Mr Talkitive

#newt NEWTON PROTOCOL TURNING ETHEREUM INTO A UNIVERSAL TRUST LAYER

I have been researching cross-chain infrastructure recently and one thing that stands out is how @NewtonProtocol is approaching security differently. Most blockchain discussions focus on moving assets across ecosystems but Newton’s architecture as outlined in its official website and whitepaper focuses on something potentially more important extending trust across chains.

Instead of creating separate security assumptions for every ecosystem Newton uses Ethereum as a source chain where operators register stake and remain accountable through slashing mechanisms. Through a source chain, destination chain model supported networks can receive synchronized operator data and shared security guarantees without requiring repeated registrations across multiple chains.

What makes this interesting is that the protocol is not simply trying to connect networks. It is attempting to create a universal trust layer where the same operator set economic stake and security conditions can extend across different environments. Through decentralized synchronization using BLS signatures and Merkle-root verification trust can move without relying on centralized bridges.

With Newton Mainnet Beta progressing this vision is moving beyond theory and toward practical implementation. The future may not only be multi-chain it may also be secured by shared trust infrastructure.

$NEWT $VANRY $LAB

#cryptouniverseofficial
#CryptoAIRevolution #AI

#newt WAS PASSIERT, WENN VALIDATOREN UNEINIG SIND? NEWTONS ZWEIPHASIGER KONSENS UNTER DEM MIKROSKOP

Konsens wird leicht, wenn jeder Validator dieselben Informationen sieht. Die eigentliche Herausforderung beginnt, wenn dies nicht der Fall ist.

Stell dir eine Transaktion vor, die externe Eingaben erfordert, wie z. B. Asset-Preisangaben, Risiko-Scores für die Prüfung auf Sanktionen oder Compliance-Checks. Ein Operator sieht einen leicht anderen Preisfeed als ein anderer. Einer erhält aktualisierte Informationen Millisekunden früher. In den meisten Systemen können schon minimale Unterschiede zu widersprüchlichen Ausgaben führen und die Abstimmung zerstören.

Genau dieses Problem @NewtonProtocol adressiert in seiner offiziellen Architektur und seinem Whitepaper.

Das Modell des zweiphasigen Konsenses von Newton trennt Beobachtung von Bewertung. In der Prepare-Phase führen Operatoren unabhängig voneinander isolierte WASM-Datenanbieter aus und sammeln externe Informationen über unterschiedliche Netzwerkpfade. Anstatt einer einzigen Quelle zu vertrauen, bildet das Netzwerk über Konsensmechanismen einen kanonischen Datensatz.

Dann kommt die Evaluate-Phase: Jeder Operator bewertet dieselbe Rego-Richtlinie anhand desselben vereinbarten Datensatzes und erzeugt dabei identische Digests, die sich effizient aggregieren lassen.

Das ist wichtig, weil Newton nicht nur Transaktions-Infrastruktur aufbaut, sondern eine überprüfbare Autorisierungsschicht für Onchain-Finanzierung entwickelt.

Mit Newton Mainnet Beta, das jetzt live ist, verlagert sich die Durchsetzung von Richtlinien rund um Identität, Compliance-Risiken und Transaktionskontrollen von Offline-Prozessen hin zu programmierbarer Infrastruktur. Diese Entwicklung könnte zu einer bedeutenden Grundlage für das $NEWT Ecosystem werden.
$CAP
$VANRY

#BOKWarnsSingleStockLeveragedETFRisks
#VitalikOutlinesLeanEthereumRoadmap
#BrazilCentralBankSaysStablecoinsElectronicMoney
#BitcoinFallsOver50%FromOctoberHigh

#newt REGULIERTE VERMÖGENSWERTE KOMMEN AUF DIE ON-CHAIN-EBENE. NEWTON HAT SOEBEN DIE EINHALTUNG ÜBERPRÜFBAR, DEZENTRAL UND AUTOMATISIERBAR GEMACHT.

Billionen an Wert verlagern sich onchain – $313B+ in Stablecoins und $25B+ in tokenisierten RWAs – doch die meisten Transaktionen verfügen noch immer nicht über eine echte Pre-Execution-Autorisierung. Herkömmliche Compliance ist langsam, zentralisiert und voller Lücken. Newton Protocol ändert das.

