Mr_Kavin

Recientemente, el interés por el sector de la seguridad en la automatización on-chain ha ido en aumento, y muchas personas en la comunidad están vigilando de cerca a NEWT. He realizado investigaciones de datos on-chain durante muchos años. En los últimos días, he estado probando de forma continua la Newton Mainnet Beta, ejecutando flujos de extremo a extremo que incluyen la validación de permisos y desafíos a los nodos. También leí, capítulo por capítulo, el Capítulo 4 en la página de la arquitectura de seguridad del whitepaper, contrastándolo con los registros de staking y slashing/penalizaciones en la cadena. La mayoría de los proyectos similares en el mercado, en gran parte, solo hacen hype con la tecnología de conocimiento cero, y sus reglas de castigo a nodos son vagas: casi no hay canales para que los usuarios busquen remedios cuando se enfrentan a ejecuciones falsas.
Siempre he mantenido mi enfoque de trading: primero probarlo en la práctica y luego revisar los datos on-chain. No entro ciegamente solo porque algo esté en tendencia; en su lugar, mapeo de manera objetiva el estado operativo real de hoy.
Tras las pruebas en mano, puedo confirmar que todo el mecanismo de seguridad ya está implementado y funcionando, no solo como un plan en papel. Ajusté repetidamente los límites y los horarios de operación de las operaciones automatizadas; cualquier operación que exceda los permisos predefinidos será bloqueada directamente por zkPermissions. Los nodos dependen de la rotación aleatoria basada en VRF para evitar que cualquier nodo único controle el poder de cómputo de la red durante mucho tiempo. Los operadores deben sincronizar el staking de ETH y NEWT para proporcionar doble colateral. Si se genera una credencial de ejecución falsa, ambos tipos de activos serán recortados/expropiados por el contrato. La Mainnet Beta ha conservado una gran cantidad de registros reales de penalizaciones. Al usar el costo del token para limitar el comportamiento de los nodos, la implementabilidad de las medidas de seguridad está muy por encima de la de proyectos similares.

@NewtonProtocol #Newt $NEWT

#newt $NEWT @NewtonProtocol
He estado leyendo sobre el Protocolo Newton, y hay una idea que no deja de repetirse.

Todo el mundo habla sobre si los agentes de IA pueden ejecutar operaciones de forma segura. Pero ¿y si esa no fuera la parte más difícil?

¿Y si el verdadero reto es asegurarse de que la política diga lo que el usuario realmente quiere decir? ¿Puede una lista de reglas capturar algo tan matizado como el juicio humano? Y si una IA sigue cada regla exactamente como está escrita, pero aun así entrega un resultado que el usuario no esperaba, ¿falló la IA o falló la política?

Eso parece una conversación mucho más importante para el futuro de las finanzas autónomas.

#newt $NEWT @NewtonProtocol
Aquí tienes una versión más natural y conversacional, que se siente como un pensamiento genuino de alguien analizando el protocolo en lugar de escribir para captar la atención.

Cuanto más pienso en el Newton Protocol, más se me viene una idea a la mente.

¿Y si el verdadero reto no es conseguir que un agente de IA siga las instrucciones?

¿Y si el reto es asegurarse de que esas instrucciones sigan teniendo sentido para cuando se ejecuten?

Los mercados pueden cambiar rápido. Un agente podría hacer exactamente lo que se le indicó, pero aun así fallar en lo que el usuario realmente querría en ese momento.

Eso suena a un problema mucho más difícil de resolver; y, para mí, una de las preguntas más interesantes detrás de las finanzas autónomas.

#newt $NEWT @NewtonProtocol
Cuanto más leo sobre el Protocolo Newton, más me encuentro pensando más allá de la tecnología en sí. Cuanto más leo sobre el Protocolo Newton, más me encuentro pensando más allá de la tecnología en sí.

Si la IA va a hacer más que solo hacer sugerencias, ¿qué es lo que realmente hará que la gente confíe en ella? ¿La seguridad sólida será suficiente, o la gente esperará entender también cómo se comportan estos sistemas? Y a medida que entren más agentes autónomos en el panorama, ¿qué separará a los que la gente confía de los que ignora?

Siente como si el próximo gran desafío no fuera solo construir una IA más inteligente: es ganarse la confianza de las personas. ogy en sí.

Si la IA va a hacer más que solo hacer sugerencias, ¿qué es lo que realmente hará que la gente confíe en ella? ¿La seguridad sólida será suficiente, o la gente esperará entender también cómo se comportan estos sistemas? Y a medida que entren más agentes autónomos en el panorama, ¿qué separará a los que la gente confía de los que ignora?

