#opg $OPG Zunächst eine kontraintuitive Einschätzung: OpenGradient will nicht das Problem lösen, dass „KI nicht leistungsfähig genug“ ist, sondern dass „KI nicht vertrauenswürdig“ ist. Nutzer können nicht unabhängig überprüfen, ob der Berechnungsprozess hinter den Anlageempfehlungen oder Handelssignalen eines LLM manipuliert wurde. Der Kerngedanke des Whitepapers besteht darin, diesen Prozess in eine „auditierbare Berechnung“ zu verwandeln.
I. HACA: Entkopplung von Ausführung und Verifizierung
Bei herkömmlichen Blockchains muss jeder Validierungsknoten jede Transaktion erneut ausführen – für KI-Inferenz ist das unrealistisch. Die HACA-Architektur von OpenGradient unterteilt das Netzwerk in drei Ebenen: Inferenzknoten (führen Modelle mit GPU+TEE aus und liefern Ergebnisse zurück; die Blockchain liegt nicht im kritischen Pfad), Vollknoten (verifizieren TEE-/ZKML-Nachweise und führen zugleich mithilfe des CometBFT-Konsenses das Ledger) und Datenknoten (beziehen externe Daten sicher innerhalb einer TEE). Validierungsknoten führen die Modelle nicht aus, sondern prüfen nur die Nachweise – das ist der Kern der Leistungsoptimierung.
II. Verifizierungsframework: ein Menü verschiedener Vertrauensstufen
Das Whitepaper sieht drei Verifizierungswege vor: TEE (AWS Nitro Enclaves; Attestierungsdokumente belegen, dass die Umgebung nicht manipuliert wurde; geeignet für LLMs und die meisten ML-Anwendungen), ZKML (Zero-Knowledge-Beweise mit mathematischer Deterministik, aber hohen Kosten; daher nur für risikoreiche ML-Inferenz) und Vanilla (ohne Nachweis, für Anwendungsfälle mit geringeren Anforderungen). Das x402-Zahlungsprotokoll ist bereits in jede TEE-Instanz integriert. Dadurch entfällt zentralisierte Middleware, und eine asynchrone Abwicklung wird ermöglicht: Nach einer Vorauszahlung werden Inferenzanfragen nicht durch die Blockchain blockiert.
III. Token und aktueller Stand
Das Gesamtangebot von OPG beträgt 1 Milliarde Token. Das TGE fand im April 2026 auf der Base-Blockchain statt; derzeit sind etwa 19 % im Umlauf. Der Token dient zur Bezahlung von Inferenzgebühren, für Staking und Slashing sowie für Governance-Abstimmungen. Die Anteile für Ökosystem, Beitragende und Investoren unterliegen jeweils langfristigen Sperrfristen (12 Monate Cliff + lineare Freigabe über 36 Monate), wodurch kurzfristiger Verkaufsdruck begrenzt wird. Das Netzwerk befindet sich derzeit in der Testnet-Phase und hat bereits mehr als 2 Millionen verifizierbare Inferenzen verarbeitet, über 2.000 Modelle gehostet und mehr als 500.000 Nachweise generiert.
Beobachtenswerte Risiken: Die TEE ist von AWS Nitro abhängig, wodurch ein Spannungsverhältnis zwischen Dezentralisierung und Zentralisierung entsteht; ZKML ist für LLMs derzeit noch nicht praktikabel, und die Abwägung zwischen „Kosten und Sicherheit“ bei der Verifizierung liegt bei den Entwicklern; in den kommenden zwei Jahren werden weiterhin Token freigegeben, weshalb das Netzwerkwachstum mit steigenden Einnahmen Schritt halten muss.
Wenn „Verifizierbarkeit“ zur Standardanforderung an KI-Ausgaben wird, kann die Architektur von OpenGradient ihre Vorteile als Schutzgraben wirklich ausspielen.
#OPG $OPG @OpenGradient
I. HACA: Entkopplung von Ausführung und Verifizierung
Bei herkömmlichen Blockchains muss jeder Validierungsknoten jede Transaktion erneut ausführen – für KI-Inferenz ist das unrealistisch. Die HACA-Architektur von OpenGradient unterteilt das Netzwerk in drei Ebenen: Inferenzknoten (führen Modelle mit GPU+TEE aus und liefern Ergebnisse zurück; die Blockchain liegt nicht im kritischen Pfad), Vollknoten (verifizieren TEE-/ZKML-Nachweise und führen zugleich mithilfe des CometBFT-Konsenses das Ledger) und Datenknoten (beziehen externe Daten sicher innerhalb einer TEE). Validierungsknoten führen die Modelle nicht aus, sondern prüfen nur die Nachweise – das ist der Kern der Leistungsoptimierung.
II. Verifizierungsframework: ein Menü verschiedener Vertrauensstufen
Das Whitepaper sieht drei Verifizierungswege vor: TEE (AWS Nitro Enclaves; Attestierungsdokumente belegen, dass die Umgebung nicht manipuliert wurde; geeignet für LLMs und die meisten ML-Anwendungen), ZKML (Zero-Knowledge-Beweise mit mathematischer Deterministik, aber hohen Kosten; daher nur für risikoreiche ML-Inferenz) und Vanilla (ohne Nachweis, für Anwendungsfälle mit geringeren Anforderungen). Das x402-Zahlungsprotokoll ist bereits in jede TEE-Instanz integriert. Dadurch entfällt zentralisierte Middleware, und eine asynchrone Abwicklung wird ermöglicht: Nach einer Vorauszahlung werden Inferenzanfragen nicht durch die Blockchain blockiert.
III. Token und aktueller Stand
Das Gesamtangebot von OPG beträgt 1 Milliarde Token. Das TGE fand im April 2026 auf der Base-Blockchain statt; derzeit sind etwa 19 % im Umlauf. Der Token dient zur Bezahlung von Inferenzgebühren, für Staking und Slashing sowie für Governance-Abstimmungen. Die Anteile für Ökosystem, Beitragende und Investoren unterliegen jeweils langfristigen Sperrfristen (12 Monate Cliff + lineare Freigabe über 36 Monate), wodurch kurzfristiger Verkaufsdruck begrenzt wird. Das Netzwerk befindet sich derzeit in der Testnet-Phase und hat bereits mehr als 2 Millionen verifizierbare Inferenzen verarbeitet, über 2.000 Modelle gehostet und mehr als 500.000 Nachweise generiert.
Beobachtenswerte Risiken: Die TEE ist von AWS Nitro abhängig, wodurch ein Spannungsverhältnis zwischen Dezentralisierung und Zentralisierung entsteht; ZKML ist für LLMs derzeit noch nicht praktikabel, und die Abwägung zwischen „Kosten und Sicherheit“ bei der Verifizierung liegt bei den Entwicklern; in den kommenden zwei Jahren werden weiterhin Token freigegeben, weshalb das Netzwerkwachstum mit steigenden Einnahmen Schritt halten muss.
Wenn „Verifizierbarkeit“ zur Standardanforderung an KI-Ausgaben wird, kann die Architektur von OpenGradient ihre Vorteile als Schutzgraben wirklich ausspielen.
#OPG $OPG @OpenGradient
