佛系小水豚-capybara

Con el tiempo de salir y coincidir con Yumi en estos seis meses, la mayor sensación que me deja es que es alguien inquieta y muy lista. La última cita quiso que usara mi ejemplo como modelo de garantía para explicarle todo antes de que quisiera comer. Si no, me “castigaría” con la cuenta del restaurante. Le dije: “¿No es esto la lógica de slashing de AVS?” Ella se le iluminaron los ojos y dijo: “Entonces escribe un post y explícalo. Si no lo entiendes bien, también te castigo”.
Bien, entonces hablemos de este conjunto de mecanismos de recompensas y castigos por garantía de $NEWT . Me fijé en la red de seguridad de este modelo AVS con @NewtonProtocol y, en esencia, lo que hace es tomar el ETH reestacado de EigenLayer como un ancla de confianza subyacente. Cuando los operadores firman y ejecutan el resultado según la policy, deben poner dinero real como garantía; si se equivocan, una prueba de fraude con conocimiento cero dentro de la ventana de desafío los detecta y se les descuenta una parte de la garantía. Me atrevo a decir que este diseño es mucho más fino que un PoS simple, porque convierte el “costo de hacer el mal” en un juego económico computable, en vez de depender de restricciones morales o arbitraje centralizado. Ese es el paso clave para que la desconfianza deje de ser un concepto y se vuelva realidad.
$NEWT Su propio lado de staking también extiende esta misma lógica: la fundación empieza poniendo un piso con oferta de tokens del 8,5% para incentivar; después, cuando haya más validadores en línea, lo va cambiando gradualmente a un modo de auto-sustento impulsado por comisiones. Los tokens que se confiscan por castigo vuelven al pool de recompensas y se reparten entre quienes cumplen las reglas. Esta ruta de “primero subsidios y luego sostenerse por sí mismo”, creo yo, busca evitar el problema de arranque en frío por falta de validadores tempranos, a la vez que ata los incentivos a largo plazo con la actividad real de la red, para que los tokens no deriven en una trampa inflacionaria sin uso.
En términos cualitativos, el núcleo de este modelo no es un APY alto, sino convertir el problema de confianza en un circuito cerrado verificable, castigable y asignable. Que las cadenas de privacidad y la capa de autorización se lleven a producción comercial es lo que importa: este diseño de seguridad económica vale cien veces más que cualquier “gancho” o promesa llamativa, y por eso siempre he estado convencido de este tipo de carrera de infraestructura.
Me atrevo a asegurar que, a medida que crezca el conjunto de operadores y se amplíen los escenarios entre cadenas, las condiciones de slashing se harán más granulares; la ventaja en el juego de los participantes tempranos se reducirá. Así que los que quieran entrar, no se queden dando vueltas.
Yumi, después de escuchar todo, me aplaudió directamente. Dijo que esta vez no me van a castigar; que otro día nos sentamos a hablar de operator selection. Ya empezó a pensar en qué comeremos la próxima vez. #Newt

La noche del anteayer quedé a cenar con la hermana Yumi. Ella se encarga de la conformidad para instituciones y, al hablar de poner en cadena, negó con la cabeza de inmediato. Quieren mover activos RWA a la cadena, pero solo KYC, la verificación de sanciones y el Travel Rule ya son varias cosas: tercerizar presupuestos cuesta más tiempo. Al evaluarlo, resultó incluso más lento que el proceso tradicional. En ese momento me acordé de $NEWT , el que llevaba tiempo vigilando, y lo recomendé de pasada.

El dolor es muy claro: la conformidad tradicional es un proceso de "tratamiento en lotes". Recolectar, revisar y archivar, mientras que el cálculo en cadena 24/7 no puede esperar; especialmente con el Travel Rule, que exige la información del originador/beneficiario. Ahora, eso se arma a contrarreloj con proveedores fuera de la cadena, sin que se ejecute de forma obligatoria en la capa de liquidación.

