velge dybden på svaret. CoinStats AI har tre moduser. Dyp forskning er for fullstendige rapporter fra flere kilder. Backtesting hjelper brukerne å teste strategier mot historiske data. Rask modus er for raske oppslag.
En generell modell gir vanligvis kun én type svar. Kryptoforskning dreier seg om mange ulike spørsmålstyper.
Vi tilpasser CoinStats AI rundt det faktiske arbeidet krypto-brukere gjør, inkludert tokenforskning, lommebokanalyse, risiko-sjekker, smart money-sporing, hval-aktivitet, kontraktutplasseringer, KOL-sentiment og makrokorrelasjoner mellom ting som Fed-politikk og ETF-instrømninger. Forskjellen blir tydelig så snart spørsmålene blir spesifikke.
CoinStats hevder at deres AI gjør det sterkt mot større generelle modeller innen kryptoforskning. Hva gjør den egentlig annerledes i praksis
Det er en kombinasjon av tilgang til sanntidsdata, informasjonsinnhenting, oppgave-spesifikke agenter og krypto-tilpasset resonnement.
Generelle modeller mangler vanligvis sanntids on-chain-data, så de kan ikke pålitelig fortelle deg hvem som akkumulerer en token eller hvor likviditet flytter seg. De mangler også sanntids markeds- og sosialkontekst, så de kan gå glipp av narrativer i det de oppstår. Treningsdataene deres kan bli utdaterte veldig raskt i et marked hvor en token kan lanseres og bevege seg aggressivt på få dager.
De utleder også på en generell måte. Kryptoforskning krever ofte forståelse av MEV, slippage, bridge-risiko, likviditetsfragmentering på tvers av kjeder, lommebøkatferd, børsflyt og protokoll-spesifikk risiko.
Personvern er et annet viktig punkt. Når en bruker limer inn en lommebokadresse i en generell AI-modell, kan de eksponere beholdningene sine for en tredjepartsleverandør. Kryptobrukere bryr seg om dette.
Derfor bygde vi Privat modus i CoinStats AI. Når brukerne slår på denne, blir forespørsler sendt gjennom Venice AI sitt krypterte, desentraliserte system. Ingen tredjeparts AI-leverandør ser brukerens data. Uansett om noen forsker på lommebøker, analyserer token-strømmer eller ser på posisjoner de vil holde privat, forblir informasjonen mellom brukeren og blokkjeden.
Generelle modeller er nyttige for uformelle spørsmål. Seriøs kryptoforskning krever sanntidsdata, personvern og krypto-spesifikk kontekst.
Hvordan tenker dere rundt nøyaktighet, tillit og risiko for AI-hallusinasjon når brukere kan handle ut fra svaret
Krypto er et marked der dårlig nøyaktighet kan bli dyrt.
Vår tilnærming bygger på tre prinsipper. For det første skal alle påstander være forankret i sanntidsdata med kilder slik at brukerne kan etterprøve arbeidet. For det andre lar Backtesting modus brukerne validere en tese mot historiske data før de risikerer kapital. For det tredje er vi svært tydelige på produktets rolle.
CoinStats AI er et forskningsverktøy. Det er ment å støtte DYOR-prosessen, ikke erstatte brukerens vurdering. DYOR skal være en del av produktopplevelsen, ikke kun et forbehold nederst på en side.
CoinStats satser også på API og MCP-støtte for AI-agenter og IDE-er for utviklere. Hvorfor er et utviklertilgjengelig kryptodatalag viktig
Krypto har et strukturelt dataproblem. Informasjonen som trengs for å forstå en portefølje, marked eller on-chain-hendelse er fragmentert på hundrevis av blokkjeder, tusenvis av protokoller, dusinvis av sentraliserte børser og et voksende DeFi-økosystem.
Enhver utvikler eller AI-agent som ønsker å tolke krypto har to valg. De kan bruke år på å løse datainnhenting selv, eller de kan koble seg på en leverandør som allerede har gjort det.
