Kane Crypto
1.3k Publicaciones
Kane Crypto
Chỉ yêu mình $TAO
X: @kane_tdt
Abrir operación
Trader de alta frecuencia
4.9 años
6.1K+ Siguiendo
3.4K+ Seguidores
2.3K+ Me gusta
Publicaciones
Cartera
Todo
Cotizaciones
Vídeos
ONDO es uno de los pocos Altcoin en los que realmente confío mucho
Recientemente, el ídolo Ryker dio el plan de ONDO
Amigos, pueden consultarlo :))
DYOR
Recientemente, el ídolo Ryker dio el plan de ONDO
Amigos, pueden consultarlo :))
DYOR
Este es mi amigo
más gay por $6k
tiene trabajo de oficina y gana unos pocos al mes, todo lo mete en ofrendas para el altar, aguanta
más gay por $6k
tiene trabajo de oficina y gana unos pocos al mes, todo lo mete en ofrendas para el altar, aguanta
Cada mes, apartar el 10% de los ingresos para acumular ETH
¿Está bien, gente?
Cuando ETH llegue a 10k y el emperador vuelva a casa
Y yo tampoco quiero seguir trabajando para otros, jaja
$ETH
¿Está bien, gente?
Cuando ETH llegue a 10k y el emperador vuelva a casa
Y yo tampoco quiero seguir trabajando para otros, jaja
$ETH
¿Mi amigo opera así tiene nivel no, gente? :))
En junio no ganaba (o no ejecutó) ni una orden, jaja
Lo de presumir órdenes verdes ya es cosa del pasado, jaja
En junio no ganaba (o no ejecutó) ni una orden, jaja
Lo de presumir órdenes verdes ya es cosa del pasado, jaja
Hay un detalle en el diseño de @grvt_io que puede pasar desapercibido: en lugar de intentar reemplazar CEX o DEX, el proyecto construyó un modelo de Hybrid Exchange para combinar ambos.
Suena casi como si solo fuera una forma de llamar al producto. Pero lo importante no es que GRVT se autodenomine “híbrido”, sino por qué eligieron esa dirección de diseño.
Los CEX se hicieron populares gracias a su capacidad de emparejar órdenes rápidamente, a la alta liquidez y a una experiencia de trading fluida. A cambio, los usuarios deben depositar sus activos en el exchange y confiar en el custodio.
Los DEX ayudan a los usuarios a mantener la propiedad de sus activos. Sin embargo, la experiencia de trading suele ser menos fluida, la liquidez puede fragmentarse y el rendimiento puede ser difícil de alcanzar como en los exchanges centralizados.
El modelo Hybrid Exchange de GRVT parece no intentar demostrar que CEX o DEX sean mejores. En cambio, el proyecto parte de otra suposición: la velocidad del trading y la propiedad de los activos no necesariamente tienen que ser dos factores que obliguen a un intercambio.
Por supuesto, esta elección también tiene trade-offs. Combinar la experiencia de CEX con el mecanismo de autogestión de activos de DEX significa que el protocolo debe conciliar dos modelos construidos sobre supuestos muy diferentes, lo que vuelve el diseño más complejo.
Lo que me llamó la atención al investigar GRVT no fue el eslogan “combinar CEX y DEX”, sino la forma en que el proyecto ve el problema.
En lugar de aceptar que los usuarios deben elegir entre conveniencia y propiedad de los activos, GRVT considera que esa limitación merece rediseñarse. Si este modelo tiene éxito o no dependerá del proceso de implementación, pero la decisión de diseño en sí ya ofrece una perspectiva bastante interesante.
#grvt
Suena casi como si solo fuera una forma de llamar al producto. Pero lo importante no es que GRVT se autodenomine “híbrido”, sino por qué eligieron esa dirección de diseño.
Los CEX se hicieron populares gracias a su capacidad de emparejar órdenes rápidamente, a la alta liquidez y a una experiencia de trading fluida. A cambio, los usuarios deben depositar sus activos en el exchange y confiar en el custodio.
Los DEX ayudan a los usuarios a mantener la propiedad de sus activos. Sin embargo, la experiencia de trading suele ser menos fluida, la liquidez puede fragmentarse y el rendimiento puede ser difícil de alcanzar como en los exchanges centralizados.
El modelo Hybrid Exchange de GRVT parece no intentar demostrar que CEX o DEX sean mejores. En cambio, el proyecto parte de otra suposición: la velocidad del trading y la propiedad de los activos no necesariamente tienen que ser dos factores que obliguen a un intercambio.
Por supuesto, esta elección también tiene trade-offs. Combinar la experiencia de CEX con el mecanismo de autogestión de activos de DEX significa que el protocolo debe conciliar dos modelos construidos sobre supuestos muy diferentes, lo que vuelve el diseño más complejo.
Lo que me llamó la atención al investigar GRVT no fue el eslogan “combinar CEX y DEX”, sino la forma en que el proyecto ve el problema.