Estos días probé a mano la estrategia del motor para @NewtonProtocol y la experiencia sí es diferente. No es que te hagan empezar de cero escribiendo toda la lógica de conformidad, sino que eliges entre plantillas ya preconfiguradas: tipos de estrategias listas como verificación de sanciones, identificación KYC, Travel Rule y limitación de velocidad. Ajustas parámetros y ya puedes usarlo. Las reglas se escriben con el lenguaje Rego; si sabes algo de código de estrategias, en medio día ya estás listo. Vi esa idea de "plantilla + complemento" y en verdad resuelve el problema del umbral institucional: no hace falta que cada empresa mantenga un equipo entero de compliance.

En costos creo que se ahorra sobre todo en dos puntos: uno, la evaluación de la estrategia corre en un entorno confiable de ejecución fuera de la cadena, y en la cadena solo queda la firma/recibo; los gastos de gas quedan muy bajos. Dos, reutilizar plantillas ahorra tiempo de desarrollo. Conectar fuentes existentes de identidad/datos de riesgo (por ejemplo, las puntuaciones de riesgo de Veriff y Magic Labs) solo requiere enganchar un fragmento de código ligero.

En cuanto a riesgos, no se puede ser demasiado optimista: la seguridad se respalda con la red de operadores reestacando nuevamente con EigenLayer. Aun así, hay que vigilar de cerca la disponibilidad de los nodos descentralizados y el riesgo por estar offline; además, si la lógica de la estrategia se escribe mal (por ejemplo, umbrales poco razonables), también puede bloquear de más o dejar pasar, aunque la herramienta sea buena. Lo mejor es complementarlo con auditorías.

Comparado con otros de la misma categoría: Chainlink se centra en alimentar precios con datos y pruebas de reservas; no ejecuta estrategias directamente. Polygon ID y World ID solucionan principalmente pruebas de conocimiento cero para credenciales de identidad, pero no cubren el bloqueo previo a la transacción. TRM, por ejemplo, solo da puntuaciones de riesgo; para aplicarlo, todavía hay que montar el marco por cuenta propia.

La diferencia de @NewtonProtocol , me atrevo a decir, está en convertir la "estrategia como código" en una capa de infraestructura completa, enchufable y reutilizable entre cadenas, no en una herramienta aislada.

Yumi, al terminar de escucharlo, dijo que quiere llevar a su equipo a hacer una evaluación técnica; también me parece excelente. En el camino de las cadenas de privacidad, lo que falta nunca son las ideas, sino soluciones comprobadas que se puedan implementar y que las instituciones se atrevan a usar. El fondo de NEWT no es grande, pero esta dirección vale la pena seguirla de cerca. #Newt