Wie im offiziellen Whitepaper detailliert beschrieben, ist Newton die dezentrale Autorisierungsschicht zwischen Intention und Ausführung. Sie setzt programmierbare Richtlinien durch, die in Rego/OPA geschrieben sind, mithilfe von onchain- und offchain-Daten (Sperrlisten, Identität, Risikolimits, Anlegereignung), bevor irgendeine Transaktion abgerechnet wird. Kein Custody, kein „Walled Garden“ – nur verifizierbare onchain-Bestätigungen, die jeder prüfen kann.

Mit Newton Mainnet Beta, das jetzt live ist, können Protokolle leichtgewichtige Smart-Contract-Snippets integrieren und institutionstaugliche Regeln über Tresore, Stablecoins, RWAs und KI-Agenten hinweg durchsetzen. Richtlinien sind kombinierbar und datenschutzfreundlich über ZK sowie durch verifizierbare Berechtigungsnachweise abgesichert und werden durch EigenLayer-Restaking gesichert.

Das ist Compliance-as-Code, richtig umgesetzt: einmal schreiben – überall erzwingen – mit voller Transparenz. Builder und Institutionen erhalten endlich die Leitplanken, die für eine echte Einführung nötig sind, ohne die Dezentralisierung zu opfern.

@NewtonProtocol

$NEWT $LAB $TLM


#PhiladelphiaSemiconductorIndexFalls4% #BitcoinFalls44%FromJanuaryPeak #BitcoinReboundsAbove61K
#SouthKoreanStocksRise5

#newt Warum Institutionen kurz davor stehen, DeFi zu überschwemmen: Newtons verifizierbare Policy-Ebene verändert alles

DeFi hat lange Zeit Billionen an Liquidität versprochen, aber Institutionen sind weitgehend außen vor geblieben. Der Grund? Fehlende Infrastruktur für Compliance-Risikomanagement und verifizierbare Kontrollen in einer permissionless Welt. Newton Protocol ändert das in atemberaubendem Tempo.

Traditionelle Onchain-Compliance greift zu kurz: Zentralisierte APIs schaffen einzelne Ausfallpunkte und intransparente Entscheidungen. Soulbound Tokens legen sensible Identitätsdaten offen. Analyseplattformen erkennen Probleme erst im Nachhinein, und Policy-Logik pro App führt zu uneinheitlicher, nicht-komponierbarer Durchsetzung. Permissionierte Chains opfern genau die Komponierbarkeit und Liquidität, die DeFi so wirkungsvoll machen.

Newton löst das als dezentrale Autorisierungsebene. Sie liegt zwischen Anwendungen und Settlement und bewertet Transaktions-Intents in Echtzeit anhand programmierbarer Policies, die in Rego geschrieben sind. Ein neutrales Operator-Netzwerk (gesichert als EigenLayer AVS) prüft Bedingungen wie Sanktionsscreening, KYC, Ausgabenlimits, Risiko-Schwellen, Investoreneignung und erzeugt kryptografische Attestierungen. Smart Contracts setzen diese Attestierungen dann vor der Ausführung durch. Kein UX-Reibungsverlust. Volle Onchain-Verifizierbarkeit über den Newton Explorer.

Die Privatsphäre bleibt durch Zero-Knowledge-Proofs und verifizierbare Credentials gewahrt. Policies sind komponierbar und wiederverwendbar über Tresore, Stablecoins, RWAs und agentische Systeme hinweg. Einmal schreiben, überall durchsetzen.

Für Institutionen bedeutet das institutionstaugliche Leitplanken ohne Silos oder zentralisierte Intermediäre. Stablecoin-Emittenten und RWA-Plattformen erhalten eine compliant ausgestellte Emission und Transfers, denen Regulierer vertrauen können.

Das Ergebnis? Sicherere Kapitalzuflüsse in öffentliches DeFi. Newton verbindet programmierbare Policies mit permissionless Innovation und macht Compliance von einer Hürde zu einer Infrastruktur.

@NewtonProtocol #Newt #AI #CryptoAIRevolution #CryptocurrencyWealth

$NEWT
$ARPA
$THE

#newt #Newt Die meisten Blockchains führen Transaktionen aus, aber allein die Ausführung reicht nicht für die Akzeptanz im institutionellen Umfeld. Die größere Herausforderung liegt in der Autorisierung.

