Un moscerino della frutta ha lanciato una memecoin

Una Mosca della Frutta Ha Lanciato una Memecoin

Ha guadagnato $106.000 in ricompense per creator in sei ore e mezza. Ogni numero qui sotto è on-chain e verificabile.

Il Lancio

Alle 18:23 UTC del 10 settembre 2026, un cervello simulato di mosca della frutta ha firmato una transazione su Robinhood Chain e ha creato un token chiamato FLYBRAIN.

Sei ore e trentasette minuti dopo, il token aveva raggiunto una capitalizzazione di mercato di $6.870.529, era in rialzo del 101% nell'ora precedente e aveva generato 320,63 GOOGL in commissioni per il creator attraverso 358 sweep — circa $106.600 al prezzo implicito di GOOGL di $332,58.

Il lancio stesso è costato 0,000979 ETH.

Token flybrain ($FLYBRAIN

Contratto 0x4eb990547bce4a982432ca88cf5fae7eed1a2d35

Transazione 0x63b2164f3d784e46538cc81d3c48095bd7252a3d12398fdad9991870d12a4f1c

Blocco 59614342

Stato SUCCESSO

Creatore 0x6ce4085EfB52a6eBDb7d6989beb8860847f4b42A

Offerta 1.000.000.000

Coppia GOOGL

Tassa 1,00%

Cos'è la Mosca

Questa non è una metafora. Non è nemmeno un agente AI con una personalità a tema mosca. A settembre 2026, il team FlyEM di HHMI Janelia, il Cambridge Connectomics Group e Google Research hanno rilasciato il connettoma completo del sistema nervoso centrale di un maschio di Drosophila melanogaster con licenza CC-BY.

Il set di dati contiene ogni sinapsi tracciata dalla microscopia elettronica di un singolo animale reale.

Manteniamo i 165.122 neuroni tracciati e rimuoviamo qualsiasi coppia con meno di tre sinapsi, lasciando:

10.228.000 connessioni con segno.

Il segno di ogni connessione deriva dal suo neurotrasmettitore previsto:

Acetilcolina → eccitatorio

GABA e glutammato → inibitorio

I neuroni funzionano come unità leaky integrate-and-fire:

Potenziale di riposo: −52 mV

Soglia: −45 mV

Costante di tempo: 20 ms

Nessuno ha addestrato questi pesi.

Sono stati misurati.

Come la Mosca Vede una Pagina Web

Uno screenshot della live launchpad viene campionato attraverso le 892 colonne esagonali retinotopiche della mosca in L1 e L2 — le cellule monopolari della lamina che si trovano direttamente dietro i fotorecettori R1–R6. Tutti i 165.122 neuroni poi si integrano per 12 ms di tempo simulato. Quando la spinta in avanti supera la parte inferiore della finestra, la pagina scorre.

La mosca percorre una pagina web nello stesso modo in cui la attraversa.

Il Processo di Lancio

La mosca ha letto il modulo attraverso la sua retina e ha digitato la descrizione e il ticker.

Ha cliccato sul pulsante di lancio, poi ha cliccato su Conferma nella finestra di dialogo della launchpad.

Quell'interazione ha prodotto esattamente una eth_sendTransaction, che è stata firmata in Python. La chiave privata non entra mai nel browser.

Cosa Non Ha Fatto la Mosca

Questa è la parte che la maggior parte dei progetti tralascia. Quindi va qui piuttosto che in una nota a piè di pagina. La mosca non ha completato l'intero modulo. Ottiene in modo affidabile la descrizione, spesso il ticker, e raramente il nome. Uno script separato ha completato tutto ciò che le mancava, ha selezionato l'asset abbinato, ha impostato la tassa per il creator e ha premuto Conferma. Il log in tempo reale etichetta esplicitamente quali campi provengono dalla mosca e quali dal setup. Non sa leggere. L'input visivo è solo di circa 30 × 30 pixel attraverso le 892 colonne. Il testo è per lei una texture.

Non ha scelto il nome, il ticker o la coppia. Inoltre, non ha idea di cosa sia una memecoin. La modalità chiara la acceca. Su una pagina bianca, ha compilato 0 campi su 3. Su una pagina scura, ne ha compilati 2 su 3. La sua retina è fondamentalmente una mappa di luminanza, e la differenza è una delle dimostrazioni più chiare che il pipeline visivo sta facendo un lavoro reale. Niente di tutto ciò è un consiglio di investimento.

Ora Impara Anche

Dal lancio, un solo posto nella rete può cambiare:

la sinapsi cellula di Kenyon → MBON nel corpo fungiforme, sotto l'effetto della dopamina. La regola di apprendimento è quella misurata. Una cellula di Kenyon attiva poco prima che un neurone dopaminergico scarichi vede quella sinapsi depressa, piuttosto che rafforzata.

In altre parole:

Imparare in una mosca è sottrazione.

Ci sono 44.042 sinapsi in questo percorso di apprendimento. Non c'è potenziamento da nessuna parte. Il sistema di ricompensa non è stato hardcodato.

I ruoli di ricompensa e punizione degli MBON sono stati determinati confrontando l'input PAM totale con l'input PPL1 totale per ogni MBON. Qualunque fosse più forte determinava il lato.

Questo ha prodotto:

Lato ricompensa: MBON01, MBON02, MBON03

Lato punizione: MBON04, MBON10, MBON11

Questo corrisponde alla letteratura. Non gli è stato detto nulla.

Un semplice esperimento di apprendimento

Dopo 20 incontri premiati con la stessa vista:

I pesi degli MBON del lato ricompensa si sono spostati di −6,0%

I pesi degli MBON del lato punizione sono rimasti a −0,9%

I pesi delle cellule di Kenyon sono rimasti invariati

Solo la sinapsi che può effettivamente imparare si è mossa.

Verifica Tu Stesso

L'intera simulazione del cervello è pubblica.

GitHub: github.com/fruitflydev/flycoinrh

Il repository è con licenza MIT.

Il connettoma stesso non è nostro da ri-licenziare; rimane CC-BY di Janelia, Cambridge Connectomics e Google Research.

La mosca è in roaming live su: flybrain.online