Hace un tiempo, una chica llamada A-ya de repente soltó en el grupo una captura de pantalla de su liquidación (margin call), y dejó a más de cien personas del grupo totalmente atónitas. Llevaba tres años jugando con DeFi: siempre era de las que ponían el control de riesgos al frente, y hasta las alarmas las configuraban como “revisar la posición”. Pero esta vez tropezó con un tesoro (bóveda) de stablecoins: los activos de la capa base se desanclaron silenciosamente en dos puntos. Su estrategia, aun así, no activó ninguna protección; la miró cómo su valor neto se iba deslizando hacia abajo sin más.
Después me comentó que en estos años nunca se había sentido tan agobiada: había hecho todo el trabajo de preparación, pero perdió por el típico “el sistema no me dijo que saliera”.
Esa noche estuvimos hablando por videollamada hasta casi las doce. Ella sacó algo que venía revisando últimamente, el @NewtonProtocol , y dijo que eso no se parecía mucho a las herramientas de bóveda que había usado antes. Los demás proyectos hablaban de ganancias y lo pintaban todo de maravilla; en cambio, aquí la energía se la gastan en “antes de que pase algo, bloquear una vía”. Primero ejecutan el motor de estrategia de riesgos antes de aplicar la estrategia: la desanclación activa, indicadores como la concentración de posiciones, etc., se convierten en reglas. Las operaciones que no cumplan simplemente ni se ejecutan. Además, en cada determinación dejan un comprobante verificable en cadena; no es “según quién lo diga”. A-ya dijo que esa lógica le encajaba bastante, porque la pérdida que ya había probado era exactamente “recién después te enteras”.
#BTC走势分析
Me atrevo a decir que, si se hace la parte de cumplimiento y control de riesgos como reglas programables en lugar de depender de que alguien vigile la pantalla, esto realmente apunta hacia una dirección de nivel institucional. La red de operadores además se conectó a la seguridad de re-caución de EigenLayer; la base no es floja.
$RIVER
Pero, tras elogiar, también hay que decir la verdad: yo creo que hoy por hoy esto todavía está más orientado a infraestructura y herramientas para desarrolladores. Para que el usuario común perciba directamente “la bóveda ahora es más segura”, aún falta que más protocolos se integren de verdad con las estrategias y que se usen las plantillas. Los casos todavía son pocos; tanto la velocidad de implementación como el efecto real necesitan tiempo y validación. No se lo tomen todavía como una cura universal.
$NEWT
A-ya ahora es cautelosa, pero también tercamente “no lo cree”: por un lado dice que hay que observar, observar; por otro lado, ya metió el proyecto en su lista de seguimiento. Es el típico “aunque en la boca no creas, el cuerpo es muy honesto”. De verdad, qué terquedad… Si ustedes también han caído en la trampa del desanclaje, comenten en la sección de abajo, hablemos. Esto es demasiado agobiante para cargarlo una sola persona.
#Newt

La tía Wang presenta a una chica que estudia derecho y cumplimiento para salir en citas. Se llama Yuna, es súper viva y de verdad encantadora. Cuando hablamos de trabajo, lo que más se le queja es esto: el banco quiere enlazar una remesa de fondos institucionales a la cadena, y solo por preguntas como “¿este dinero pasó o no el control de cumplimiento?”, ya te obligan a que tres departamentos se tiren la pelota durante una semana. ¿No es precisamente ese el obstáculo más doloroso que yo siempre investigo cuando desarrollo la base de una cadena de privacidad? Va rápido en la cadena, sí, pero lo de “¿se puede demostrar el cumplimiento antes de hacer nada?” lleva tiempo sin resolverse de verdad. Luego, siguiendo la pista de @NewtonProtocol , investigué a fondo y vi que no siguió el camino viejo de “crear otra blockchain pública”, sino que se metió directamente en la capa de autorización: antes de que la transacción se ejecute en la cadena, pasa por un motor de políticas escrito en Rego; el resultado queda respaldado por dos cosas, el TEE y las pruebas de conocimiento cero. Lo que sale es un recibo on-chain que cualquiera puede verificar. Miré ese diseño y, en esencia, convierte el “cumplimiento” de un eslogan en un middleware programable y verificable. Eso es exactamente el mismo enfoque que yo pienso todo el tiempo al trabajar en cómputo verificable para cadenas de privacidad: es el mismo tipo de ruta.
El token $NEWT no es solo una herramienta de comisiones: está ligado al colateral de restaking del operador, a la seguridad del staking del validador y también al poder de gobernanza; cuatro cosas atadas en un mismo paquete. Creo que el “talón” de este diseño está en que el costo de hacer el mal se vincula directamente a dinero real, en lugar de depender de una restricción blanda como la reputación. Con un suministro total fijo de mil millones y sin inflación, además de ciclos de desbloqueo bastante largos para el equipo y los inversores tempranos: sinceramente, ese tipo de contención no es muy común en este sector.
Me atrevo a decir que Newton no apunta a un caso de uso específico, sino al “corredor de seguridad” antes de que los fondos institucionales entren en la cadena. En los lugares donde hay dinero real que debe pasar—RWA, stablecoins, puentes cross-chain—tienen que pasar primero por esta puerta. Este tipo de narrativa de infraestructura suele liberar valor lentamente, pero una vez que de verdad es adoptada por instituciones mainstream, el foso será muy profundo.
Cuando ella terminó de escucharlo, me preguntó: “¿Es como si le pusieran a la cadena a un oficial legal que no cobra salario?”. Me reí: “Sí, va por ahí. Ella cumple con el trabajo, y por naturaleza es sensible a ‘quién se hace responsable y cómo se presenta la prueba’. Digo que esperen a que algún día sus departamentos se atrevan a enlazar un lote de fondos que realmente ya fue revisado así; ahí me voy a rendir. No me apuro: creo que cuando llegue ese día, ella misma va a ir a ver qué es NEWT. Ya no digo más, que hay que ir a invitar a Yuna a ver una peli.” #Newt