Siento como si el próximo gran desafío no fuera solo construir una IA más inteligente; es ganarse la confianza de las personas.

Cuanto más aprendo sobre la IA, más me doy cuenta de que los modelos potentes son solo una parte de la historia. Lo que realmente importa es la infraestructura detrás de ellos: dónde se ejecutan, quién los controla, y si los usuarios pueden realmente confiar en los resultados que reciben.

Esa es una de las razones por las que OpenGradient llamó mi atención. En lugar de mantener la IA encerrada en unas pocas plataformas centralizadas, está explorando una red donde los modelos pueden ser alojados y utilizados a través de una infraestructura descentralizada. Es una forma diferente de pensar sobre la IA: no como un servicio controlado por un puñado de proveedores, sino como un recurso que puede ser más abierto y ampliamente accesible.

Lo que encuentro más interesante es el enfoque en la verificación. A medida que la IA se convierte en parte de decisiones más importantes, la confianza se convierte en un verdadero problema. Es razonable preguntar si un modelo está funcionando como se afirma y si sus resultados pueden ser validados de manera independiente. Construir sistemas que aborden esas preguntas se siente como un paso en la dirección correcta.

A menudo hablamos de hacer la IA más inteligente, más rápida o más grande. Pero hay otra conversación que vale la pena tener: cómo hacerla más transparente y confiable. Proyectos como OpenGradient están explorando ese desafío, y será interesante ver cómo la infraestructura descentralizada da forma a la próxima fase del desarrollo de la IA.

#opg $OPG @OpenGradient

OpenGradient se siente menos como un producto y más como un intento de mover la inteligencia fuera de una sola habitación y hacia algo distribuido y compartido. No solo IA sentada en los servidores de una empresa, sino IA corriendo en muchos lugares, conectada por una infraestructura que la mayoría de la gente nunca ve.

Lo que destaca es cómo el enfoque se aleja de los modelos y hacia el terreno que los sostiene. Hosting, inferencia, verificación—cosas que generalmente permanecen ocultas en el fondo—comienzan a convertirse en la estructura principal en lugar de la estructura de soporte. La inteligencia ya no está simplemente “ahí”, tiene que ser sostenida por una red que la reconstruye en tiempo real.

Hay algo silenciosamente inestable e interesante en eso. El sistema realmente no tiene un centro al que puedas señalar, sin embargo, sigue funcionando como una sola entidad cuando interactúas con él. Esa tensión entre estar distribuido y aún sentirte unificado es donde vive la mayor parte de la complejidad.

La verificación también deja de sentirse simple en esta configuración. Ya no es solo una revisión final al final. Se convierte en algo que ocurre en múltiples puntos, donde diferentes partes de la red están constantemente de acuerdo entre sí para mantener la confianza intacta. Se siente menos como un sello de aprobación y más como un proceso continuo que nunca termina realmente.

Y debajo de todo eso hay un lento cambio en cómo se comporta el control. No está removido, solo distribuido tan finamente que comienza a sentirse más como coordinación que como propiedad.

#opg $OPG @OpenGradient

#opg $OPG @OpenGradient
He pasado suficientes años en crypto para saber cuán a menudo la misma historia regresa con un nuevo nombre. Por eso sigo pensando en algo que generalmente se ignora en las charlas sobre IA. Pasamos tanto tiempo preguntando si una respuesta es correcta, pero estoy empezando a pensar que la pregunta más honesta es cuándo se generó realmente esa respuesta. El timing cambia el significado de todo. Una predicción solo se siente real si puedes probar que existió antes del resultado. Una afirmación solo se siente sólida si su historia es visible, no construida más tarde desde la memoria. Eso es lo que hizo que @OpenGradient y $OPG se destacaran para mí. No me convenzo fácilmente, y no confío en narrativas brillantes, pero la IA verificable se siente como una de las pocas ideas aquí que realmente podrían importar.

Sigo pensando en lo extraño que es realmente el "consentimiento" en línea. Volví a leer una política de privacidad que había aceptado hace dos años, y ya había cambiado cuatro veces. Nadie me lo dijo de una manera que importara. Solo una pequeña actualización enterrada en algún lugar de la configuración, ese tipo de cosa que solo notas si ya estás buscando problemas. Y, sin embargo, eso fue suficiente para que la app tratara mi uso continuo como consentimiento. Esa parte honestamente me molesta más que la mayoría de las brechas. No porque sea ruidosa, sino porque es silenciosa.

