#opg $OPG En serio, ¿hacer que 100 nodos de verificación ejecuten un modelo de IA cada uno? ¿No estás bien de la cabeza?
La blockchain tradicional lo hace así: cada nodo reejecuta cada transacción. La transferencia no tiene problema, pero la IA directamente se cae. Un LLM de 70B de parámetros, para una sola inferencia, requiere que la GPU esté trabajando durante medio día. Si lo hacen 100 nodos, es 100 veces de gasto de cómputo: se desperdicia potencia y además los resultados ni siquiera son iguales. Esta es la naturaleza de la IA: es inherentemente no determinista. Si subes un poco la temperatura, cada salida será distinta. Esta lógica no puede funcionar.
OpenGradient cambió de estrategia: separa por completo la ejecución y la verificación.
En la red, cada uno de los tres tipos de participantes hace su trabajo. Los nodos de inferencia están dedicados a ejecutar el modelo y, al terminar, generan una prueba: o bien con respaldo de hardware TEE para que el entorno del código de pruebas no haya sido manipulado; o bien con pruebas matemáticas de ZKML, donde se demuestra que el modelo realmente arrojó ese resultado, sin que en todo el proceso se pueda ver ni los pesos ni las entradas. Los nodos completos solo se encargan de verificar si la prueba es válida; lo hacen en el orden de milisegundos, y no importa si tu infraestructura base tardó 50 ms o 5 segundos. Los nodos de datos capturan datos externos dentro de TEE, impidiendo interceptación y manipulación.
OPG es la médula de esta red. El total es 1.000 millones: no aumenta. Los usuarios pagan OPG para ajustar modelos; los nodos de inferencia $OPG y los nodos de verificación ganan OPG; para entrar, los nodos deben hacer staking de OPG, y si alguien se equivoca o intenta hacer trampa, se le confisca. Los desarrolladores publican los modelos en Model Hub: aunque otros los usen, también reciben parte de OPG. En el circuito cerrado, cada acción consume o bloquea OPG: ahí está el soporte duro de la lógica de precios.
A abril de 2026, con el lanzamiento en la red principal, la red ya ha alojado más de 4400 modelos, procesa más de 2 millones de inferencias verificables y genera más de 500.000 pruebas criptográficas; además, tiene más de 260.000 carteras independientes. a16z crypto y Coinbase Ventures invirtieron 9,5 millones de dólares. El 15 de junio recién salió a Upbit.
Esta arquitectura convierte la IA de una caja negra de “crea o no creas” a un cálculo transparente que puedes auditar en cualquier momento. Cada inferencia puede revisarse; no necesitas confiar en ningún operador único. La capa de verificación no toca tus datos originales: privacidad y confianza se cumplen a la vez.
Ve tú mismo a revisar los datos de su testnet; no te quedes solo con lo que dicen los demás.
@OpenGradient
La blockchain tradicional lo hace así: cada nodo reejecuta cada transacción. La transferencia no tiene problema, pero la IA directamente se cae. Un LLM de 70B de parámetros, para una sola inferencia, requiere que la GPU esté trabajando durante medio día. Si lo hacen 100 nodos, es 100 veces de gasto de cómputo: se desperdicia potencia y además los resultados ni siquiera son iguales. Esta es la naturaleza de la IA: es inherentemente no determinista. Si subes un poco la temperatura, cada salida será distinta. Esta lógica no puede funcionar.
OpenGradient cambió de estrategia: separa por completo la ejecución y la verificación.
En la red, cada uno de los tres tipos de participantes hace su trabajo. Los nodos de inferencia están dedicados a ejecutar el modelo y, al terminar, generan una prueba: o bien con respaldo de hardware TEE para que el entorno del código de pruebas no haya sido manipulado; o bien con pruebas matemáticas de ZKML, donde se demuestra que el modelo realmente arrojó ese resultado, sin que en todo el proceso se pueda ver ni los pesos ni las entradas. Los nodos completos solo se encargan de verificar si la prueba es válida; lo hacen en el orden de milisegundos, y no importa si tu infraestructura base tardó 50 ms o 5 segundos. Los nodos de datos capturan datos externos dentro de TEE, impidiendo interceptación y manipulación.
OPG es la médula de esta red. El total es 1.000 millones: no aumenta. Los usuarios pagan OPG para ajustar modelos; los nodos de inferencia $OPG y los nodos de verificación ganan OPG; para entrar, los nodos deben hacer staking de OPG, y si alguien se equivoca o intenta hacer trampa, se le confisca. Los desarrolladores publican los modelos en Model Hub: aunque otros los usen, también reciben parte de OPG. En el circuito cerrado, cada acción consume o bloquea OPG: ahí está el soporte duro de la lógica de precios.
A abril de 2026, con el lanzamiento en la red principal, la red ya ha alojado más de 4400 modelos, procesa más de 2 millones de inferencias verificables y genera más de 500.000 pruebas criptográficas; además, tiene más de 260.000 carteras independientes. a16z crypto y Coinbase Ventures invirtieron 9,5 millones de dólares. El 15 de junio recién salió a Upbit.
Esta arquitectura convierte la IA de una caja negra de “crea o no creas” a un cálculo transparente que puedes auditar en cualquier momento. Cada inferencia puede revisarse; no necesitas confiar en ningún operador único. La capa de verificación no toca tus datos originales: privacidad y confianza se cumplen a la vez.
Ve tú mismo a revisar los datos de su testnet; no te quedes solo con lo que dicen los demás.
@OpenGradient