Smart Contracts sind zwar leistungsfähig, aber sie bleiben blind für den Kontext der realen Welt. Sie verstehen von sich aus keine Identitätsprüfungs-, Jurisdiktions-, Sanktionsprüfungs-, Ausgabenlimit-, Risikoscore- oder ob ein KI-Agent innerhalb genehmigter Grenzen arbeitet. Diese Lücke wird zu einem großen Problem, wenn erwartet wird, dass Billionen an Wert onchain bewegt werden.

Genau hier sticht @NewtonProtocol hervor.

Nach dem Studium der offiziellen Website und des Whitepapers wird die Vision klar: Newton baut eine Autorisierungsebene für die Onchain-Finanzierung. Anstatt Regeln erst durchzusetzen, nachdem etwas passiert ist, bringt Newton programmierbare Policies und Signale aus der realen Welt direkt in den Transaktionsfluss—bevor überhaupt ausgeführt wird.

Das Konzept ist einfach, aber wirkungsvoll: Eine Policy ist nur so gut wie die Daten, die hinter ihr stehen.

Durch die Kombination von Policy Engines, dezentraler Validierung und Echtzeit-Offchain-Signalen schafft Newton Infrastruktur, die Stablecoins, RWAs, Institutional DeFi und sogar autonome KI-Agenten mit eingebetteten Schutzplanken unterstützen kann.

Jetzt, da Newton Mainnet Beta live ist, bewegt sich die Idee von der Theorie in die Umsetzung. Das ist ein wichtiger Schritt, denn bei einer Skalierung reicht nicht nur Geschwindigkeit und Liquidität—es braucht Vertrauen, Compliance und nachweisbare Entscheidungsfindung.

Während sich Krypto hin zu einer agentengesteuerten und institutionstauglichen Zukunft entwickelt, könnten Infrastruktur-Schichten wie $NEWT zu einem entscheidenden Baustein im Puzzle werden.

@NewtonProtocol #AI #campaign

$TAIKO $MU

#newt $NEWT Newton-Protokoll einfach erklärt: KI + ZK + TEE + Rollups 🧵

Viele Menschen hören „KI-gestützte Finanzen“ und denken sofort an Trading-Bots, die Entscheidungen für sie treffen. Aber laut der Vision und dem Whitepaper @NewtonProtocol ist das eigentliche Ziel größer: einen sicheren Weg zu schaffen, damit KI-Agenten handeln können, während die Nutzer die Kontrolle behalten.

Stell es dir so vor:

KI = das Gehirn, das analysiert und entscheidet, welche Aktion ausgeführt werden soll.

TEE (Trusted Execution Environment) = ein geschützter Arbeitsbereich, in dem diese KI sicher laufen kann.

ZK (Zero-Knowledge-Beweise) = eine Methode, um zu beweisen, dass eine Aktion die Regeln befolgt hat, ohne alles dahinter offenzulegen.

Rollups = die Infrastruktur-Schicht, die diese Berechtigungen effizient onchain aufzeichnet und skaliert.

Anstatt den Nutzern unbeschränkten Wallet-Zugriff zu geben, definieren Nutzer Grenzen wie Ausgabenlimits, Strategie-Regeln und Ausführungsberechtigungen. Das Protokoll überprüft, dass die KI innerhalb dieser Bedingungen bleibt.

Da sich das Newton Mainnet Beta jetzt in Richtung echter Bereitstellung bewegt, verschiebt sich der Fokus von „dem Bot vertrauen“ zu „die Automatisierung verifizieren“.

@NewtonProtocol #AI #NEWTONUSDT

$XNY $BASED

#opg $OPG Ich erforsche, wie sich die KI-Infrastruktur weiterentwickelt, und was mich besonders an @OpenGradient gefesselt hat: Es versucht, eines der größten Probleme im Bereich KI-Vertrauen zu lösen. Die meisten KI-Systeme arbeiten heute noch wie Black Boxes: Nutzer sehen nur die Ergebnisse, ohne zu wissen, wie das Modell ausgeführt wurde oder ob der Prozess verändert wurde. Ich finde das Python SDK für verifizierbare KI-Inferenz besonders spannend, weil es einen anderen Ansatz einführt.