El día anterior le ayudé a un amigo que trabaja en un sistema de liquidación transfronteriza a revisar el flujo de cumplimiento; solo conectar las interfaces KYC de tres jurisdicciones judiciales ya nos tuvo liados por más de medio mes. En ese momento entendí de verdad que, por “coste de cumplimiento”, no es un solo número en el informe financiero: son incontables noches sin dormir y facturas de subcontratistas acumuladas.
Y por culpa de eso, estos días me he puesto a revisar una y otra vez la documentación técnica del @NewtonProtocol ; cuanto más la miro, más me parece que la dirección que escogieron es realmente complicada. No se fueron a competir por el TVL ni a perseguir el calor del relato, sino que trasladaron directamente al blockchain el conjunto de lenguajes de políticas empresariales Rego y OPA, para hacer revisiones previas a la transacción. Si no cumple con los requisitos de cualificación, si se exceden los límites, si no coincide la jurisdicción… la regla corre y bloquea antes de que se liquide. Además, durante todo el proceso dependen de pruebas de conocimiento cero para garantizar que no se expongan datos originales en la cadena. Me atrevería a decir que esta combinación de “intercepción de ejecución previa + verificación de privacidad” en un sector que cada año, con estimaciones conservadoras, se evalúa en un tamaño de mercado de unos 200 mil millones de dólares, es una manera de verdad de morder huesos duros. Comparado con muchos proyectos que solo hablan de “revolucionar” las finanzas tradicionales pero no han hecho bien ni el control básico del riesgo, esto es mucho más sólido.
$NEWT ahora se mantiene cerca de 0.0485 dólares. Si lo comparas con el máximo histórico de 0.83 dólares alcanzado en el lanzamiento del 24 de junio, la caída supera el 94%. A simple vista parece impresionante. Pero al mirar en perspectiva, no es una caída continua en línea recta: a mediados de julio cayó hasta ~0.30 dólares y hubo una ola de rebote, llegando como máximo a 0.51, lo que indica que en ese rango hay capital dispuesto a entrar. Ahora que la capitalización ronda los veinte millones, supongo que las expectativas pesimistas ya se han exprimido casi por completo, pero no te apresures a decir que ya tocó fondo. La parte de tokens que corresponde a los contribuyentes principales y a los inversores tempranos se libera de forma lineal después de doce meses de bloqueo durante treinta y seis meses: la liberación acaba de empezar y, a partir de ahí, cada mes habrá presión vendedora adicional que no se puede evitar. En este punto, veo que el pequeño inversor minorista suele dividirse en dos extremos: o dicen que es un “token fantasma” o se aferran esperando un milagro. En realidad, que el precio esté siendo arrastrado por la presión vendedora no es lo mismo que si el relato técnico puede cumplirse. Lo que hay que mirar es si los datos de nodos operativos en cadena siguen creciendo.
Como un pequeño “soldado de guerrilla”, no me fijo en estas pocas velas rojas del corto plazo; observo más bien esos datos menos “sexy” pero más honestos en cadena: por ejemplo, en la red de nodos de operación de EigenLayer, si sigue atrayendo nuevas instituciones que se incorporan. Ese indicador es mucho más fiable que la curva del precio. En cuanto a la base técnica, no tengo quejas; lo demás se lo dejo al ritmo de ejecución, y poco a poco lo iré siguiendo. #Newt

