EVAL Engine

EVAL Engine (EVAL) — справочная карточка криптопроекта: что делает продукт и насколько проверяемы ключевые утверждения проекта; также — соответствие тезису Decentralized AI (DecAI Fit).

EVAL Engine — AI/Analytics | Infra проект: протокол/сервис для оценки качества ответов AI‑агентов (в т.ч. crypto‑native агентов) с записью результатов в ончейн‑хранилище (Chromia) для верифицируемого “proof”.

Дисклеймер

Важно: эта страница — справочный разбор проекта. В рамках DecAIHub отдельно фиксируется проверка сведений из открытых источников по AI‑тезису (что реально AI/onchain/зачем токен и на каких источниках это основано).
Это не является финансовой рекомендацией и не является советом покупать/продавать/держать актив. Мы не оцениваем цену, доходность, тайминг входа/выхода.
Выводы основаны на публично доступных материалах, обнаруженных на дату проверки. Отсутствие подтверждения не означает отсутствие технологии.

TL;DR (для тех, кто не про ИИ)

• Что это: движок/протокол, который оценивает ответы AI‑агентов и выдаёт “performance score”, записывая результаты ончейн для верификации.
• Для кого: разработчики/операторы AI‑агентов и команды, которым нужны проверяемые метрики качества/надёжности ответов.
• Зачем ончейн/токен: Tier‑1 litepaper: результаты оценок хранятся в Chromia (gas‑free relational blockchain) как неизменяемый публичный журнал; Tier‑1: отчёты по оценкам оплачиваются токеном $EVAL (subscription model).
• Что можно потрогать (Tier‑1): Playground для оценки ответов (например, “Evaluate Reply Tweet”).

Как это работает (очень кратко)

1. Пользователь делает: отправляет запрос на оценку (evaluation request) для конкретного ответа агента.
2. Система делает: прогоняет “LLM‑as‑a‑judge” оценку по нескольким критериям, агрегирует в composite score (weighted average), добавляет engagement‑сигналы (по litepaper) и формирует отчёт.
3. Пользователь получает: оценку/скор и историю оценок (analytics/benchmarking).
4. Где блокчейн: финальные результаты оценки сохраняются ончейн в Chromia для прозрачности/аудитируемости (Tier‑1).
5. Роль токена (если есть): $EVAL используется для оплаты evaluation reports по подписочной модели; также в litepaper описано взаимодействие $EVAL ↔ $CHR для вычислительных ресурсов.

Быстрые ссылки: AI‑соответствие

Паспорт проекта

Поле	Значение
Название проекта	EVAL Engine
Также известен как (aliases)	Evaluation Validation Architecture; EVAL Engine
Лого (logo)	—
Символ токена (ticker)	EVAL
Категория	AI/Analytics | Infra
Основная сеть (chain)	Base
Тип	non-EVM
Статус сети	mainnet
Консенсус (consensus)	PoS (Base; Ethereum L2)
Дата запуска (launch_date)	—
Статус проекта (status)	активен
Токен (стандарт)	ERC-20
Контракт токена	0xdd78523217390bb0d49c7601e7e54c36d71622f0
Модель токена (token_type)	utility (subscription fees for evaluation reports)
Макс. предложение	1 000 000 000 EVAL (max total supply, BaseScan)
Эмиссия	fixed cap (max supply)
Токеномика (tokenomics, кратко)	Litepaper: evaluation reports оплачиваются в $EVAL (subscription model).
Управление	—
Админы/ключи	—
Аудит	—
Bug bounty	—
Команда (team)	Johnson Lai; Prem Kumar (авторы litepaper)
Финансирование (investors/funding)	—
AI‑компонент (ai_component)	LLM-as-a-judge agent answer evaluation
Use‑case (use_case)	on-chain verification of AI agent quality
DecAI Fit — AI‑соответствие (AI thesis fit)	5/6 — высокое соответствие тезису Decentralized AI
Итог по компонентам DecAI Fit	ai_score 3 / onchain_score 3 / token_score 1 / evidence_score 3
Last verified	2026-02-11

Ссылки (links_*)

