Ao falar dos projetos de IA no ecossistema Sui, surgiram muitos nos últimos dois anos, mas quantos realmente conseguiram colocar um agente de IA na cadeia para rodar de forma prática? Pouquíssimos. A maior parte dos projetos fica na fase de validação de conceito — quando os parâmetros do modelo aumentam, o desempenho despenca, a latência de inferência explode, e os problemas de privacidade de dados também não são resolvidos. No final, a IA acaba sendo apenas um acessório para DeFi, jogos e redes sociais, não o protagonista.

O Talus AI é diferente. Desde o final de 2025, eles usam o Walrus como infraestrutura básica, construindo modelos de grande escala, conjuntos de dados dinâmicos e registros históricos na cadeia, permitindo que os agentes tomem decisões, façam negociações e interajam em tempo real. Todo o processo é descentralizado e totalmente verificável — isso não é uma simples melhoria, mas uma reinvenção da forma de interação inteligente no Web3.

O núcleo do Talus é o agente de IA, ou seja, uma cópia digital. O usuário define o objetivo, e o agente trabalha automaticamente — realizando arbitragem em DeFi, farmando equipamentos em jogos, publicando e interagindo nas redes sociais, e assim por diante. Antes, os agentes rodavam em servidores centralizados, operando de forma obscura, sem que ninguém soubesse como funcionava. Agora, isso mudou: os modelos residem no Walrus, as decisões são registradas na cadeia, e todo o processo de execução é transparente e rastreável. Assim, o agente deixa de ser uma entidade não confiável para se tornar confiável, permitindo auditorias em cada etapa e o usuário pode verificar o caminho da execução.

O papel central do Walrus aqui é atuar como o cérebro de dados. Os agentes precisam consumir uma quantidade enorme de históricos de transações na cadeia, sinais de mercado e preferências dos usuários — esses dados estão dispersos e são extremamente volumosos, algo que o armazenamento tradicional não consegue suportar. O Talus usa objetos blob do Walrus para organizar os dados, com os parâmetros do modelo armazenados em camadas — as camadas menores usam o Quilt, enquanto as maiores são armazenadas diretamente. Quando uma consulta é feita, o contrato Sui primeiro verifica se o blob está disponível, e depois realiza buscas paralelas.