Ich sehe OpenGradient dabei, eine Umgebung aufzubauen, in der die KI-Ausführung nicht nur schnell, sondern auch verifizierbar ist. Durch die On-Chain-Proof-Abwicklung mit Trusted Execution Environments (TEE) und dezentraler Infrastruktur kann jede Inferenz kryptografischen Nachweis mit sich führen – statt auf blindes Vertrauen angewiesen zu sein. Ich mag, dass das SDK schwierige Prozesse wie das Signatur- und Verifikations-Handling von Zahlungen sowie die Abwicklung abstrahiert, während Entwickler weiterhin mit vertrauten Workflows damit arbeiten können.

Was für mich heraussticht, ist, dass ich keine Nutzerfreundlichkeit gegen Sicherheit eintauschen muss. Die Integrationsschicht fühlt sich näher an der üblichen KI-Entwicklung an und bewahrt trotzdem die Transparenz. Ich glaube, das schafft eine Zukunft, in der Entwickler Anwendungen mit besserer Nachvollziehbarkeit und mehr Sicherheit aufbauen können – insbesondere für Agenten, die sensible Aufgaben übernehmen und automatisierte Entscheidungen treffen.

Ich bin davon überzeugt, dass Infrastruktur, die belegen kann, was während der Inferenz passiert ist, mit dem globalen Wachstum der KI zunehmend wichtiger wird. Ich freue mich darauf zu beobachten, wie @OpenGradient und $OPG weiterhin verifizierbare Intelligenz und dezentrale KI-Ausführung prägen. #OPG

$SYN #AI

#newt $NEWT Ich habe darauf geachtet, dass Projekte versuchen, KI und Blockchain zu verbinden, und @NewtonProtocol sticht heraus, weil es sich auf etwas Größeres konzentriert als nur das Hinzufügen von KI als Trend. Die Idee hinter @NewtonProtocol ist, ein sicheres Rollup zu entwickeln, das für KI-gestützte Strategien, automatisierten Handel und einen Marktplatz gedacht ist, auf dem KI-Entwickler Lösungen bauen und teilen können.

Was meine Aufmerksamkeit erregt hat, ist, wie Newton Mainnet Beta das Projekt näher an die reale Nutzung heranbringt, statt es nur auf der Konzept-Ebene zu lassen. Viele Projekte sprechen über KI, aber die Infrastruktur ist das, was wirklich zählt. Wenn KI-Agenten und automatisierte Systeme Teil der täglichen On-Chain-Aktivität werden sollen, brauchen sie eine Umgebung, die Sicherheit, Zuverlässigkeit und reibungslose Ausführung unterstützt.

Die Entwicklung rund um Newton Mainnet Beta fühlt sich wie ein wichtiger Schritt an, weil sie Raum für Entwickler und Nutzer schafft, um praktische Anwendungsfälle zu erkunden. Mich interessiert zu sehen, wie sich das Ökosystem erweitert und wie $NEWT dabei mitwächst.

$SYN #KI

#opg Ich habe die Idee eines über TEE gesicherten Inferenz-Knotens für Inferenzanfragen von Drittanbietern für LLMs erkundet und @OpenGradient hat vollständig verändert, wie ich über KI-Infrastruktur denke. Anstatt mich auf undurchsichtige Systeme zu verlassen, bei denen Nutzer einfach einem Anbieter vertrauen, sehe ich eine Zukunft, in der jede Inferenz verifizierbar, prüfbar und durch sichere Ausführungsumgebungen geschützt ist.

Eine Sache, die mir besonders auffällt, ist, wie die @OpenGradient Ausführung von der Verifikation trennt – darüber ermöglicht es die Hybrid-AI-Compute-Architektur. TEE-gestützte LLM-Proxy-Nodes können Anfragen sicher weiterleiten und dabei Privatsphäre sowie Integrität wahren, sodass Nutzer auf Modelle von Drittanbietern zugreifen können, ohne sensible Daten offenzulegen.

Mein ursprünglicher Gedanke: Ich sehe die TEE-gesicherte Inferenz nicht nur als Datenschutzhülle. Ich sehe darin einen Trust-Engine für die nächste Generation von KI-Systemen. Wenn Berechnungen privat ausgeführt und unabhängig verifiziert werden können, hört Intelligenz auf, eine Blackbox zu sein, und wird zu einer transparenten Infrastruktur-Schicht, auf die Entwickler und Nutzer mit Vertrauen aufbauen können.