En lugar de aceptar que los usuarios deben elegir entre conveniencia y propiedad de los activos, GRVT considera que esa limitación merece rediseñarse. Si este modelo tiene éxito o no dependerá del proceso de implementación, pero la decisión de diseño en sí ya ofrece una perspectiva bastante interesante.
#grvt
Có hai cách để giữ một dòng sông sạch.
Una es dejar que la basura arrastre la corriente y luego, al final del río, recogerla.
La otra es colocar una red en la cabecera: la basura aún no ha empezado a flotar cuando ya queda bloqueada.
Crypto también, pero está haciendo la primera.
Las transacciones van primero; los hacks o el lavado de dinero, después.
@NewtonProtocol luego eligió la manera contraria.
No esperar a que la transacción termine para revisarla.
Sino preguntar siempre antes:
"¿Se permite ejecutar este comando o no?"
En mi opinión, ahí es donde está lo más valioso de Newton.
Newton es como un guardia entre el usuario y la blockchain.
¿Quieres transferir dinero?
¿Quieres hacer un swap?
¿Quieres pasar por el guardia?
Perfecto.
Pero hay que comprobar primero:
Si no infringe, se deja pasar
Si infringe, se detiene de inmediato.
Así no tienes que sentarte luego a "apagar incendios".
Una cosa que me parece bastante buena es...
Estos años, el cripto se ha centrado en arreglar fallos de contratos inteligentes.
Mientras que muchos casos de pérdida de dinero no se deben a que el código falle.
Sino por...
La gente está bien, el código está bien, pero la decisión fue errónea.
Newton no arregla la blockchain.
Ellos agregan una capa de "se permite o no se permite" antes de que la blockchain actúe.
Suena pequeño, pero creo que esto es justamente lo que más se necesita.
Sin embargo, aún hay un problema.
Cuanto más fácil sea crear una política, mayor es el riesgo de que se abuse.
Hoy se bloquea a los hackers.
Mañana se bloqueará a más usuarios en el país A.
Pasado mañana, se añaden decenas de otras condiciones.
Entonces la blockchain seguirá descentralizada...
Pero el poder quedará en un solo "portal".
En mi opinión, la pregunta importante no es qué tan rápido filtre Newton.
Sino:
¿Quién es el que escribe la política?
¿Quién tiene derecho a modificarla?
Y si la política está mal, ¿quién asume la responsabilidad?
Todavía me gusta bastante la dirección de Newton.
Quieren convertirse en la capa de autorización que cualquier cadena pueda usar.
#Newt $NEWT $M $TLM
Una es dejar que la basura arrastre la corriente y luego, al final del río, recogerla.
La otra es colocar una red en la cabecera: la basura aún no ha empezado a flotar cuando ya queda bloqueada.
Crypto también, pero está haciendo la primera.
Las transacciones van primero; los hacks o el lavado de dinero, después.
@NewtonProtocol luego eligió la manera contraria.
No esperar a que la transacción termine para revisarla.
Sino preguntar siempre antes:
"¿Se permite ejecutar este comando o no?"
En mi opinión, ahí es donde está lo más valioso de Newton.
Newton es como un guardia entre el usuario y la blockchain.
¿Quieres transferir dinero?
¿Quieres hacer un swap?
¿Quieres pasar por el guardia?
Perfecto.
Pero hay que comprobar primero:
Si no infringe, se deja pasar
Si infringe, se detiene de inmediato.
Así no tienes que sentarte luego a "apagar incendios".
Una cosa que me parece bastante buena es...
Estos años, el cripto se ha centrado en arreglar fallos de contratos inteligentes.
Mientras que muchos casos de pérdida de dinero no se deben a que el código falle.
Sino por...
La gente está bien, el código está bien, pero la decisión fue errónea.
Newton no arregla la blockchain.
Ellos agregan una capa de "se permite o no se permite" antes de que la blockchain actúe.
Suena pequeño, pero creo que esto es justamente lo que más se necesita.
Sin embargo, aún hay un problema.
Cuanto más fácil sea crear una política, mayor es el riesgo de que se abuse.
Hoy se bloquea a los hackers.
Mañana se bloqueará a más usuarios en el país A.
Pasado mañana, se añaden decenas de otras condiciones.
Entonces la blockchain seguirá descentralizada...
Pero el poder quedará en un solo "portal".
En mi opinión, la pregunta importante no es qué tan rápido filtre Newton.
Sino:
¿Quién es el que escribe la política?
¿Quién tiene derecho a modificarla?
Y si la política está mal, ¿quién asume la responsabilidad?
Todavía me gusta bastante la dirección de Newton.
Quieren convertirse en la capa de autorización que cualquier cadena pueda usar.
#Newt $NEWT $M $TLM
Ey, he estado siguiendo el Protocolo Newton desde hace un tiempo, y cuanto más lo leo, más veo que muchas personas están malinterpretando este proyecto.
Muchos piensan que Newton es solo un proyecto de IA.
Pero, según yo, lo que están construyendo no es IA, sino una capa de control antes de que se le permita a la IA realizar transacciones.
Ese es el punto más destacable.
La blockchain solo garantiza que la transacción se ejecute correctamente.