Тип	Ссылка
Website	https://evalengine.ai/
Docs	https://eval-engine.gitbook.io/eval-engine
GitHub	—
Releases / Changelog	—
Whitepaper	https://evalengine.ai/litepaper
Roadmap	—
Security advisories	—
Explorer	https://basescan.org/token/0xdd78523217390bb0d49c7601e7e54c36d71622f0
App / Demo	https://www.evalengine.ai/playground/tweets
X	https://twitter.com/Eval_Engine
Discord	—
Telegram	—
Medium	—
Audit report(s)	—
Bug bounty	—
CoinGecko (профиль, справочно)	—
CoinMarketCap (профиль, справочно)	https://coinmarketcap.com/currencies/eval-engine/

Общее описание проекта

EVAL Engine (Evaluation Validation Architecture) позиционируется как децентрализованный фреймворк для оценки AI‑агентов с фокусом на crypto‑native агентов (CT/social agents). В litepaper отдельно подчёркивается проблема отсутствия метрик и риска галлюцинаций без стандартизированной оценки, а также цель — сделать оценки проверяемыми и аудитируемыми через хранение результатов onchain (Chromia).

По Tier‑1 источникам проект предоставляет “playground” для оценки (например, качество ответов на твиты) и описывает архитектуру: многомодельная оценка (LLM judges), агрегация score, хранение результатов в Chromia и связанный токеновый слой для оплаты evaluation reports.

Фичи/модули

• Playground: оценка качества ответов (Evaluate Reply Tweet) и другие сценарии.
• Benchmarking / Analytics: история оценок и сравнение.
• LLM‑powered judges: multi‑LLM оценка по критериям (truthfulness/creativity/accuracy/engagement).
• Onchain storage: запись результатов оценок в Chromia (gas‑free relational blockchain).

Типичные сценарии

• Сценарий 1: разработчик отправляет ответ агента на оценку → получает score/отчёт → видит историю в analytics.
• Сценарий 2: команда сравнивает версии агента/моделей через benchmarking → получает сопоставимый результат.

Как начать (кошелёк/сеть)

• Что нужно: доступ к веб‑интерфейсу (playground); при оплате evaluation reports — токены $EVAL (по litepaper).
• Сеть/chain: Base (токен) и Chromia (storage результатов оценок, по litepaper).
• Комиссии: Base gas возникает при onchain‑операциях с токеном; в litepaper заявляется gas‑free storage на Chromia для результатов оценок.

Архитектура/техника (без AI)

• Компоненты (по litepaper): ingestion layer (API), evaluation engine (оркестрация), слой хранения/контрактов в Chromia, engagement module.
• Роли участников: клиенты (агенты/команды), evaluation engine (провайдер оценки), onchain storage (Chromia).
• Где выполняется логика: вычисление оценки — offchain; запись результатов и их неизменяемость — onchain (Chromia), токен — onchain (Base).
• Зависимости: Chromia (FT4), web/API слой; провайдеры LLM inference (упомянуты Hyperbolic/Groq в litepaper).

Токен/экономика (развернуто, без прогнозов)

• Утилити токена: litepaper: каждый evaluation report оплачивается в $EVAL (subscription model).
• Источники необходимости в протоколе: токеновый слой описан как платёжный механизм доступа к оценкам (evaluation service).
• Кто платит комиссии: пользователи/клиенты, когда оплачивают услуги и/или делают onchain‑операции с токеном.
• Куда идут комиссии: не установлено по Tier‑1 (модель распределения fees не описана явно).
• Эмиссия/сжигание: max total supply 1B EVAL (Tier‑1: BaseScan).
• Механизмы безопасности/стимулов: litepaper описывает “double‑signed transactions” для хранения результатов (клиент + провайдер), но onchain‑экономика стимулов/слэшинга не раскрыта.
• Распределение и график выпуска токенов: не установлено по Tier‑1.
• Казначейство: не установлено по Tier‑1.

Управление

• Кто принимает решения: не установлено по Tier‑1.
• Как меняются параметры протокола: не установлено по Tier‑1.
• Где обсуждают/принимают решения: не установлено по Tier‑1.
• Ключи/мультисиг: не установлено по Tier‑1.

Безопасность и инциденты

• Аудиты: не найдено по Tier‑1.
• Bug bounty: не найдено по Tier‑1.
• Инциденты: —.
• Модель угроз: риски “LLM‑as‑a‑judge” (prompt injection/манипуляции), качество данных engagement, доверие к провайдерам inference; в litepaper упоминается уязвимость single‑prompt scoring и мотивация multi‑LLM approach.

Статус проекта и таймлайн

• Текущий статус: активен (публичный сайт и playground).
• Ключевые релизы/вехи: —.
• Roadmap: описан в litepaper (раздел Roadmap).