He visto este tipo de cosas antes en cripto también. Muchas veces, la gente habla de la confianza como si estuviera siendo reemplazada por algo más fuerte, pero luego el sistema todavía encuentra una forma de apoyarse en la confianza cuando más importa. El lenguaje suena sólido hasta que lo miras de cerca, y entonces comienza a sentirse un poco demasiado flexible.

Por eso es que las garantías criptográficas se sienten diferentes para mí. Una atestación TEE no se reescribe silenciosamente más tarde. Se fija en el momento en que se crea. Si algo se ejecutó con un input específico en un entorno verificado, esa prueba está ahí. No cambia porque alguien decidió actualizar la redacción seis meses después.

No estoy diciendo que eso haga todo mejor. No lo hace. Pero después de observar suficientes ciclos, he aprendido a notar la diferencia entre algo que suena seguro y algo que realmente deja menos margen para juegos.

#opg $OPG @OpenGradient

OpenGradient está tratando de resolver un problema que se está volviendo más difícil de ignorar: ¿cómo confiar en los sistemas de IA que son controlados solo por unos pocos proveedores centralizados?

En lugar de tratar la IA como una caja negra alojada en un solo lugar, distribuye la carga de trabajo a través de una red. Los modelos son alojados, ejecutados y verificados por diferentes participantes, por lo que ningún actor único controla completamente lo que está sucediendo. Ese cambio puede sonar técnico, pero la idea es en realidad bastante simple: la IA se convierte en algo compartido en lugar de ser propiedad de alguien.

Lo que destaca es el enfoque en la verificación. No se trata solo de obtener una respuesta de un modelo, sino de poder verificar cómo se produjo esa respuesta y si se puede confiar en ella. Eso importa más a medida que la IA se adentra en áreas como la investigación, la automatización y las herramientas financieras, donde pequeños errores pueden tener consecuencias reales.

Por supuesto, el enfoque no está exento de desafíos. Coordinar muchos nodos, mantener un rendimiento consistente y evitar retrasos son todos problemas difíciles en la práctica. Pero así es como a menudo comienza una nueva infraestructura: desordenada al principio, luego refinada gradualmente a medida que la demanda real la moldea.

Si funciona, sistemas como OpenGradient podrían cambiar la forma en que los desarrolladores piensan sobre el despliegue de IA: menos sobre conectarse a una única API y más sobre participar en una red compartida y verificable.

#opg $OPG @OpenGradient

Hay noches en las que el mercado se mueve un 4.8% en solo 17.5 minutos, y de alguna manera un AMM con una tarifa fija del 0.3% sigue comportándose como si nada raro estuviera pasando. Tranquilo. Predecible. Casi desconectado de la realidad. Sigo notando esa parte, porque los mercados rara vez son tan amables cuando el dinero real comienza a moverse.

Y el capital... el capital no se preocupa por modelos limpios o suposiciones ordenadas. Un pool de $12.6 millones con $38.4 millones en volumen diario solo necesita una pequeña desviación del 0.07% en el spread antes de que la conversación cambie completamente. En ese punto, deja de ser sobre "cuánto se ganó en tarifas" y comienza a convertirse en algo más complicado.

Probablemente por eso no veo a OpenGradient como solo otra capa de IA metida en cripto para llamar la atención. He visto demasiados proyectos envolver ideas antiguas en un nuevo lenguaje. La mayoría de ellos se desvanecen una vez que las condiciones se vuelven difíciles. Pero algo aquí se siente un poco diferente, incluso si todavía no estoy completamente convencido.

AlphaSense es lo que me sigue atrayendo. No porque suene impresionante, sino porque se siente más cercano al comportamiento real del protocolo. Señales de volatilidad que afectan las tarifas. Protocolos de préstamo ajustando LTV. Uso de tokens moviéndose con la actividad del sistema.

Tal vez ese sea el verdadero punto. No se trata de predecir por el mero hecho de predecir. Solo tomar decisiones un poco menos a ciegas. En cripto, eso por sí solo importa más de lo que la gente admite. Especialmente cuando el sistema tiene que seguir pensando mucho después de que el usuario deja de hacer clic.

