الآن نستخدم النموذج الكبير، والجميع اعتادوا على الدفع حسب次数، حسب Token.
لكن هناك مشكلة لم تُناقش بجدية: ماذا يحصل عليه المستخدم عندما ينفق المال؟ هل هي فقرة نصية، أم استنتاج من نموذج يمكن إثبات حدوثه بشكل حقيقي؟
معظم واجهات البرمجة التطبيقية (APIs) تعطيك النتائج فقط. أما ما الذي حدث في الخلفية من نموذج، وما إذا كان هناك تلميحات مخفية، وما إذا كانت الردود قد تم تعديلها مرة أخرى، فالمستخدم العادي لا يعرف شيئًا عن ذلك.
وهذا هو ما يجعل استنتاج x402 LLM من OpenGradient مثيرًا للاهتمام.
إنه لا يقدم فقط نقطة دفع، بل يربط بين الدفع، واستدعاء النموذج، والتوقيع، والسجلات على السلسلة. يدفع المستخدمون رسوم الاستنتاج باستخدام $OPG ، وكل استدعاء يترك سجلًا يمكن تدقيقه.
بصراحة، في السابق كنت تدفع مقابل "الإيمان بإجابة المنصة"، الآن تحاول شراء "الإجابة مع إيصال التنفيذ".
هذا التغيير قد يبدو غير ملحوظ في الدردشات العادية، لكن في سياقات تدقيق الشركات، والوكالات المالية، ومعالجة المنازعات، يكون الفرق كبيرًا.
على سبيل المثال، إذا قامت الذكاء الاصطناعي بتوليد تقرير مخاطر لشركة، وظهرت مشكلة لاحقًا، في الماضي كان عليك العودة إلى سجلات الخلفية، وحتى لا تعرف ما إذا كانت السجلات كاملة. إذا كان هناك توقيع وسجل على السلسلة خلال عملية الاستدعاء، على الأقل يمكنك تأكيد أي نموذج تم استخدامه، ومتى تم التنفيذ، وما إذا كانت النتائج قد تم تعديلها.
أعتقد أن هذه هي الطبقة التي يجب أن تضيفها المدفوعات للذكاء الاصطناعي في المستقبل. السعر الرخيص بالطبع مهم، لكن بالنسبة للمهام عالية المخاطر، القدرة على إثبات "أن المال قد اشترى الخدمة المحددة" هو أكثر أهمية من توفير بضعة قروش.
هناك أيضًا مخاطر. السجلات على السلسلة، والتحقق من TEE، وتسوية المدفوعات ستزيد من تعقيد النظام، وقد لا يكون المستخدمون على استعداد لتحمل تكلفة أعلى لكل محادثة عادية.
لذا لا يمكن أن تتحدث OpenGradient عن القابلية للتحقق فقط، بل يجب أن تجعل الرسوم والتجربة طبيعية بما فيه الكفاية. لن يقوم المستخدمون بالنقر خمس مرات من أجل تأكيد فكرة تقنية.
لكن إذا تمكنت من جعلها سلسة مثل واجهة API العادية، مع التأكد من أن كل استنتاج مدفوع يحتوي على إيصال، فإن خدمات الذكاء الاصطناعي لن تبيع مجرد إجابات، بل ستبيع نوعًا من النتائج الحسابية القابلة للمسائلة.
$OPG @OpenGradient #OPG
لكن هناك مشكلة لم تُناقش بجدية: ماذا يحصل عليه المستخدم عندما ينفق المال؟ هل هي فقرة نصية، أم استنتاج من نموذج يمكن إثبات حدوثه بشكل حقيقي؟
معظم واجهات البرمجة التطبيقية (APIs) تعطيك النتائج فقط. أما ما الذي حدث في الخلفية من نموذج، وما إذا كان هناك تلميحات مخفية، وما إذا كانت الردود قد تم تعديلها مرة أخرى، فالمستخدم العادي لا يعرف شيئًا عن ذلك.
وهذا هو ما يجعل استنتاج x402 LLM من OpenGradient مثيرًا للاهتمام.
إنه لا يقدم فقط نقطة دفع، بل يربط بين الدفع، واستدعاء النموذج، والتوقيع، والسجلات على السلسلة. يدفع المستخدمون رسوم الاستنتاج باستخدام $OPG ، وكل استدعاء يترك سجلًا يمكن تدقيقه.
بصراحة، في السابق كنت تدفع مقابل "الإيمان بإجابة المنصة"، الآن تحاول شراء "الإجابة مع إيصال التنفيذ".
هذا التغيير قد يبدو غير ملحوظ في الدردشات العادية، لكن في سياقات تدقيق الشركات، والوكالات المالية، ومعالجة المنازعات، يكون الفرق كبيرًا.
على سبيل المثال، إذا قامت الذكاء الاصطناعي بتوليد تقرير مخاطر لشركة، وظهرت مشكلة لاحقًا، في الماضي كان عليك العودة إلى سجلات الخلفية، وحتى لا تعرف ما إذا كانت السجلات كاملة. إذا كان هناك توقيع وسجل على السلسلة خلال عملية الاستدعاء، على الأقل يمكنك تأكيد أي نموذج تم استخدامه، ومتى تم التنفيذ، وما إذا كانت النتائج قد تم تعديلها.
أعتقد أن هذه هي الطبقة التي يجب أن تضيفها المدفوعات للذكاء الاصطناعي في المستقبل. السعر الرخيص بالطبع مهم، لكن بالنسبة للمهام عالية المخاطر، القدرة على إثبات "أن المال قد اشترى الخدمة المحددة" هو أكثر أهمية من توفير بضعة قروش.
هناك أيضًا مخاطر. السجلات على السلسلة، والتحقق من TEE، وتسوية المدفوعات ستزيد من تعقيد النظام، وقد لا يكون المستخدمون على استعداد لتحمل تكلفة أعلى لكل محادثة عادية.
لذا لا يمكن أن تتحدث OpenGradient عن القابلية للتحقق فقط، بل يجب أن تجعل الرسوم والتجربة طبيعية بما فيه الكفاية. لن يقوم المستخدمون بالنقر خمس مرات من أجل تأكيد فكرة تقنية.
لكن إذا تمكنت من جعلها سلسة مثل واجهة API العادية، مع التأكد من أن كل استنتاج مدفوع يحتوي على إيصال، فإن خدمات الذكاء الاصطناعي لن تبيع مجرد إجابات، بل ستبيع نوعًا من النتائج الحسابية القابلة للمسائلة.
$OPG @OpenGradient #OPG