Экосистема/интеграции

• Интеграции: web‑playground; упоминается Chromia; провайдеры inference (Hyperbolic/Groq) и engagement‑метрики X/Twitter (по litepaper).
• Партнёры: —.
• Где реально используется: playground и “evaluate reply tweet” сценарий (Tier‑1).

Ai составляющая проекта

• Что здесь реально ИИ? multi‑LLM “LLM‑as‑a‑judge” система, которая оценивает ответы AI‑агентов по нескольким критериям и агрегирует score (Tier‑1 litepaper).
• Что реально onchain? хранение результатов оценок в Chromia (по litepaper) + токен $EVAL (ERC‑20) в сети Base.
• Зачем нужен токен? litepaper: оплата evaluation reports по подписочной модели в $EVAL.
• Красные флаги (по найденной информации): зависимость от провайдеров inference и качества engagement‑сигналов; отсутствие публичных деталей про экономику стимулов/слэшинга; риск “judge hacking” при недостаточном разнообразии/защите оценщиков.

Итог по компонентам DecAI Fit

• DecAI Fit: 5/6 — высокое соответствие тезису Decentralized AI

Компонент	Уровень	Score
AI reality	высоко	3
Onchain necessity	высоко	3
Token necessity	низко	1
Evidence	Tier‑1 есть	3

Подробнее

AI reality

AI_0 — намерения про AI (roadmap Tier‑1) (1/0)

• AI_0 (decision): 0
• Claim (1 строка): AI описан как работающая часть продукта (оценка AI‑агентов), а не только intent/roadmap.
• Evidence: Tier‑1 — https://www.evalengine.ai/ ; https://www.evalengine.ai/litepaper
• Why sufficient / why not (1 строка): AI_0 не добавляет сигнала, когда Tier‑1 уже описывает функционирующий AI‑компонент.
• Conflict note (если есть): —

AI_1 — что делает ИИ (1/0)

• AI_1 (decision): 1
• Claim (1 строка): Система оценивает ответы AI‑агентов через multi‑LLM judges и выдаёт composite score по критериям качества.
• Evidence: Tier‑1 — https://www.evalengine.ai/litepaper ; https://www.evalengine.ai/
• Why sufficient / why not (1 строка): Tier‑1 описывает назначение и механику оценки (LLM‑as‑a‑judge + weighted scoring).
• Conflict note (если есть): —

AI_2 — демо/примеры (1/0)

• AI_2 (decision): 1
• Claim (1 строка): Есть публичный playground (Evaluate Reply Tweet) для оценки качества ответов.
• Evidence: Tier‑1 — https://www.evalengine.ai/playground/tweets ; https://www.evalengine.ai/
• Why sufficient / why not (1 строка): Это воспроизводимая demo surface, позволяющая запускать оценку через веб‑интерфейс.
• Conflict note (если есть): —

AI_3 — метрики/качество (1/0)

• AI_3 (decision): 1
• Метрики: composite score (weighted average по критериям); заявлены latency и модельные метрики/критерии (accuracy/creativity/truthfulness/engagement).
• Контекст (версия/дата/на чём мерили): описание математической модели и примеры latency провайдеров в litepaper.
• Evidence: Tier‑1 — https://www.evalengine.ai/litepaper
• Why sufficient / why not (1 строка): Tier‑1 содержит количественные элементы оценки (формулы, критерии, latency‑пример).
• Conflict note (если есть): —

AI_4 — техописание/архитектура/версии (1/0)

• AI_4 (decision): 1
• Claim (1 строка): В litepaper описана архитектура системы (ingestion layer, evaluation engine, storage & smart contract layer, engagement module) и процесс flow.
• Evidence: Tier‑1 — https://www.evalengine.ai/litepaper ; https://eval-engine.gitbook.io/eval-engine
• Why sufficient / why not (1 строка): Есть Tier‑1 техописание архитектурных компонентов и потока данных.
• Conflict note (если есть): —

Onchain necessity

OC_1 — контракты/адреса/сеть (1/0)

• OC_1 (decision): 1
• Сеть: Base (token) + Chromia (storage, по litepaper)
• Адреса/идентификаторы: token contract 0xdd78523217390bb0d49c7601e7e54c36d71622f0
• Evidence: Tier‑1 — https://basescan.org/token/0xdd78523217390bb0d49c7601e7e54c36d71622f0 ; https://www.evalengine.ai/litepaper
• Why sufficient / why not (1 строка): Есть onchain‑артефакт (token contract) и Tier‑1 описание onchain‑хранения результатов (Chromia).
• Conflict note (если есть): —