No le importa si la IA decide bien o mal.
Si la IA lee mal los datos y hace un swap equivocado, la cadena igual lo procesa normalmente.
Newton quiere llenar ese vacío.
En lugar de dejar que la IA decida por su cuenta, todas las transacciones deben pasar por una capa de políticas:
verificar el límite de gasto, lista blanca, datos off-chain... solo cuando se cumplen las condiciones, se ejecuta.
Lo que más me gusta es que Newton no confía en que la IA será cada vez más inteligente.
Asumen que la IA siempre puede equivocarse, así que agregan un “freno” antes de mover el dinero.
Pero también hay una pregunta que vale la pena pensar.
Las políticas también las crean los humanos.
Si el mercado cambia y la política no se actualiza a tiempo, también puede convertirse en una debilidad del sistema.
En mi opinión, Newton no solo está construyendo infraestructura para agentes de IA, sino también una capa de autorización para la IA en la blockchain.
Si los agentes de IA se vuelven una tendencia en los próximos años, esto podría ser una pieza muy importante.
¿Y tú qué piensas?
¿La IA debería tener plenos derechos para comerciar, o siempre se necesita una capa de “freno” como la que Newton pone en medio? 👇
@NewtonProtocol #Newt $NEWT $NFP $BNB
Muchos piensan que Newton es solo un proyecto de IA.
Pero, según yo, lo que están construyendo no es IA, sino una capa de control antes de que se le permita a la IA realizar transacciones.
Ese es el punto más destacable.
La blockchain solo garantiza que la transacción se ejecute correctamente.
No le importa si la IA decide bien o mal.
Si la IA lee mal los datos y hace un swap equivocado, la cadena igual lo procesa normalmente.
Newton quiere llenar ese vacío.
En lugar de dejar que la IA decida por su cuenta, todas las transacciones deben pasar por una capa de políticas:
verificar el límite de gasto, lista blanca, datos off-chain... solo cuando se cumplen las condiciones, se ejecuta.
Lo que más me gusta es que Newton no confía en que la IA será cada vez más inteligente.
Asumen que la IA siempre puede equivocarse, así que agregan un “freno” antes de mover el dinero.
Pero también hay una pregunta que vale la pena pensar.
Las políticas también las crean los humanos.
Si el mercado cambia y la política no se actualiza a tiempo, también puede convertirse en una debilidad del sistema.
En mi opinión, Newton no solo está construyendo infraestructura para agentes de IA, sino también una capa de autorización para la IA en la blockchain.
Si los agentes de IA se vuelven una tendencia en los próximos años, esto podría ser una pieza muy importante.
¿Y tú qué piensas?
¿La IA debería tener plenos derechos para comerciar, o siempre se necesita una capa de “freno” como la que Newton pone en medio? 👇
@NewtonProtocol #Newt $NEWT $NFP $BNB
Vaya,
Ayer entré en futuros con 124 USD de margen, apalancamiento x10.
Orden en 36 USD, el fee de funding parpadeando sin parar.
Pero pensando mejor, lo que más me incomodó no fue el hecho de que me vayan a liquidar pronto.
Sino... la memoria.
Si haces mal un trade, puedes cerrar la posición.
Si apruebas por error, puedes revocar.
Si tomas la ruta equivocada, pierdes unos cuantos dólares en gas o te comes el slippage, al menos sabes dónde te equivocas.
Pero si la memoria está mal, es otra historia.
No se rompe de inmediato, sino que va atravesando en silencio toda la cadena de extracción → almacenamiento → recuperación → inferencia, y la IA saca una conclusión que suena muy razonable.
Lo único malo es que... se basa en una versión vieja tuya.
Lo que más me hizo pensar fue:
El peligro no está en los datos incorrectos.
Sino en los datos que alguna vez estuvieron bien, pero ahora ya caducaron.
Por ejemplo, antes tú administrabas 14 wallets, hacías market making y comerciabas todo el tiempo.
Ahora han pasado seis meses.
Pero la IA aún te ve como un trader activo.
TEE solo prueba que esos datos existieron en el pasado.
No prueba que esos datos sigan siendo correctos.
Crypto me dio una lección:
Una verdad que ya caducó, pero que aún se confía en ella, a veces puede ser más peligrosa que una frase equivocada desde el principio.
Si no existe el factor tiempo, la búsqueda semántica solo está desenterrando el pasado.
Si el usuario no puede actualizar la memoria, los datos viejos se vuelven muy fácil "verdades verificadas".
Y para entonces, olvidar deja de ser una reacción natural.
Se convertirá en... una operación.
@NewtonProtocol está construyendo un agente de IA on-chain, y la memoria es casi el alma del agente.
Si no se resuelve el problema de "temporal relevance", la IA actuará según tu versión anterior, y no según la persona que eres ahora.
#Newt $NEWT $NFP $BTC
Ayer entré en futuros con 124 USD de margen, apalancamiento x10.
Orden en 36 USD, el fee de funding parpadeando sin parar.
Pero pensando mejor, lo que más me incomodó no fue el hecho de que me vayan a liquidar pronto.