Ich denke, @OpenGradient baut entscheidende Infrastruktur auf: sichere GPU-Worker-Beweissiedlung und dezentrale Verifikation schaffen ein stärkeres KI-Ökosystem. Wenn KI-Anwendungen wachsen, könnten Vertrauen und Transparenz genauso wichtig werden wie die Geschwindigkeit selbst. Ich freue mich darauf zu beobachten, wie $OPG Zahlungen, Anreize und verifizierbare Intelligenz im gesamten Ökosystem antreibt.

@OpenGradient #OPG $TAC $RAVE

#OPG Ich beobachte seit einiger Zeit das wachsende Ökosystem aus KI-Agenten und Proxys. Was mir auffällt, ist, dass sich die meisten Diskussionen auf Latenz, Kosten und Benchmark-Ergebnisse zur Leistungsfähigkeit konzentrieren—auf Modellgröße und Genauigkeit beim Tool-Calling. Das sind die Kennzahlen, die Veröffentlichungen und Roadmaps dominieren. Projekte wie @OpenGradient sind besonders interessant, weil sie das Gespräch über reine Performance hinaus erweitern.

Weniger häufig wird jedoch—oft auch still—darüber gesprochen, was mit dem Prompt selbst passiert, sobald er Ihre Umgebung verlässt. Wenn Sie eine Anfrage über einen Proxy routen, schicken Sie nicht nur eine Abfrage. Sie senden einen Ausschnitt der Absicht, der oft Workflow-Logik offenlegt, proprietären Kontext oder persönliches Nachdenken.

Doch ich stelle diese Annahme infrage. Verschlüsselung schützt vor passivem Mithören, nicht jedoch vor dem Proxy selbst. Der Proxy-Betreiber hat designbedingt Zugriff auf den Klartext. Er kann ihn protokollieren, analysieren oder nutzen, um seine eigenen Systeme zu verbessern. Das ist ein echter Zielkonflikt, nicht nur ein theoretischer. Genau hier beginnt sich @OpenGradient für mich relevant anzufühlen, weil es Datenschutz und Verifizierung als Infrastrukturthemen behandelt—nicht als optionale Zusatzfunktionen.

Was mir bei meiner Recherche besonders aufgefallen ist, ist das Aufkommen lokaler, "Local-first"-Proxys, die mit OpenAI kompatibel sind. Diese routen Ihren Prompt nicht an einen zentralen Aggregator. Stattdessen laufen sie auf Ihrer Infrastruktur, und die einzige externe Kommunikation erfolgt mit dem Upstream-Modellanbieter. Der Proxy selbst wird zu einem blinden Relais, nicht zu einer Datensammelstelle. Der Tradeoff ist zusätzlicher operativer Aufwand. Sie müssen ihn betreiben, aktualisieren und der eigenen Bereitstellungssicherheit vertrauen.

Trotzdem ist für mich die langfristige Qualität wichtiger als irgendein kurzfristiger Benchmark: Verifizierbarkeit. Wenn ich nicht nachweisen kann, dass mein Prompt nicht gespeichert oder geprüft wurde, dann arbeite ich auf Vertrauen. Vertrauen ist fragil. Mit der Zeit entsteht Vertrauen nicht durch Versprechen, sondern durch eine Architektur, die diese Versprechen durchsetzbar macht. Das ist die leisere Veränderung, auf die wir meiner Meinung nach achten sollten—und deshalb taucht @OpenGradient in diesen Gesprächen immer wieder auf.

#opg $OPG @OpenGradient

$MANTA $VELVET

#OPG Etwas, das mich in letzter Zeit beschäftigt, ist die Frage, ob KI irgendwann mit denselben Erwartungen konfrontiert wird, mit denen Cloud-Computing vor Jahren zu kämpfen hatte.

Am Anfang ging es für Unternehmen vor allem um die Leistung. Wenn ein Service schnell und zuverlässig war, reichte das.

Im Laufe der Zeit änderte sich das Gespräch.

Unternehmen begannen zu fragen, wo ihre Daten verarbeitet werden, wie sie geschützt sind und ob der Anbieter Compliance und Sicherheit nachweisen kann.

Ich denke, dass sich KI möglicherweise in eine ähnliche Phase bewegt.

