Esta semana, el viejo cripto Alpha sigue en movimiento, en un rango de 240, no olvides apoyar a los creadores después de hacer tu trading.
Recientemente, OPG ha sido mencionado repetidamente en toda la red, con frases como '200 millones de inferencias AI verificables', 'inversión de a16z', 'infraestructura AI en cadena'. Cada una de estas palabras podría dar para escribir un artículo. En estos días, he estado revisando seriamente la documentación técnica de @OpenGradient , hoy quiero decir algunas cosas que quizás incomoden a algunos.
Primero, reconozcamos los aspectos válidos: la arquitectura HACA de OpenGradient separa la ejecución de inferencias AI de la verificación en cadena, esta idea es acertada. Forzar que todas las inferencias corran con pruebas zkML sería inviable para tareas de tipo LLM, ya que el costo sería demasiado alto. Entonces, han implementado un 'espectro de verificación': tareas simples corren pruebas matemáticas zkML, mientras que inferencias LLM complejas utilizan entornos de ejecución confiables (TEE) para garantizar su validez. Este diseño es pragmático, no es un disparo al aire.
Pero, ¿a qué costo? La palabra 'verificable' tiene un significado muy diferente en distintas tareas.
Las pruebas zkML son verificables a nivel matemático, cualquier persona puede verificar los resultados de los cálculos de forma independiente. La 'verificabilidad' de TEE depende de la suposición de confianza en hardware como Intel SGX o similar, en esencia, es 'confía en que este chip no está haciendo trampa', no es una prueba criptográfica.
De las '200 millones de inferencias verificables', ¿cuántas realmente corrieron pruebas zkML y cuántas fueron procesadas por TEE? OPG no ha desglosado esos números. Para quienes realmente quieren evaluar la seguridad de esta infraestructura, mezclar esos números reduce considerablemente la cantidad de información.
Ahora veamos la economía circular de $OPG : las inferencias AI se pagan con OPG, y los costos se dividen entre los operadores de nodos. La lógica es correcta, pero la premisa para que este ciclo funcione es que haya desarrolladores externos reales usando OPG para pagar por las inferencias, no solo pruebas internas del equipo y cazadores de recompensas inflando los datos.
Han pasado solo dos meses desde el TGE, los incentivos aún no han disminuido por completo, y en este momento, ¿cuántas de las inferencias provienen de una demanda real de pago y cuántas son de cazadores de puntos? Ahora se puede verificar en cadena, pero pocos se toman el tiempo de hacerlo.
Mi lógica de operación: la ruta técnica de OPG es seria, a16z no invierte al azar, y Balaji tampoco se posiciona sin razón. Pero el verdadero valor de OPG dependerá de que los desarrolladores externos estén dispuestos a gastar dinero real en inferencias, no de la narrativa 'AI + blockchain' que sostiene el precio.
El volumen de inferencias pagadas después de que finalicen los incentivos será la verdadera respuesta a cuánto vale OPG.
#OPG
Recientemente, OPG ha sido mencionado repetidamente en toda la red, con frases como '200 millones de inferencias AI verificables', 'inversión de a16z', 'infraestructura AI en cadena'. Cada una de estas palabras podría dar para escribir un artículo. En estos días, he estado revisando seriamente la documentación técnica de @OpenGradient , hoy quiero decir algunas cosas que quizás incomoden a algunos.
Primero, reconozcamos los aspectos válidos: la arquitectura HACA de OpenGradient separa la ejecución de inferencias AI de la verificación en cadena, esta idea es acertada. Forzar que todas las inferencias corran con pruebas zkML sería inviable para tareas de tipo LLM, ya que el costo sería demasiado alto. Entonces, han implementado un 'espectro de verificación': tareas simples corren pruebas matemáticas zkML, mientras que inferencias LLM complejas utilizan entornos de ejecución confiables (TEE) para garantizar su validez. Este diseño es pragmático, no es un disparo al aire.
Pero, ¿a qué costo? La palabra 'verificable' tiene un significado muy diferente en distintas tareas.
Las pruebas zkML son verificables a nivel matemático, cualquier persona puede verificar los resultados de los cálculos de forma independiente. La 'verificabilidad' de TEE depende de la suposición de confianza en hardware como Intel SGX o similar, en esencia, es 'confía en que este chip no está haciendo trampa', no es una prueba criptográfica.
De las '200 millones de inferencias verificables', ¿cuántas realmente corrieron pruebas zkML y cuántas fueron procesadas por TEE? OPG no ha desglosado esos números. Para quienes realmente quieren evaluar la seguridad de esta infraestructura, mezclar esos números reduce considerablemente la cantidad de información.
Ahora veamos la economía circular de $OPG : las inferencias AI se pagan con OPG, y los costos se dividen entre los operadores de nodos. La lógica es correcta, pero la premisa para que este ciclo funcione es que haya desarrolladores externos reales usando OPG para pagar por las inferencias, no solo pruebas internas del equipo y cazadores de recompensas inflando los datos.
Han pasado solo dos meses desde el TGE, los incentivos aún no han disminuido por completo, y en este momento, ¿cuántas de las inferencias provienen de una demanda real de pago y cuántas son de cazadores de puntos? Ahora se puede verificar en cadena, pero pocos se toman el tiempo de hacerlo.
Mi lógica de operación: la ruta técnica de OPG es seria, a16z no invierte al azar, y Balaji tampoco se posiciona sin razón. Pero el verdadero valor de OPG dependerá de que los desarrolladores externos estén dispuestos a gastar dinero real en inferencias, no de la narrativa 'AI + blockchain' que sostiene el precio.
El volumen de inferencias pagadas después de que finalicen los incentivos será la verdadera respuesta a cuánto vale OPG.
#OPG