Sino... la memoria.
Si haces mal un trade, puedes cerrar la posición.
Si apruebas por error, puedes revocar.
Si tomas la ruta equivocada, pierdes unos cuantos dólares en gas o te comes el slippage, al menos sabes dónde te equivocas.
Pero si la memoria está mal, es otra historia.
No se rompe de inmediato, sino que va atravesando en silencio toda la cadena de extracción → almacenamiento → recuperación → inferencia, y la IA saca una conclusión que suena muy razonable.
Lo único malo es que... se basa en una versión vieja tuya.
Lo que más me hizo pensar fue:
El peligro no está en los datos incorrectos.
Sino en los datos que alguna vez estuvieron bien, pero ahora ya caducaron.
Por ejemplo, antes tú administrabas 14 wallets, hacías market making y comerciabas todo el tiempo.
Ahora han pasado seis meses.
Pero la IA aún te ve como un trader activo.
TEE solo prueba que esos datos existieron en el pasado.
No prueba que esos datos sigan siendo correctos.
Crypto me dio una lección:
Una verdad que ya caducó, pero que aún se confía en ella, a veces puede ser más peligrosa que una frase equivocada desde el principio.
Si no existe el factor tiempo, la búsqueda semántica solo está desenterrando el pasado.
Si el usuario no puede actualizar la memoria, los datos viejos se vuelven muy fácil "verdades verificadas".
Y para entonces, olvidar deja de ser una reacción natural.
Se convertirá en... una operación.
@NewtonProtocol está construyendo un agente de IA on-chain, y la memoria es casi el alma del agente.
Si no se resuelve el problema de "temporal relevance", la IA actuará según tu versión anterior, y no según la persona que eres ahora.
#Newt $NEWT $NFP $BTC
Ê, ae, escucha y cuéntame sobre @NewtonProtocol de Magic Labs, ¿eh?
Muchos dicen: “Magic antes hacía wallets, ahora se pasa a compliance, seguro sigue la tendencia”.
Suena razonable, porque en crypto no faltan equipos que corren detrás de un narrative.
Pero si profundizas, es otra cosa.
Magic hace wallets integradas desde 2018; hoy tienen más de 57 millones de wallets, 200.000+ desarrolladores integrados y el volumen de stablecoins supera los 10 mil millones de USD. Forbes, Polymarket y Helium ya lo están usando. Esto son usuarios reales, no números para contar una historia.
Newton tampoco es un producto secundario. Es un paso de expansión desde la gestión de cuentas → hacia la gestión de transacciones.
La idea es que, antes de que la transacción se ejecute, el sistema compruebe reglas como KYC, AML, límites de transacción e incluso use datos fuera de la cadena + IA. Esta es la parte que un smart contract tradicional no suele hacer bien.
La tecnología que usan es TEE + ZK para apoyar el cumplimiento a la vez que mantienen la privacidad.
Un punto destacable:
El mundo gasta más de 200 mil millones de USD cada año en compliance. Si estas reglas se programan, Newton podría beneficiarse mucho de la tendencia de stablecoins y RWA.
Pero también hay objeciones.
Tener usuarios de entrada es una ventaja; pero ¿de verdad los devs lo usan? Si es demasiado estricto, pierdes usuarios; si es demasiado laxo, pierde el sentido.
Lo positivo es que Magic ya tiene una buena base de seguridad y ya se ha comprobado con productos reales como Polymarket.
En resumen:
Newton no parece un proyecto que vaya a la moda. Es una expansión bastante lógica de onboarding a la capa de transacciones.
Y si tiene éxito o no, todavía habrá que esperar a ver si los devs votan con un producto real.
¿A ustedes qué les parece? ¿Ape o pass? 👇
#Newt $NEWT $SYN
Muchos dicen: “Magic antes hacía wallets, ahora se pasa a compliance, seguro sigue la tendencia”.
Suena razonable, porque en crypto no faltan equipos que corren detrás de un narrative.
Pero si profundizas, es otra cosa.
Magic hace wallets integradas desde 2018; hoy tienen más de 57 millones de wallets, 200.000+ desarrolladores integrados y el volumen de stablecoins supera los 10 mil millones de USD. Forbes, Polymarket y Helium ya lo están usando. Esto son usuarios reales, no números para contar una historia.
Newton tampoco es un producto secundario. Es un paso de expansión desde la gestión de cuentas → hacia la gestión de transacciones.
La idea es que, antes de que la transacción se ejecute, el sistema compruebe reglas como KYC, AML, límites de transacción e incluso use datos fuera de la cadena + IA. Esta es la parte que un smart contract tradicional no suele hacer bien.
La tecnología que usan es TEE + ZK para apoyar el cumplimiento a la vez que mantienen la privacidad.
Un punto destacable:
El mundo gasta más de 200 mil millones de USD cada año en compliance. Si estas reglas se programan, Newton podría beneficiarse mucho de la tendencia de stablecoins y RWA.
Pero también hay objeciones.
