¿Por qué DeFi necesita Cartesi?
La mayor parte de DeFi ejecuta una versión simplificada de las finanzas. Los creadores diseñan en función de lo que la cadena puede ejecutar, no de lo que necesita el modelo. Recortan las matemáticas o las ejecutan fuera de la cadena y piden confianza.
El contribuidor João Garcia lo desglosó en un artículo que vale la pena volver a revisar:
→ https://x.com/joaopdgarcia/status/2018688089258865078
Los equipos de quant en TradFi ejecutan motores de riesgo en miles de escenarios con NumPy, SciPy y QuantLib.
La mayoría de los entornos de contratos inteligentes carecen de esas bibliotecas para operaciones matemáticas reales, y el estado resulta costoso.
En Cartesi, cada aplicación tiene su propio rollup ejecutando Linux y asentado en Ethereum. Cualquier validador honesto puede hacer cumplir el resultado correcto.
Los creadores escriben lógica en Python, Rust o C++ con bibliotecas populares. Ahora una curva de bonos (bonding curve) onchain puede acercarse mucho más a una curva cuadrática verdadera.
Lo que esto vuelve práctico:
- Requisitos de colateral que se mueven con la volatilidad
- Mercados de predicción con un motor de correspondencia y probabilidades actualizadas en cada epoch
- DCA que compra en pequeñas porciones continuas en lugar de una vez al día
- Scores crediticios a partir de un modelo que cualquiera puede volver a ejecutar
Los desarrolladores todavía tienen que diseñar las partes difíciles: cómo entra los datos, cómo se validan las entradas y cómo se coordina la ejecución. Más cómputo desplaza la complejidad. Pero si tu aplicación necesita computación real, para eso se construyó Cartesi.
Profundiza en la documentación: https://docs.cartesi.io/
Repost: https://x.com/cartesiproject/status/2102774491533488585
La mayor parte de DeFi ejecuta una versión simplificada de las finanzas. Los creadores diseñan en función de lo que la cadena puede ejecutar, no de lo que necesita el modelo. Recortan las matemáticas o las ejecutan fuera de la cadena y piden confianza.
El contribuidor João Garcia lo desglosó en un artículo que vale la pena volver a revisar:
→ https://x.com/joaopdgarcia/status/2018688089258865078
Los equipos de quant en TradFi ejecutan motores de riesgo en miles de escenarios con NumPy, SciPy y QuantLib.
La mayoría de los entornos de contratos inteligentes carecen de esas bibliotecas para operaciones matemáticas reales, y el estado resulta costoso.
En Cartesi, cada aplicación tiene su propio rollup ejecutando Linux y asentado en Ethereum. Cualquier validador honesto puede hacer cumplir el resultado correcto.
Los creadores escriben lógica en Python, Rust o C++ con bibliotecas populares. Ahora una curva de bonos (bonding curve) onchain puede acercarse mucho más a una curva cuadrática verdadera.
Lo que esto vuelve práctico:
- Requisitos de colateral que se mueven con la volatilidad
- Mercados de predicción con un motor de correspondencia y probabilidades actualizadas en cada epoch
- DCA que compra en pequeñas porciones continuas en lugar de una vez al día
- Scores crediticios a partir de un modelo que cualquiera puede volver a ejecutar
Los desarrolladores todavía tienen que diseñar las partes difíciles: cómo entra los datos, cómo se validan las entradas y cómo se coordina la ejecución. Más cómputo desplaza la complejidad. Pero si tu aplicación necesita computación real, para eso se construyó Cartesi.
Profundiza en la documentación: https://docs.cartesi.io/
Repost: https://x.com/cartesiproject/status/2102774491533488585