Anoche me quedé atascado ajustando un agente de IA en la cadena: no era un error de código; es que no se podía demostrar que el modelo que se estaba llamando fuera exactamente la versión que se decía. Esta ansiedad de caja negra, la gente que trabaja en IA la entiende.
Siguiendo ese problema, llegué a OpenGradient. Al principio me sesgaron—han exagerado demasiado la combinación de IA+cripto, y el bombo está muy mal. Pero leí la documentación dos veces y no me quedó más remedio que admitir que están resolviendo un problema real: hacer que el razonamiento de la IA sea verificable.
Su arquitectura central se llama HACA. No siguieron la vía muerta de “meter los modelos grandes en blockchain”, sino que separaron el cálculo y la verificación en dos capas. La GPU y el TEE ejecutan el razonamiento, y la cadena solo guarda pruebas criptográficas. Cada salida lleva una huella digital independiente y verificable por separado: la versión del modelo, y las entradas y salidas, todo es transparente. Es como instalarle a la inferencia de la IA un registrador de eventos a prueba de manipulaciones. En la pista de “IA verificable”, esta densidad de verificación a nivel de cadena, a día de hoy, es única.
El token OPG es bastante cauto. El suministro total tiene un tope de 1,000 millones, sin inflación. La inversión del equipo y los inversores se bloquea 12 meses y luego se libera linealmente en 36 meses; las recompensas por staking se reparten en 96 meses; y para el ecosistema, el TGE solo desbloquea el 10%, lo restante se libera de forma uniforme durante 60 meses. La circulación ronda el 18%. Esto no es para halagar al corto plazo: es para filtrar a participantes de largo plazo. La profundidad del token está incrustada en la red: el razonamiento, la verificación y el staking requieren OPG. Los datos de la red principal lo respaldan: el Hub de modelos tiene más de 2000+ modelos, hay más de 500,000 pruebas de verificación emitidas y las llamadas de inferencia superan los 2,000,000; todo está respaldado por uso real.
A nivel de equipo, Matthew Wang viene del equipo de ML cuantitativo de Two Sigma; Adam Balogh fue el responsable de la plataforma de IA en Palantir; y los miembros clave también tienen antecedentes de Google, Ripple e Intel. a16z crypto lideró la ronda con 9.5 millones de dólares y entraron al NVIDIA Inception Program. Esto es apostar por la infraestructura base de la “IA verificable”.
Las barreras técnicas son reales, y la densidad de capital y talento es suficientemente alta. Me lo llevo a una lista de seguimiento a largo plazo y continuaré observando. #opengradient OPG @OpenGradient
#opg $OPG
Siguiendo ese problema, llegué a OpenGradient. Al principio me sesgaron—han exagerado demasiado la combinación de IA+cripto, y el bombo está muy mal. Pero leí la documentación dos veces y no me quedó más remedio que admitir que están resolviendo un problema real: hacer que el razonamiento de la IA sea verificable.
Su arquitectura central se llama HACA. No siguieron la vía muerta de “meter los modelos grandes en blockchain”, sino que separaron el cálculo y la verificación en dos capas. La GPU y el TEE ejecutan el razonamiento, y la cadena solo guarda pruebas criptográficas. Cada salida lleva una huella digital independiente y verificable por separado: la versión del modelo, y las entradas y salidas, todo es transparente. Es como instalarle a la inferencia de la IA un registrador de eventos a prueba de manipulaciones. En la pista de “IA verificable”, esta densidad de verificación a nivel de cadena, a día de hoy, es única.
El token OPG es bastante cauto. El suministro total tiene un tope de 1,000 millones, sin inflación. La inversión del equipo y los inversores se bloquea 12 meses y luego se libera linealmente en 36 meses; las recompensas por staking se reparten en 96 meses; y para el ecosistema, el TGE solo desbloquea el 10%, lo restante se libera de forma uniforme durante 60 meses. La circulación ronda el 18%. Esto no es para halagar al corto plazo: es para filtrar a participantes de largo plazo. La profundidad del token está incrustada en la red: el razonamiento, la verificación y el staking requieren OPG. Los datos de la red principal lo respaldan: el Hub de modelos tiene más de 2000+ modelos, hay más de 500,000 pruebas de verificación emitidas y las llamadas de inferencia superan los 2,000,000; todo está respaldado por uso real.
A nivel de equipo, Matthew Wang viene del equipo de ML cuantitativo de Two Sigma; Adam Balogh fue el responsable de la plataforma de IA en Palantir; y los miembros clave también tienen antecedentes de Google, Ripple e Intel. a16z crypto lideró la ronda con 9.5 millones de dólares y entraron al NVIDIA Inception Program. Esto es apostar por la infraestructura base de la “IA verificable”.
Las barreras técnicas son reales, y la densidad de capital y talento es suficientemente alta. Me lo llevo a una lista de seguimiento a largo plazo y continuaré observando. #opengradient OPG @OpenGradient
#opg $OPG