@EVO__HQ가 강하게 반전할 것 같은 느낌이 듭니다.
최근 개발자에게서 좋은 소식을 얻었습니다.
$EVO가 자기 개선 에이전트 서사와 맞아떨어집니다.
작업에서 최대 출력을 얻는 최선의 방법을 찾기 위해 에이전트에게 자동 루프를 생성합니다.
모든 루프에 강력한 메모리 검색 레이어가 필요하기 때문에 @sibyl_labs_와 강한 시너지 가능성을 봅니다.
(토큰 절약 및 정확성을 위해)

@EVO__HQ가 강하게 반전할 것 같은 느낌이 듭니다.
최근 개발자에게서 좋은 소식을 얻었습니다.
$EVO가 자기 개선 에이전트 서사와 맞아떨어집니다.
작업에서 최대 출력을 얻는 최선의 방법을 찾기 위해 에이전트에게 자동 루프를 생성합니다.
모든 루프에 강력한 메모리 검색 레이어가 필요하기 때문에 @sibyl_labs_와 강한 시너지 가능성을 봅니다.
(토큰 절약 및 정확성을 위해)
@EVO__HQ CA: base:0x721b072dbb616f29eea73ac004e03fd4e884bba3
. @EVO__HQ는 비기술자에게는 이해하기 어려울 수 있습니다
제가 도와드리겠습니다
$EVO가 뭔가요?
수백 개의 실험을 실행하여 소프트웨어를 자동으로 개선하는 AI 도구입니다
실제로 효과가 있는 부분만 유지합니다
증거:
tests just ran on an indian AI model (sarvam 30B)
결과: 속도 +4.10% 향상, 정확도 손실 없음
프로젝트 진행 상황
- 2026년 4월 출시
- 이미 v0.5.3 버전
- 1,100+ GitHub 스타
- 플랫폼 베타 라이브 (프로필 확인)
- 일부 대형 VC가 @alokbishoyi97을 팔로우 중
투자 논리
AI 에이전트가 자율적으로 코드를 수정하기 시작하면, EVO는 최고의 제품을 만들기 위한 실행 및 검증 도구가 됩니다.
이 시장은 상당히 큽니다.
token use cases are being discussed.
주말 @evo__hq 활동: 최근 주권 AI 내러티브(Anthropic의 이야기 후퇴와 함께)를 고려하여, EVO가 우리가 보유한 일부 인도 모델을 어떤 식으로든 개선할 수 있는지 확인하고 싶었습니다.
그래서 @SarvamAI의 30B 디코드 처리량을 bf16으로 단일 H100에서 향상시킬 수 있는지 확인하기 위해 EVO에서 자동 연구를 시작했습니다.
현재 10시간 이상 진행 중이며, 지금까지 EVO는 약 3% 개선을 찾은 것으로 보입니다.
측정 지표는 배치 크기 64 / 128 / 256에 대한 기하 평균 tok/s이며, 정상 상태 디코드만 측정합니다. 프리필은 시간 초과되었으므로 이는 고정 워크로드에서 토큰당 디코드 속도만을 의미합니다.
EVO는 출력 변경, 정밀도 낮추기, MoE 라우팅 조작으로 속도가 빨라진 경우에도 정확도 게이트에서 거부하도록 보장합니다.
게이트는 각 후보를 고정된 기준선과 다음 토큰 분포 및 실제 디코드된 토큰 모두에서 비교합니다. argmax 일치도나 로그 확률 드리프트가 의미 있게 변하면, 더 빨라도 변경이 거부됩니다.
매우 중요한 주의사항: 이것들은 실험 환경입니다.
나는 @EVO__HQ가 하는 일을 좋아합니다
그들은 AI 에이전트 행동을 자동으로 개선하는 루프를 만들었습니다
그것은 자동으로 수십 개의 실험을 실행하고
효과적인 방식을 유지합니다
실제 프로덕션 코드베이스에서 97% 성능 향상을 달성했습니다
이미 10k+ 프로젝트가 최적화되었습니다
$EVO at 450k mcap
토큰 유용성은 아직 미해결 질문으로 남아 있습니다
하지만 제품은 현실적이며 시장 반응이 스스로를 증명합니다
나는 @evo__hq 고객과의 탐색 통화에서 얻은 사례 연구를 공유합니다
그들의 팀은 시계열 분석에 사용되는 CNN1D 파이프라인을 가지고 있었습니다. EVO가 그들의 C++ 추론 경로를 약 30배 빠르게 만들었으며, 완전히 자동화되었습니다. https://t.co/fl0m82fsox