Heute liegt der Fokus zwar noch größtenteils auf Modellqualität und Antwortgeschwindigkeit. Aber wenn KI Teil von Finanzsystemen, Unternehmenssoftware und autonomen Anwendungen wird, könnten Fragen nach Transparenz und Verifizierung viel schwerer zu ignorieren sein.

Das ist einer der Gründe, warum @OpenGradient für mich heraussticht.

Statt Verifizierung als nachträglichen Gedanken zu behandeln, stellt es sie neben die KI-Ausführung und damit als Teil der gesamten Infrastruktur.

Ob das zum Branchenstandard wird, bleibt abzuwarten.

Aber die Geschichte zeigt, dass bei zunehmender Reife von Technologien Vertrauen allein selten ausreichend bleibt. Nutzer, Unternehmen und Regulierungsbehörden beginnen in der Regel, nach Möglichkeiten zu fragen, um zu validieren, was im Hintergrund passiert.

Vielleicht rückt KI gerade jetzt in diese Phase.

Falls das eintritt, könnten Projekte, die Verifizierung von Anfang an in die Infrastruktur integrieren, sich damit wiederfinden, eine Bedarfslage zu adressieren, die mit der Zeit viel offensichtlicher wird.

#opg $OPG @OpenGradient

Ich habe mir die Zukunft der KI-Infrastruktur genau angesehen und kürzlich angefangen, tiefer in @OpenGradient einzutauchen und zu verstehen, was es aufbaut. Was meine Aufmerksamkeit erregt hat, ist, dass @OpenGradient nicht einfach nur eine weitere KI-Erzählung ist, sondern auf verifizierbare KI-Ausführung fokussiert: Bei der Modell-Inferenz und dem Reasoning können Prüfungen durchgeführt werden, statt blindem Vertrauen zu folgen. Ich habe mir angeschaut, wie dezentrale KI sich über Black-Box-Systeme hinaus weiterentwickeln kann, und dieser Ansatz fühlt sich wie ein bedeutender Schritt an.

Das Whitepaper und die Ökosystem-Vision rund um @OpenGradient heben sichere Inferenz, nutzereigene Intelligenz, spezialisierte Compute-Architektur und transparente KI-Workflows hervor. Ich sehe außerdem großes Potenzial für Projekte wie BitQuant: Dort könnten quantitative KI-Agenten, Analytics-Portfolio-Strategien und Entscheidungssysteme von verifizierbarer und vertrauensminimierter KI-Infrastruktur profitieren.

Während KI-Agenten weiter wachsen, könnten Vertrauen und Transparenz genauso wichtig werden wie die Intelligenz selbst. Es wird sehr interessant sein zu beobachten, wie sich dieses Ökosystem entwickelt. Ich freue mich darauf, @OpenGradient und die Rolle von $OPG dabei zu verfolgen, dezentrale KI-Infrastruktur aufzubauen.

@OpenGradient #OPG #opg $OPG

#OPG Ich habe mir die nächste Welle der KI-Infrastruktur genau angesehen und komme immer wieder zu @OpenGradient zurück, weil sich die Vision anders anfühlt als viele Projekte in diesem Bereich. Ich suche nach etwas, das über den üblichen Black-Box-KI-Modellansatz hinausgeht und stattdessen auf Transparenz-Überprüfung und dezentralisierte Intelligenz setzt.

Was mich besonders angesprochen hat, ist, wie @OpenGradient ein Netzwerk aufbaut, in dem die KI-Ausführung überprüfbar werden kann, statt dass die Nutzer ihr einfach blind vertrauen müssen. Die Idee, spezialisierte Compute-Architektur mit dezentraler Ausführung zu kombinieren, schafft eine stärkere Grundlage für Agenten-Anwendungen und KI-gestützte Ökosysteme. Ich mag die Richtung, sichere Modell-Hosting-Funktionen, auditierbare Inferenz, persistente KI-Memory-Layer und skalierbare Bereitstellung für Entwickler zu ermöglichen.

Ich glaube, dass die Zukunft der KI nicht nur von Intelligenz geprägt sein wird, sondern auch davon, wie man beweist, dass diese Intelligenz funktioniert. Projekte rund um das Beobachten des OPG-Tokens schaffen Infrastruktur für offene und vertrauenswürdige Systeme – und das wird von Tag zu Tag noch spannender.

#opg $OPG