Tener usuarios de entrada es una ventaja; pero ¿de verdad los devs lo usan? Si es demasiado estricto, pierdes usuarios; si es demasiado laxo, pierde el sentido.
Lo positivo es que Magic ya tiene una buena base de seguridad y ya se ha comprobado con productos reales como Polymarket.
En resumen:
Newton no parece un proyecto que vaya a la moda. Es una expansión bastante lógica de onboarding a la capa de transacciones.
Y si tiene éxito o no, todavía habrá que esperar a ver si los devs votan con un producto real.
¿A ustedes qué les parece? ¿Ape o pass? 👇
#Newt $NEWT $SYN
Ê hermanos cripto, OpenGradient está jugando una estrategia de privacidad con IA de nivel máximo
La mayoría de proyectos de IA presume “yo protejo tus datos”, pero en realidad solo son promesas vacías.
Hoy prometen, mañana lo arreglan… y si el gobierno los obliga, tienen que entregar todo, porque ellos todavía pueden ver tus preguntas.
OpenGradient juega diferente: ni siquiera el equipo sabe qué preguntas haces.
Todo el proceso de la IA para pensar y responder corre dentro de un TEE: el “cuarto cerrado” del hardware en CPU y GPU.
Tus datos se cifran antes de entrar, se procesan por dentro y solo sale el resultado.
No hay llaves, no se guardan logs, no hay ningún camino por el que alguien pueda ver.
¿El gobierno quiere exigir datos?
No hay nada que dar.
Lo más raro y mejor es que combinan el hardware TEE con verificación en blockchain.
Tú puedes comprobar por tu cuenta si el código funciona bien, sin tener que creerle a nadie.
Mientras otros proyectos compiten por hacer modelos on-chain para lo que sea, OpenGradient se enfoca en construir una base de cómputo secreto de verdad.
El token #OPG se usa para pagar, alojar el modelo y desplegar agentes.
Ya realizaron inferencias privadas millones de veces.
El TEE no es una tecnología nueva, pero usarlo por defecto para chat con IA es raro.
El gran riesgo es que si la CPU de Intel, AMD o NVIDIA falla, entonces se rompe.
También preparan ZKML como respaldo, pero todavía no es 100% perfecto.
Más adelante, cuando se aprieten las regulaciones para la IA, a quien tenga los datos de los usuarios será el primero al que le van a poner lupa.
OpenGradient está diseñado para que nadie pueda saber esto: esa es la forma inteligente de sobrevivir en el sector crypto-IA.
Prueben la app de chat de ellos: no necesitas cuenta, no te rastrean, y tus preguntas desaparecen.
La historia de la privacidad + la verificación de IA que se puede comprobar está muy de moda.
$OPG vale la pena ponerle atención.
#BTC $SYN
La mayoría de proyectos de IA presume “yo protejo tus datos”, pero en realidad solo son promesas vacías.
Hoy prometen, mañana lo arreglan… y si el gobierno los obliga, tienen que entregar todo, porque ellos todavía pueden ver tus preguntas.
OpenGradient juega diferente: ni siquiera el equipo sabe qué preguntas haces.
Todo el proceso de la IA para pensar y responder corre dentro de un TEE: el “cuarto cerrado” del hardware en CPU y GPU.
Tus datos se cifran antes de entrar, se procesan por dentro y solo sale el resultado.
No hay llaves, no se guardan logs, no hay ningún camino por el que alguien pueda ver.
¿El gobierno quiere exigir datos?
No hay nada que dar.
Lo más raro y mejor es que combinan el hardware TEE con verificación en blockchain.
Tú puedes comprobar por tu cuenta si el código funciona bien, sin tener que creerle a nadie.
Mientras otros proyectos compiten por hacer modelos on-chain para lo que sea, OpenGradient se enfoca en construir una base de cómputo secreto de verdad.
El token #OPG se usa para pagar, alojar el modelo y desplegar agentes.
Ya realizaron inferencias privadas millones de veces.
El TEE no es una tecnología nueva, pero usarlo por defecto para chat con IA es raro.
El gran riesgo es que si la CPU de Intel, AMD o NVIDIA falla, entonces se rompe.
También preparan ZKML como respaldo, pero todavía no es 100% perfecto.
Más adelante, cuando se aprieten las regulaciones para la IA, a quien tenga los datos de los usuarios será el primero al que le van a poner lupa.
OpenGradient está diseñado para que nadie pueda saber esto: esa es la forma inteligente de sobrevivir en el sector crypto-IA.
Prueben la app de chat de ellos: no necesitas cuenta, no te rastrean, y tus preguntas desaparecen.
La historia de la privacidad + la verificación de IA que se puede comprobar está muy de moda.
$OPG vale la pena ponerle atención.
#BTC $SYN
Con verificación
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
Con verificación
Ayer me senté en un puesto de comida callejera, comiendo mientras revisaba rutas en un DEX, y de repente el wallet volvió a pedir Approval. El gas subió un poquito y el slippage se disparó casi 2%.
La verdad me molestó un poco, y de repente pensé en @OpenGradient
No es por que la comida fuera mala.
