Jajaja, Tao se da cuenta un poco tarde: los agentes de IA están repitiendo los viejos ciclos de DeFi con la Capa 1.
Todos presumen de lo que hace el agente, pero casi nadie pregunta qué tipo de sistema lo está incentivando a actuar. El problema no es lo fuerte que sea la IA, sino los incentivos y la confianza.
Añadir más capacidad no sirve de nada si el usuario todavía tiene que confiar a ciegas en una caja negra. Lo importante no es que el agente decida por ti, sino cuántas cosas puedes verificar.
@OpenGradient actúa diferente.
No siguen la tendencia del agente “ultra inteligente”; se enfocan en construir un system design confiable.
Usan HACA para separar la ejecución y la verificación: la inferencia corre rápido primero, y luego la prueba se verifica. TEE para el LLM y ZKML para el modelo pequeño.
Han ejecutado más de 2 millones de inferencias verificables y 500k+ pruebas.
Lo raro es que convierten las inferencias verificables en una base, de modo que cualquier decisión que tome el agente se pueda rastrear: modelo + entrada + salida.
Es como DeFi que pasó de creer en el equipo a creer en el código.
Pero Tao sigue planteando objeciones: si las pruebas son lentas, el dinero se va antes; con TEE todavía hay supuestos de confianza, y el usuario normalmente tampoco quiere verificar.
El mercado suele recompensar lo llamativo más que lo seguro.
Tao los sigue porque realmente juegan a minimizar la confianza: tratan la IA como un coprocesador confiable para la cadena y los agentes.
La pregunta real no es qué agente es el más inteligente, sino qué sistema hace que sea más confiable.
Esa es justamente la razón por la que le presto atención a #OPG
$OPG $SYN $BTC
Todos presumen de lo que hace el agente, pero casi nadie pregunta qué tipo de sistema lo está incentivando a actuar. El problema no es lo fuerte que sea la IA, sino los incentivos y la confianza.
Añadir más capacidad no sirve de nada si el usuario todavía tiene que confiar a ciegas en una caja negra. Lo importante no es que el agente decida por ti, sino cuántas cosas puedes verificar.
@OpenGradient actúa diferente.
No siguen la tendencia del agente “ultra inteligente”; se enfocan en construir un system design confiable.
Usan HACA para separar la ejecución y la verificación: la inferencia corre rápido primero, y luego la prueba se verifica. TEE para el LLM y ZKML para el modelo pequeño.
Han ejecutado más de 2 millones de inferencias verificables y 500k+ pruebas.
Lo raro es que convierten las inferencias verificables en una base, de modo que cualquier decisión que tome el agente se pueda rastrear: modelo + entrada + salida.
Es como DeFi que pasó de creer en el equipo a creer en el código.
Pero Tao sigue planteando objeciones: si las pruebas son lentas, el dinero se va antes; con TEE todavía hay supuestos de confianza, y el usuario normalmente tampoco quiere verificar.
El mercado suele recompensar lo llamativo más que lo seguro.
Tao los sigue porque realmente juegan a minimizar la confianza: tratan la IA como un coprocesador confiable para la cadena y los agentes.
La pregunta real no es qué agente es el más inteligente, sino qué sistema hace que sea más confiable.
Esa es justamente la razón por la que le presto atención a #OPG
$OPG $SYN $BTC
