اكتشفت أن مشروع @OpenGradient OpenGradient يتمتع بوضوح بواجهة، إذ إنه يقوم مباشرة بربط ChatGPT وClaude وGemini وGrok وغيرها من النماذج المتقدمة، كما يمكنه دعم بحث الويب في الوقت الحقيقي وتوليد الصور دون رقابة. ثم في 22 مايو تم إدراج تداول OPG الفوري في بينانس؛ وبعد ذلك في 15 يونيو، أدرجت منصة Upbit الرائدة في إحدى الدول أيضاً أزواج تداول OPG. أعتقد أنه عندما ينتقل الذكاء الاصطناعي القابل للتحقق من المفهوم إلى الحياة اليومية للناس، فإن كل استنتاج تقوم به يستهلك OPG. طالما أن عدد مستخدمي الذكاء الاصطناعي يزداد، فإن الطلب على توكنه يصبح أكثر صلابة. وأرى أن هذا هو سبب استحقاقه أن يواصل الجميع، وخاصة المستثمرين الواسعين، متابعته، وهو أيضاً مصدر نموه.
وأعتقد أنه إذا قسمنا مشاريع الذكاء الاصطناعي اللامركزية وفقاً للخط الرِوَتِي (المسار)، فإن Bittensor أرى أنه يسلك مسار تدريب النماذج والمنافسة على الحوافز. ومن الواضح أن @OpenGradient يفعل شيئاً آخر: إذ إنه يقوم بالتحقق من استدلال/استنتاج الذكاء الاصطناعي والتدقيق (الـ审计). والفرق الجوهري بينهما برأيي هو أن الأول يركز على مدى جودة النموذج، بينما الثاني يركز على مدى صحة النتيجة. #OPG $OPG
لقد حللتُ بنية HACA الخاصة بهم وفككتها إلى جانبين: تنفيذ الذكاء الاصطناعي والتحقق. فعقد الاستدلال يقوم بتشغيل النموذج لتوليد البراهين، بينما تتحقق العقد بالكامل من البراهين فقط دون إعادة تشغيل النموذج. ويمكنه دعم نمطين للتحقق: TEE وZKML. وفي سيناريوهاتنا اليومية نستخدم TEE لإثبات مصادقة عن بُعد بأن كود البيئة لم يتم العبث به؛ وفي بعض السيناريوهات عالية المخاطر نستخدم ZKML لإجراء تحقق رياضي أكثر صرامة. أعتقد أن تصميم الفصل هذا لا يحافظ فقط على سرعة الاستجابة على مستوى Web2، بل يعيد أيضاً الثقة إلى السلسلة.
وعلى مستوى البيانات، نرى أن سرعة تطبيق هذه البنية على أرض الواقع ممتازة. في فبراير 2026 رأيت أن المشروع أنجز ترقية محورية، إذ قام بإدخال بروتوكول x402 مباشرة داخل TEE، وبذلك أزال افتراضات الثقة المتعلقة بالوسيط المالي المركزي. وحتى يونيو 2026، رأيت أن الشبكة قد عالجت أكثر من 2 مليون مرة من الاستدلال القابل للتحقق، وولدت أكثر من 500 ألف نسخة من البراهين التشفيرية، كما تم نشر أكثر من 4400 نموذج ذكاء اصطناعي. أليس هذا مذهلاً.
إجمالي كمية OPG هو 1 مليار، وقيمة التداول المتداولة حالياً 190 مليون فقط، أي أقل من 20% منه. في الأيام القادمة، عندما يبدأ الذكاء الاصطناعي في إدارة أموالك نيابةً عنك والموافقة على طلبات القروض، أعتقد أن @OpenGradient هو بالفعل الطلب الحقيقي (الاستخدام الضروري) غير المرن. #opg $OPG
وأعتقد أنه إذا قسمنا مشاريع الذكاء الاصطناعي اللامركزية وفقاً للخط الرِوَتِي (المسار)، فإن Bittensor أرى أنه يسلك مسار تدريب النماذج والمنافسة على الحوافز. ومن الواضح أن @OpenGradient يفعل شيئاً آخر: إذ إنه يقوم بالتحقق من استدلال/استنتاج الذكاء الاصطناعي والتدقيق (الـ审计). والفرق الجوهري بينهما برأيي هو أن الأول يركز على مدى جودة النموذج، بينما الثاني يركز على مدى صحة النتيجة. #OPG $OPG
لقد حللتُ بنية HACA الخاصة بهم وفككتها إلى جانبين: تنفيذ الذكاء الاصطناعي والتحقق. فعقد الاستدلال يقوم بتشغيل النموذج لتوليد البراهين، بينما تتحقق العقد بالكامل من البراهين فقط دون إعادة تشغيل النموذج. ويمكنه دعم نمطين للتحقق: TEE وZKML. وفي سيناريوهاتنا اليومية نستخدم TEE لإثبات مصادقة عن بُعد بأن كود البيئة لم يتم العبث به؛ وفي بعض السيناريوهات عالية المخاطر نستخدم ZKML لإجراء تحقق رياضي أكثر صرامة. أعتقد أن تصميم الفصل هذا لا يحافظ فقط على سرعة الاستجابة على مستوى Web2، بل يعيد أيضاً الثقة إلى السلسلة.
وعلى مستوى البيانات، نرى أن سرعة تطبيق هذه البنية على أرض الواقع ممتازة. في فبراير 2026 رأيت أن المشروع أنجز ترقية محورية، إذ قام بإدخال بروتوكول x402 مباشرة داخل TEE، وبذلك أزال افتراضات الثقة المتعلقة بالوسيط المالي المركزي. وحتى يونيو 2026، رأيت أن الشبكة قد عالجت أكثر من 2 مليون مرة من الاستدلال القابل للتحقق، وولدت أكثر من 500 ألف نسخة من البراهين التشفيرية، كما تم نشر أكثر من 4400 نموذج ذكاء اصطناعي. أليس هذا مذهلاً.
إجمالي كمية OPG هو 1 مليار، وقيمة التداول المتداولة حالياً 190 مليون فقط، أي أقل من 20% منه. في الأيام القادمة، عندما يبدأ الذكاء الاصطناعي في إدارة أموالك نيابةً عنك والموافقة على طلبات القروض، أعتقد أن @OpenGradient هو بالفعل الطلب الحقيقي (الاستخدام الضروري) غير المرن. #opg $OPG