Es más bien porque en cripto hay una sensación muy familiar: cuanto más escucho la palabra “verifiable”, más me dan ganas de preguntar: si el dinero se va, ¿quién responde?
—
ZKML en papel suena increíble.
La IA tiene pruebas; la inferencia se puede verificar; todo es transparente.
Pero en el mercado, la realidad no espera.
En el DeFi o el trading con IA, a veces unos segundos de retraso ya son suficientes para pagar un precio.
No pregunta qué tan bonita es la prueba.
Solo pregunta:
“¿El resultado cuando yo presiono el botón sirve?”
Por eso digo que OpenGradient me parece bastante práctico.
En vez de obligar a que la IA verifique todo antes de entregar el resultado, separan la ejecución y la verificación.
La inferencia corre primero para que el usuario reciba la salida rápido.
La prueba corre después para mantener la capacidad de verificación.
El LLM usa TEE para que sea ligero.
Si el modelo es pequeño, usan ZKML.
Quien necesita velocidad, elige vanilla.
No fuerzan todos los casos de uso en un solo trade-off.
Pero la pregunta sigue ahí.
Si la salida está mal, el usuario ya actuó; la prueba posterior recién descubre el error…
entonces, ¿cuánta relevancia tiene verificar en ese momento?
Por eso yo sigo pendiente de OpenGradient.
No porque prometan resolverlo todo.
Sino porque al menos se atreven a decirlo claro: la IA no es gratis; la confianza no desaparece, solo se reubica en otro lado.
Tú qué eliges:
¿correcto pero lento, o rápido pero aceptas un poco más de confianza?
$OPG #opg
La verdad me molestó un poco, y de repente pensé en @OpenGradient
No es por que la comida fuera mala.
Es más bien porque en cripto hay una sensación muy familiar: cuanto más escucho la palabra “verifiable”, más me dan ganas de preguntar: si el dinero se va, ¿quién responde?
—
ZKML en papel suena increíble.
La IA tiene pruebas; la inferencia se puede verificar; todo es transparente.
Pero en el mercado, la realidad no espera.
En el DeFi o el trading con IA, a veces unos segundos de retraso ya son suficientes para pagar un precio.
No pregunta qué tan bonita es la prueba.
Solo pregunta:
“¿El resultado cuando yo presiono el botón sirve?”
Por eso digo que OpenGradient me parece bastante práctico.
En vez de obligar a que la IA verifique todo antes de entregar el resultado, separan la ejecución y la verificación.
La inferencia corre primero para que el usuario reciba la salida rápido.
La prueba corre después para mantener la capacidad de verificación.
El LLM usa TEE para que sea ligero.
Si el modelo es pequeño, usan ZKML.
Quien necesita velocidad, elige vanilla.
No fuerzan todos los casos de uso en un solo trade-off.
Pero la pregunta sigue ahí.
Si la salida está mal, el usuario ya actuó; la prueba posterior recién descubre el error…
entonces, ¿cuánta relevancia tiene verificar en ese momento?
Por eso yo sigo pendiente de OpenGradient.
No porque prometan resolverlo todo.
Sino porque al menos se atreven a decirlo claro: la IA no es gratis; la confianza no desaparece, solo se reubica en otro lado.
Tú qué eliges:
¿correcto pero lento, o rápido pero aceptas un poco más de confianza?
$OPG #opg
Lo que me pareció especialmente interesante en OpenGradient Chat no es lo buena que sea la respuesta de IA.
Sino el challenge path.
Suena un poco técnico, pero explicado de forma sencilla es esto: si en el futuro alguien pone en duda el resultado que dio la IA, el sistema todavía conserva suficientes rastros para poder revisarlo, desde el inference trace, pasando por el proof trail, hasta llegar al settlement trace.
La idea es bastante buena.
Porque la mayoría de las IA actuales te dan una respuesta, y el cómo llega a ese resultado… depende de ti creer o no.
OpenGradient está probando un enfoque diferente.
Pero a mí me surgió una pregunta más interesante.
¿Qué pasa si el sistema puede guardar toda la evidencia, pero en realidad nadie la usa para rebatir?
—
Aparece una respuesta.
Panel de revisión verde.
La gente ve que está bien → se continúa trabajando.
En ese momento, ¿qué tan relevante es el challenge path?
En teoría, cualquiera puede hacer un challenge.
Pero en la práctica:
¿quién tiene el poder suficiente para detenerlo y decir “un momento”?
¿Quién va a leer todo ese conjunto de trazas?
¿Y si el challenge tiene éxito, se puede cambiar el resultado?
Esa es la parte en la que creo que OpenGradient está tocando un problema más grande que el de “una IA inteligente”.
No es que falten respuestas.
Lo que falta es un mecanismo de rendición de cuentas que funcione de verdad.
—
Así que para mí, lo que vale la pena seguir viendo no es cuán correcta sea la IA.
Sino si OpenGradient logra convertir el challenge en algo que realmente esté vivo.
Porque si el challenge solo existe en el papel, y todas las decisiones siguen el primer answer…
en ese caso, la prueba solo sería un historial guardado.
