#opg $OPG Gestern wollte ich ChatGPT nutzen, um eine Finanzberichtsanalyse vorzunehmen. Ich habe zwei Absätze eingefügt, und ein Popup-Fenster meldete, dass der Inhalt sensible Informationen betreffe und ich ihn lieber nicht hochladen soll. Ich war kurz perplex und zog alles wieder zurück.
Das hat mich ziemlich irritiert. Wenn ich KI für die Arbeit einsetze, muss ich dann auch noch befürchten, dass meine Daten vom Anbieter zum Training genutzt oder offengelegt werden. Klar: Dieses Tool nimmt Geld, aber man kann ihm nicht wirklich vollständig vertrauen.
Später bin ich in die Dokumentation von OpenGradient vertieft und es entwirft ein System zur TEE-Verifikation. Der Prompt, den du dem Modell gibst, wird im Browser verschlüsselt und dann über ein Oblivious-HTTP-Relay weitergeleitet. Das Relay kann deine IP sehen, aber nicht den Inhalt. Das Downstream-Gateway kann nur den verschlüsselten Inhalt sehen, aber nicht, wer du bist. Schließlich wird in der TEE-Hardware entschlüsselt und ausgeführt. Währenddessen wird ein Remote-Nachweis erzeugt, den du selbst prüfen kannst – ohne irgendeiner Partei blind zu vertrauen.
Ich habe mir auch genau das Design seines x402-Payment-Gateways angesehen: Jede Inferenzanfrage läuft über Mikrozahlungen. $OPG wird nach Aufrufhäufigkeit abgerechnet. Du zahlst also genau den Preis entsprechend dem Modell, das du nutzen willst – nicht nach einem Monatsabo, bei dem du unabhängig davon zahlst, ob es genutzt wird. Für Leute, die KI nur gelegentlich verwenden, ist dieses nutzungsbasierte Bezahlen insgesamt deutlich günstiger.
Zum Vergleich: In traditionellen Setups bindet ein API-Aufruf von GPT oder Claude jede Abrechnung direkt an deine Identität und den Inhalt der Anfrage. Wenn die Plattform wissen will, wonach du gefragt hast, kann sie jederzeit deine Aufzeichnungen einsehen. OpenGradient trennt Identität und Inhalt vollständig: Das Gateway erhält verschlüsselte Anfragen und weiß überhaupt nicht, wer fragt – es erkennt nur, dass eine Zahlung von $OPG eingegangen ist, um die Inferenz auszuführen.
$ETH
Das „Big-Pie“-Thema löst das Problem der Wertübertragung ohne Vertrauen in einen Mittelsmann. „Ethereum“ löst das Problem der Codeausführung ohne Vertrauen in einen Dritten. Was OpenGradient macht, ist im Kern: Auch bei KI-Inferenz muss man dem Serviceanbieter nicht vertrauen. Du musst nicht glauben, dass er deinen Prompt nicht heimlich mitliest – denn das technische Architekturdesign lässt ihm schlicht keinen Platz dafür.
$BTC
Natürlich muss ich auch ehrlich etwas dazu sagen: TEE selbst ist abhängig von der Hardware-Sicherheit der Chip-Hersteller. Wenn beispielsweise Intel oder AMDs SGX mit einer Schwachstelle herauskommen sollte, würde das das gesamte Vertrauensmodell beeinträchtigen. Zwar ist die Wahrscheinlichkeit sehr gering, aber ein theoretisches Risiko bleibt. Außerdem muss man bei x402-Mikrozahlungen für hochfrequente kleine Anfragen noch prüfen, wie effizient das in echten Lastszenarien ist – dafür braucht es mehr echte Verkehrsbeobachtungen. Ich werde ein paar Monate abwarten und schauen, wie sich diese Punkte dann unter realen Belastungen verhalten.@OpenGradient
Das hat mich ziemlich irritiert. Wenn ich KI für die Arbeit einsetze, muss ich dann auch noch befürchten, dass meine Daten vom Anbieter zum Training genutzt oder offengelegt werden. Klar: Dieses Tool nimmt Geld, aber man kann ihm nicht wirklich vollständig vertrauen.
Später bin ich in die Dokumentation von OpenGradient vertieft und es entwirft ein System zur TEE-Verifikation. Der Prompt, den du dem Modell gibst, wird im Browser verschlüsselt und dann über ein Oblivious-HTTP-Relay weitergeleitet. Das Relay kann deine IP sehen, aber nicht den Inhalt. Das Downstream-Gateway kann nur den verschlüsselten Inhalt sehen, aber nicht, wer du bist. Schließlich wird in der TEE-Hardware entschlüsselt und ausgeführt. Währenddessen wird ein Remote-Nachweis erzeugt, den du selbst prüfen kannst – ohne irgendeiner Partei blind zu vertrauen.
Ich habe mir auch genau das Design seines x402-Payment-Gateways angesehen: Jede Inferenzanfrage läuft über Mikrozahlungen. $OPG wird nach Aufrufhäufigkeit abgerechnet. Du zahlst also genau den Preis entsprechend dem Modell, das du nutzen willst – nicht nach einem Monatsabo, bei dem du unabhängig davon zahlst, ob es genutzt wird. Für Leute, die KI nur gelegentlich verwenden, ist dieses nutzungsbasierte Bezahlen insgesamt deutlich günstiger.
Zum Vergleich: In traditionellen Setups bindet ein API-Aufruf von GPT oder Claude jede Abrechnung direkt an deine Identität und den Inhalt der Anfrage. Wenn die Plattform wissen will, wonach du gefragt hast, kann sie jederzeit deine Aufzeichnungen einsehen. OpenGradient trennt Identität und Inhalt vollständig: Das Gateway erhält verschlüsselte Anfragen und weiß überhaupt nicht, wer fragt – es erkennt nur, dass eine Zahlung von $OPG eingegangen ist, um die Inferenz auszuführen.
$ETH
Das „Big-Pie“-Thema löst das Problem der Wertübertragung ohne Vertrauen in einen Mittelsmann. „Ethereum“ löst das Problem der Codeausführung ohne Vertrauen in einen Dritten. Was OpenGradient macht, ist im Kern: Auch bei KI-Inferenz muss man dem Serviceanbieter nicht vertrauen. Du musst nicht glauben, dass er deinen Prompt nicht heimlich mitliest – denn das technische Architekturdesign lässt ihm schlicht keinen Platz dafür.
$BTC
Natürlich muss ich auch ehrlich etwas dazu sagen: TEE selbst ist abhängig von der Hardware-Sicherheit der Chip-Hersteller. Wenn beispielsweise Intel oder AMDs SGX mit einer Schwachstelle herauskommen sollte, würde das das gesamte Vertrauensmodell beeinträchtigen. Zwar ist die Wahrscheinlichkeit sehr gering, aber ein theoretisches Risiko bleibt. Außerdem muss man bei x402-Mikrozahlungen für hochfrequente kleine Anfragen noch prüfen, wie effizient das in echten Lastszenarien ist – dafür braucht es mehr echte Verkehrsbeobachtungen. Ich werde ein paar Monate abwarten und schauen, wie sich diese Punkte dann unter realen Belastungen verhalten.@OpenGradient