#opg $OPG @OpenGradient

He pasado suficiente tiempo observando cripto para saber cuándo una historia solo se está reempaquetando con mejores palabras. Últimamente, la IA descentralizada ha sido una de esas cosas a las que sigo volviendo, no porque confíe en el hype, sino porque el problema real parece ser más profundo de lo que la mayoría quiere admitir. La conversación siempre se dirige directamente a cuál modelo es más inteligente, pero la parte que realmente importa, al menos para mí, es la coordinación. Ahí es donde las cosas suelen desmoronarse.

A lo largo de los años, he visto cómo la computación se vuelve más dispersa, más accesible, más omnipresente—y, sin embargo, el sistema sigue volviendo a unos pocos puntos centrales que realmente pueden mantener todo junto. Esa parte nunca realmente cambia. El hardware puede estar ahí, la capacidad puede existir, pero la parte difícil sigue siendo hacer que todo funcione sin problemas. La escasez ya no está en las máquinas. Está en el pegamento entre ellas.

Por eso la dirección de OpenGradient llamó mi atención. No estoy diciendo que confíe completamente en ello aún, porque he visto demasiados proyectos sonar importantes antes de que demuestren algo. Pero algo sobre esto se siente un poco diferente. No parece estar persiguiendo atención gritando sobre inteligencia. Se siente más interesado en el desorden debajo de todo: el problema de la orquestación, la fricción, el costo de hacer que mil piezas separadas se comporten como un solo sistema sin ralentizar todo.

Y, honestamente, eso es lo que aún sigo observando. En cripto, las ideas ruidosas vienen y van. Las útiles generalmente comienzan resolviendo el problema aburrido que nadie quería tocar.

#opg $OPG @OpenGradient

He pasado suficiente tiempo en cripto para saber cuándo algo es solo otra idea reciclada con un mejor empaque. La mayoría de los proyectos hablan mucho y se desvanecen en el mismo ruido. Pero OpenGradient realmente me hizo pausar, porque parece estar mirando la parte que la gente suele ignorar: no cuán inteligente es la IA, sino si realmente podemos confiar y verificar lo que hizo.

Cuanto más observo este espacio, más pienso que esa es la verdadera pregunta. La IA se está volviendo más fuerte, sí, pero la fuerza por sí sola no es el problema. El problema es que generalmente no tenemos una respuesta clara a cosas básicas: ¿cómo se tomó esta decisión, qué modelo se utilizó, realmente funcionó como se suponía?

Esa brecha importa.

Lo que OpenGradient está tratando de hacer se siente diferente porque no solo está hablando de rendimiento. Está hablando de prueba. Con TEE-Verify Inference, la idea es probar criptográficamente dónde y cómo se ejecutó el modelo. Así que no es solo una afirmación, es evidencia. Y con zkML, quieren probar que el modelo funcionó correctamente sin exponer el modelo en sí, incluidos los pesos u otros detalles privados. Si ese registro de verificación permanece en la cadena, entonces se convierte en algo que la gente puede verificar más tarde en lugar de solo tomar la palabra de alguien.

Todavía soy cauteloso. He visto suficientes narrativas cripto desmoronarse una vez que enfrentan la fricción del mundo real. Pero algo sobre esto se siente más serio que el ruido habitual.

#opg $OPG @OpenGradient

OpenGradient está intentando resolver una parte de la IA que la mayoría de la gente no piensa realmente: qué pasa después de que se construye un modelo. Usualmente hablamos de cuán poderosa se está volviendo la IA, pero no mucho sobre dónde se ejecuta realmente, o cómo podemos confiar en lo que produce cuando se utiliza a gran escala.

En este momento, la mayoría de los sistemas de IA dependen de una infraestructura centralizada. Unos pocos grandes proveedores manejan el hospedaje y la inferencia, lo que hace que las cosas sean rápidas y simples, pero también crea una especie de dependencia oculta. Si algo sale mal, o si no hay transparencia en cómo se generan las salidas, los usuarios realmente no tienen una forma de verificarlo. Esa es la brecha que OpenGradient está intentando abordar.

La idea es distribuir la inferencia de IA a través de una red en lugar de depender de un solo lugar, y luego agregar una capa de verificación para que los resultados puedan ser comprobados, no solo aceptados. Es un enfoque más técnico, menos llamativo, pero se centra en algo muy real: la confianza y la consistencia en las salidas de IA.

Todavía se siente temprano, y hay mucho que dependerá de cuán bien funcione realmente en la práctica. Pero la dirección tiene sentido. A medida que la IA se convierte en parte de los sistemas cotidianos, la infraestructura detrás de ella importa tanto como los propios modelos.