No una accountability real.
@OpenGradient $OPG #opg
Sino el challenge path.
Suena un poco técnico, pero explicado de forma sencilla es esto: si en el futuro alguien pone en duda el resultado que dio la IA, el sistema todavía conserva suficientes rastros para poder revisarlo, desde el inference trace, pasando por el proof trail, hasta llegar al settlement trace.
La idea es bastante buena.
Porque la mayoría de las IA actuales te dan una respuesta, y el cómo llega a ese resultado… depende de ti creer o no.
OpenGradient está probando un enfoque diferente.
Pero a mí me surgió una pregunta más interesante.
¿Qué pasa si el sistema puede guardar toda la evidencia, pero en realidad nadie la usa para rebatir?
—
Aparece una respuesta.
Panel de revisión verde.
La gente ve que está bien → se continúa trabajando.
En ese momento, ¿qué tan relevante es el challenge path?
En teoría, cualquiera puede hacer un challenge.
Pero en la práctica:
¿quién tiene el poder suficiente para detenerlo y decir “un momento”?
¿Quién va a leer todo ese conjunto de trazas?
¿Y si el challenge tiene éxito, se puede cambiar el resultado?
Esa es la parte en la que creo que OpenGradient está tocando un problema más grande que el de “una IA inteligente”.
No es que falten respuestas.
Lo que falta es un mecanismo de rendición de cuentas que funcione de verdad.
—
Así que para mí, lo que vale la pena seguir viendo no es cuán correcta sea la IA.
Sino si OpenGradient logra convertir el challenge en algo que realmente esté vivo.
Porque si el challenge solo existe en el papel, y todas las decisiones siguen el primer answer…
en ese caso, la prueba solo sería un historial guardado.
No una accountability real.
@OpenGradient $OPG #opg
Hace mucho tiempo, desde la época de los reyes Hùng, había una frase: "Todo florece y luego declina, se dispersa y luego vuelve a reunirse; nada permanece inmóvil para siempre con el paso del tiempo".
Si leo de nuevo esta frase, me parece que se parece al AI y a las criptomonedas de estos años, una barbaridad.
Antes, todos decían que la IA era la IA y que blockchain era blockchain.
Luego, a donde vayas, ves AI + crypto.
Pero muchas veces siento que solo es juntar buzzwords, no crear valor.
El otro día entré a una cafetería que se anunciaba bastante:
Pedir con AI.
Pagar con blockchain.
Vivir la experiencia del futuro.
Al oírlo, pensé que iba a terminar tomando café en Marte.
Al final, igual tenías que introducir el OTP tú, confirmar tú, revisar el pedido tú y luego recoger tu bebida tú.
En el primer sorbo me dije:
Entonces… ¿la tecnología me está reemplazando, o yo estoy trabajando gratis para la tecnología?
Ahí es cuando me pareció @OpenGradient increíble.
No cuentan la historia de que la IA sea más potente.
Más bien están intentando convertir la IA en infraestructura.
¿Dónde está el modelo?
¿Qué nodo ejecuta el cómputo?
El verificador comprueba.
El usuario conversa con Fable 5 o genera imágenes con Image Studio.
$OPG está en medio, conectando todo.
Hay un punto que me pareció bastante raro:
Antes, las criptomonedas tokenizaban activos.
Luego, tokenizaron la atención.
Y si OpenGradient va en la dirección correcta, entonces están intentando tokenizar… la inferencia.
Es decir: el valor solo nace cuando la IA realmente se usa.
Pero aquí es donde también tengo mi objeción.
Pedir muchas cosas no significa necesariamente crear valor.
Un panel bonito no significa que el usuario tenga menos trabajo.
Si al final el usuario todavía tiene que volver a corregir paso a paso, entonces la IA solo está externalizando a la inversa el trabajo para los humanos.
Creo que la infraestructura de IA del futuro debería premiar la tasa de finalización del trabajo, no solo el throughput.
OpenGradient va por buen camino: convertir la IA en infraestructura. Pero necesitan enfocarse en recompensar los resultados, no solo los indicadores bonitos del dashboard.
#OPG
Si leo de nuevo esta frase, me parece que se parece al AI y a las criptomonedas de estos años, una barbaridad.
Antes, todos decían que la IA era la IA y que blockchain era blockchain.
Luego, a donde vayas, ves AI + crypto.
Pero muchas veces siento que solo es juntar buzzwords, no crear valor.
El otro día entré a una cafetería que se anunciaba bastante:
Pedir con AI.
Pagar con blockchain.
Vivir la experiencia del futuro.
Al oírlo, pensé que iba a terminar tomando café en Marte.
Al final, igual tenías que introducir el OTP tú, confirmar tú, revisar el pedido tú y luego recoger tu bebida tú.
En el primer sorbo me dije:
Entonces… ¿la tecnología me está reemplazando, o yo estoy trabajando gratis para la tecnología?
Ahí es cuando me pareció @OpenGradient increíble.
No cuentan la historia de que la IA sea más potente.
Más bien están intentando convertir la IA en infraestructura.