Det er den rollen vi ser for oss at CoinStats skal ha. Vi har brukt flere år på å normalisere data fra over 300 børser og lommebøker, alle store blokkjeder og et bredt spekter av DeFi-posisjoner.
Ved å åpne dette via CoinStats Crypto API og MCP-serveren kan utviklere som bygger AI-agenter, tradingverktøy, forskningsprodukter eller sideprosjekter i miljøer som Cursor eller Claude Code få tilgang til porteføljestatus, markedsdata, nyheter og on-chain-kontekst som brukbare byggeklosser.
De trenger ikke bygge rørledningen før de lager produktet.
MCP blir et viktig tema innen AI-verktøy. Hvordan ser du CoinStats sin rolle i en fremtid der kryptoprosesser i økende grad håndteres av agenter
Kryptodata har alltid vært fragmentert. Priser finnes på én plattform. Lommeboksaldoer vises et annet sted. DeFi-posisjoner er fordelt over mange protokoller. NFT-er kan igjen ligge et annet sted.
For utviklere er det ofte den vanskeligste delen å sy alt dette sammen. Team kan bruke mer tid på å koble data enn på selve brukeropplevelsen.
Det er dette vi ønsket å løse med CoinStats API. Dekningen omfatter over 100 000 coins og 200+ børser. Det strekker seg over 120+ blokkjeder. DeFi-posisjoner hentes fra over 10 000 protokoller på lommeboknivå.
Utviklere får ett tilgangspunkt for hele bildet. Det endrer hva et lite team kan bygge på kort tid.
Vår MCP-server tar det samme konseptet enda lenger. AI-agenter og LLM-er kan hente wallet-, DeFi- og porteføljedata direkte. En agent integrert i IDE kan hente brukerens posisjoner, analysere dem og støtte en arbeidsflyt uten skreddersydde adaptere.
Dette er viktig fordi kryptoverktøy er i utvikling. Fremtidens arbeidsflyter vil involvere agenter som overvåker risiko, rebalanserer porteføljer, finner muligheter og støtter forskning. For at det skal fungere må datalaget være maskinlesbart, pålitelig og komplett nok til å forstå hva noen eier og hvordan disse aktivaene beveger seg på kjeden.
Prisdata alene er ikke nok. Agenter trenger lommebokdata, DeFi-posisjonoverblikk og langsiktig historisk kontekst. Det er dette laget CoinStats API bygger.
Kryptoens vekst avhenger også av hvor enkelt det er å lage nyttige produkter. Hver time utviklere sparer på datahåndtering kan brukes på å forbedre brukeropplevelsen.
Hvis vi har denne samtalen igjen om ett år, hva vil du da ha bygget, forbedret eller bevist med CoinStats
Det er tre ting jeg ønsker å se.
Først vil jeg at CoinStats skal øke sitt forsprang innen kryptospesifikk forskning mot generell AI. Benchmarken vi lanserte i år er starten. Vi ønsker å utvide den, kjøre den oftere og holde metodikken åpen kildekode slik at alle i bransjen kan reprodusere det.
Målet er ikke å vinne én enkelt benchmark. Målet er å bevise at vertikal AI, som er bygget for krypto, presterer bedre over tid fordi den har de riktige dataene, verktøyene og miljøet for resonnement.
For det andre vil jeg at CoinStats API blir det foretrukne laget for kryptodata og forskning for agent-økosystemet. Med MCP, vår x402-drevne API og vårt porteføljeintelligenssystem burde alle agenter som trenger kryptokontekst kunne koble seg til CoinStats.
For det tredje ønsker jeg at CoinStats går fra forskning til handling. Å forstå hvorfor noe beveger seg er halve jobben. Å hjelpe brukerne med å handle på innsiktene, trygt og i samme arbeidsflyt, er neste produktsteg.
Målet har alltid vært det samme. Hver kryptoeier burde ha sitt eget team av analytikere som jobber for seg hele døgnet. Om et år vil jeg at CoinStats skal være mye nærmere på å levere den opplevelsen gjennom CoinStats AI.