#opg $OPG @OpenGradient

Estuve cerca de añadir más a mi posición en OpenGradient esta semana, pero me detuve y volví a algo en lo que he aprendido a confiar más que en el impulso: otra hora mirando lo que realmente se está construyendo.

Lo que me mantenía interesado no era el ángulo de IA. Ya he visto suficientes de esas historias. La parte que se quedó conmigo fue la capa debajo de ello: la forma en que el ecosistema parece estar pensando en los usuarios, constructores e incentivos después de que la primera ola de atención se agota.

Ahí es donde generalmente comienza la verdadera prueba.

Muchos proyectos de cripto pueden hacer que la gente mire. Muy pocos pueden hacer que se queden. Pueden lanzarse con una narrativa limpia, un sitio web atractivo, algunas palabras inteligentes y un mercado que quiere creer. Pero una vez que el ruido se asienta, lo que importa es si alguien todavía tiene una razón para seguir apareciendo.

He visto esto demasiadas veces. La idea suena bien mientras sigue siendo nueva, mientras todos citan las mismas publicaciones, mientras el gráfico sigue contando una historia. Luego la atención se desplaza, la multitud se calla, y el proyecto tiene que sobrevivir con más que sólo impulso. Ahí es donde la mayoría de ellos comienzan a verse más débiles de lo que parecían al principio.

Tomé una pequeña posición de prueba hace unas semanas, y todavía no estoy lo suficientemente convencido como para aumentar la cantidad. No porque piense que no es nada. Más bien porque he estado lo suficientemente tiempo en el juego para saber con qué frecuencia lo "interesante" se confunde con lo "duradero".

Sin embargo, algo de esto se siente un poco diferente, aunque lo digo con cuidado. Sigo notando el énfasis en la estructura en lugar del ruido, en la parte que viene después del encabezado, no antes. Y en cripto, eso ya lo coloca en una categoría diferente a la mayoría de lo que se pone ruidoso por una semana y desaparece antes de que el mercado recuerde su nombre.

#opg $OPG @OpenGradient

Bedrock se destaca para mí por una razón que es fácil de pasar por alto en el mundo cripto: no está tratando de ganar haciendo todo más ruidoso. Parece más interesada en mover valor con menos desperdicio, y eso se siente más práctico que dramático. Sigo pensando en cuánto capital en este espacio se queda atrapado en lugares donde deja de ser flexible, como si la utilidad terminara en el momento en que comienza una recompensa. Esa es la parte que vale la pena observar. No porque suene revolucionario, sino porque resuelve un verdadero hábito que el mercado nunca cuestiona lo suficiente. Sigo manteniéndome cauteloso, porque las historias de eficiencia pueden ocultar verdaderos sacrificios. Pero si Bedrock está leyendo correctamente la sala, el cambio más grande puede que no sea hype. Puede ser un tipo de progreso más silencioso: activos que siguen funcionando en lugar de quedarse ahí.

#bedroc $BR @Bedrock

La mayoría de la gente todavía describe BTCFi de la manera más simple posible: un mejor lugar para ganar en Bitcoin.

Eso no está mal, pero se siente incompleto.

Lo que realmente está cambiando es la capa debajo del producto. La parte interesante no es solo de dónde proviene el rendimiento, sino dónde comienzan a concentrarse las decisiones. Una vez que el enrutamiento, la asignación y el acceso comienzan a suceder a través de los mismos sistemas, el protocolo ya no solo conecta a los usuarios con oportunidades. Está moldeando silenciosamente cuáles oportunidades incluso importan.

Esa es la parte que vale la pena observar. La eficiencia es fácil de celebrar cuando los mercados están tranquilos. La pregunta más difícil es qué sucede cuando las condiciones cambian y todos dependen de la misma infraestructura, las mismas señales, las mismas suposiciones. Un sistema puede parecer diverso en la superficie y aún comportarse de una manera muy similar por debajo.

Así que no veo BTCFi 2.0 como solo una versión más limpia de BTCFi 1.0. Veo un cambio de participación dispersa hacia un flujo gestionado. Eso podría mejorar la liquidez y reducir la fricción. También podría hacer que la arquitectura oculta sea más importante que el producto visible.

Si este camino sigue desarrollándose, el verdadero valor podría terminar sentándose menos en el token en sí y más en la capa que decide a dónde va el capital a continuación.

Ahí es donde generalmente comienza la historia duradera.

#bedroc $BR @Bedrock