La mayoría de los proyectos de IA en cadena te piden que confíes ciegamente en su caja negra fuera de cadena. @OpenGradient se niega a hacerlo.

Su idea clave es que la IA solo es tan creíble como las pruebas que la respaldan. zkML demuestra que el modelo se ejecutó correctamente sin revelar sus pesos, mientras que los TEE mantienen la inferencia privada durante la ejecución. Al combinarse en su arquitectura HACA, permiten obtener computación verificable sin tener que confiar en un servidor centralizado.

Los resultados validan este enfoque: más de 2 millones de inferencias verificables y más de 500.000 pruebas zkML generadas. No es una promesa para una hoja de ruta: es una capa de confianza funcional para la inteligencia en cadena, desarrollada en Base y respaldada por a16z crypto.

Publicamos abiertamente el resultado real de cada señal algorítmica, y en nuestra biografía encontrarás nuestro historial completo en tiempo real y un canal de vista previa gratuito.

¿Qué es más difícil de escalar a largo plazo: la generación de pruebas zkML o la disponibilidad de hardware TEE?

$OPG #OPG