¿Dónde está el modelo?
¿Qué nodo ejecuta el cómputo?
El verificador comprueba.
El usuario conversa con Fable 5 o genera imágenes con Image Studio.
$OPG está en medio, conectando todo.
Hay un punto que me pareció bastante raro:
Antes, las criptomonedas tokenizaban activos.
Luego, tokenizaron la atención.
Y si OpenGradient va en la dirección correcta, entonces están intentando tokenizar… la inferencia.
Es decir: el valor solo nace cuando la IA realmente se usa.
Pero aquí es donde también tengo mi objeción.
Pedir muchas cosas no significa necesariamente crear valor.
Un panel bonito no significa que el usuario tenga menos trabajo.
Si al final el usuario todavía tiene que volver a corregir paso a paso, entonces la IA solo está externalizando a la inversa el trabajo para los humanos.
Creo que la infraestructura de IA del futuro debería premiar la tasa de finalización del trabajo, no solo el throughput.
OpenGradient va por buen camino: convertir la IA en infraestructura. Pero necesitan enfocarse en recompensar los resultados, no solo los indicadores bonitos del dashboard.
#OPG
Eh, hermanos,
El año pasado tuve algunos problemas de salud.
En lugar de ir al médico de inmediato, me pasé casi una hora chateando con una IA para contarle todo: síntomas, qué enfermedad, el peor escenario... Detalles brutales.
Luego, cuando fui a ver al médico, lo conté de manera breve, con evasivas, sin atreverme a sacar todo mi miedo.
Suena raro, pero se entiende: con la IA solo son unas líneas de texto, sin juicios, sin registros.
Mientras que con el médico es un historial clínico real.
¿Y el resultado?
La versión más auténtica de mí no está en el historial médico, sino en el historial de chat de la IA.
Ahora la IA se está convirtiendo en un "diario mental": salud, wallet de crypto, ideas de startups, finanzas personales, incluso esos pensamientos oscuros que no te atreves a compartir con nadie.
Pero, ¿quién está guardando ese montón de datos sensibles de la peña?
Esta es la razón por la que me gusta @OpenGradient .
No están compitiendo por el modelo más inteligente, sino que construyen una IA con verdadera privacidad usando TEE.
El prompt y la respuesta corren en un enclave de hardware, el operador no puede leerlo, y tú verificas en la cadena de bloques siempre.
Al poder verificar, aseguras que los datos no se filtren, y que la inferencia sea correcta.
Lo interesante que veo es que el futuro de la IA no ganará por tener el modelo más grande, sino por tener la plataforma más confiable que permita a la gente "desnudarse" y compartir todos sus secretos.
OpenGradient está siguiendo esta narrativa: IA verificable + privacidad. Por supuesto, TEE no es perfecto, están mitigando con multi-verificación y ZKML para casos sensibles.
Ya han realizado más de 2 millones de inferencias, respaldados por a16z crypto.
En resumen, si la IA conoce todos tus secretos, ¿en quién confiarías?
OpenGradient está respondiendo correctamente a esa pregunta. Infórmate ya.
#OPG $OPG $M $BTC
El año pasado tuve algunos problemas de salud.
En lugar de ir al médico de inmediato, me pasé casi una hora chateando con una IA para contarle todo: síntomas, qué enfermedad, el peor escenario... Detalles brutales.
Luego, cuando fui a ver al médico, lo conté de manera breve, con evasivas, sin atreverme a sacar todo mi miedo.
Suena raro, pero se entiende: con la IA solo son unas líneas de texto, sin juicios, sin registros.
Mientras que con el médico es un historial clínico real.
¿Y el resultado?
La versión más auténtica de mí no está en el historial médico, sino en el historial de chat de la IA.
Ahora la IA se está convirtiendo en un "diario mental": salud, wallet de crypto, ideas de startups, finanzas personales, incluso esos pensamientos oscuros que no te atreves a compartir con nadie.
Pero, ¿quién está guardando ese montón de datos sensibles de la peña?
Esta es la razón por la que me gusta @OpenGradient .
No están compitiendo por el modelo más inteligente, sino que construyen una IA con verdadera privacidad usando TEE.
El prompt y la respuesta corren en un enclave de hardware, el operador no puede leerlo, y tú verificas en la cadena de bloques siempre.
Al poder verificar, aseguras que los datos no se filtren, y que la inferencia sea correcta.
Lo interesante que veo es que el futuro de la IA no ganará por tener el modelo más grande, sino por tener la plataforma más confiable que permita a la gente "desnudarse" y compartir todos sus secretos.
OpenGradient está siguiendo esta narrativa: IA verificable + privacidad. Por supuesto, TEE no es perfecto, están mitigando con multi-verificación y ZKML para casos sensibles.
Ya han realizado más de 2 millones de inferencias, respaldados por a16z crypto.
En resumen, si la IA conoce todos tus secretos, ¿en quién confiarías?
OpenGradient está respondiendo correctamente a esa pregunta. Infórmate ya.
#OPG $OPG $M $BTC
Inicia sesión para explorar más contenidos