OC_2 — onchain не только токен (1/0)

• OC_2 (decision): 1
• Какая полезная логика onchain: хранение результатов оценки как публичного неизменяемого журнала в Chromia (gas‑free relational blockchain), плюс “double‑signed” подтверждение транзакций (client + engine) в описании.
• Evidence: Tier‑1 — https://www.evalengine.ai/litepaper
• Why sufficient / why not (1 строка): Onchain используется как слой доказуемости/аудитируемости результатов, а не только как выпуск токена.
• Conflict note (если есть): —

OC_3 — onchain критичен (1/0)

• OC_3 (decision): 1
• Тест “замены блокчейна”: без ончейна теряется ключевое свойство “verifiable results / immutable history”: нельзя trustless‑проверить, что score и история оценок не были подменены.
• Evidence: Tier‑1 — https://www.evalengine.ai/litepaper
• Why sufficient / why not (1 строка): Litepaper формулирует on‑chain хранение как основу прозрачности/верифицируемости.
• Conflict note (если есть): —

Token necessity

TK_0 — токена нет (1/0)

• TK_0 (decision): 0
• Claim (1 строка): В проекте есть токен $EVAL (ERC‑20) в сети Base.
• Evidence: Tier‑1 — https://basescan.org/token/0xdd78523217390bb0d49c7601e7e54c36d71622f0
• Why sufficient / why not (1 строка): Explorer подтверждает токен‑контракт.
• Conflict note (если есть): —

TK_1..TK_4 (1/0)

TK_1 — платёж за сервис (1/0)

• TK_1 (decision): 1
• Claim (1 строка): Litepaper: каждый evaluation report оплачивается токеном $EVAL через subscription model.
• Evidence: Tier‑1 — https://www.evalengine.ai/litepaper
• Why sufficient / why not (1 строка): Это прямое Tier‑1 описание token‑as‑payment механики.
• Conflict note (если есть): —

TK_2 — стимулы/залоги/штрафы (1/0)

• TK_2 (decision): 0
• Claim (1 строка): Протокольные стимулы/залоги/штрафы, требующие токен $EVAL, не установлены по Tier‑1.
• Evidence: Tier‑1 — https://www.evalengine.ai/litepaper
• Why sufficient / why not (1 строка): Litepaper описывает оплату и conversion к $CHR, но не описывает slashing/staking‑механику как обязательную часть протокола.
• Conflict note (если есть): —

TK_3 — управление (1/0)

• TK_3 (decision): 0
• Claim (1 строка): Governance‑использование токена $EVAL не установлено по Tier‑1.
• Evidence: Tier‑1 — https://www.evalengine.ai/litepaper
• Why sufficient / why not (1 строка): В текущем litepaper нет спецификации DAO/голосований.
• Conflict note (если есть): —

TK_4 — токен заменим (1/0)

• TK_4 (decision): 0
• Claim (1 строка): Заменимость токена не установлена по Tier‑1.
• Evidence: Tier‑1 — https://www.evalengine.ai/litepaper
• Why sufficient / why not (1 строка): Есть платёжная модель в $EVAL, но нет формального теста “можно заменить на X без потери смысла”.
• Conflict note (если есть): —

Evidence (таблица)

Tier	Источник	Что доказывает
Tier‑1	https://www.evalengine.ai/litepaper	Архитектура, onchain‑хранение результатов (Chromia), математика score и token utility (subscription model in $EVAL).
Tier‑1	https://www.evalengine.ai/	Описание продукта и ссылок на playground/benchmarking/analytics.
Tier‑1	https://www.evalengine.ai/playground/tweets	Demo surface: оценка качества ответов (Evaluate Reply Tweet).
Tier‑1	https://basescan.org/token/0xdd78523217390bb0d49c7601e7e54c36d71622f0	Onchain‑факт: ERC‑20 токен $EVAL в сети Base, max total supply 1B.
Tier‑1	https://eval-engine.gitbook.io/eval-engine	Tier‑1 docs: обзор “decentralized framework for evaluating AI agents” и Chromia storage (контекст).
Tier‑2	https://coinmarketcap.com/currencies/eval-engine/	Справочный профиль токена (не доказательство утилити).