El uROrguee te pone al día con el análisis profundo de la arquitectura de Newton AVS: ¿cómo EigenLayer garantiza el respaldo para la capa de autorización?
Estos días estuve investigando la arquitectura del $NEWT junto con Lin Xiaomei de la aldea vecina. Como alguien que lleva mucho tiempo sumergido en montones de tecnología de cadenas de privacidad, sinceramente al principio fui con una mirada muy exigente: en el mercado hay demasiados proyectos que levantan banderas de “capa de cumplimiento” y “capa de autorización”. Nueve de cada diez son solo una piel nueva con una lista blanca centralizada. Pero después de leerla a fondo, tengo que decirlo: el diseño de Newton no se parece en nada a lo que yo esperaba. @NewtonProtocol
Primero, la capa de observación: lo más llamativo no es el motor de estrategias en sí, sino el hecho de que “quién ejecuta el juicio de la estrategia” se delega por completo en la red AVS de EigenLayer. Una vez que se inicia la intención de la transacción, no decide ningún servidor central, sino un grupo de Operators independientes que ejecutan la evaluación de la estrategia, generan una prueba zk junto con una firma umbral BLS, y finalmente lo consolidan en un “recibo de autorización” que se registra en la cadena. Al ver este flujo, mi primera reacción fue: ¿no es esto simplemente reemplazar la “decisión en caja negra” del sistema tradicional de cumplimiento por un consenso multipartito verificable? #Newt
Atribuyéndolo más en profundidad, la verdadera genialidad de esta arquitectura es que traslada la seguridad del re-staking de EigenLayer, de la vieja y habitual idea de “proteger la cadena”, a un escenario nuevo: “proteger una sola vez el juicio de una estrategia”. Me atrevo a decir que es una reutilización bastante inteligente: no tiene que montar desde cero una red de confianza; en su lugar, se apoya en el “colchón” de seguridad económica de Ethereum. Si un Operator actúa mal, queda penalizado con la incautación del stake, lo cual es mucho más fiable que basarse solo en reputación o en multisig. Además, con el lenguaje de políticas Rego/OPA, las reglas pueden ajustarse de forma dinámica sin necesidad de volver a desplegar contratos, y eso baja claramente el umbral de entrada para la integración institucional.
En resumen, por lo que veo, lo que hace Newton en esencia es transformar el modo de cumplimiento de “responsabilización posterior”, en un enfoque de “interceptación previa + verificable en cadena”. Y en todo el proceso no toca los datos sensibles del usuario: lo de zk está hecho de manera contenida y práctica, sin amontonar tecnicismos solo para contar una historia.
Me imagino que, a medida que continúe subiendo a la cadena el capital institucional en RWA y stablecoins, esta capa de autorización verificable y descentralizada será cada vez más una necesidad imperiosa. La posición que ocupa Newton ahí vale la pena seguirla de cerca.
$NEWT @NewtonProtocol #Newt $NEWT

Anna小姐姐跟我说，她在研究机器人赛道的配置机会，问我有没有看过$OPG 。
我当时正在撸隐私链的节点配置，瞅了一眼她发的资料，直接放下手头的活，这姑娘选标的的眼光令我刮目相看，每次都能找到那种别人还没反应过来的角度。
跟她聊完后我又深挖了一遍，把逻辑捋了捋给大家参考。
现象层先说清楚。机器人自主执行现在是最热的叙事，但市场资金大多数还堆在算力侧，谁GPU多、谁模型参数大。这个方向没错，但差了一个根本维度：执行之后谁来证明这个决策是干净的？
机器人在物理世界操作，动作不可逆。工业臂误动、自动驾驶判断失误，你事后拿什么证明是模型问题还是数据被污染？现有云端AI是纯黑盒，说不清楚。这不是优化问题，是架构层的结构性缺陷。
归因到这里就明白OPG在干嘛了。它把推理节点跑进TEE（可信执行环境），每次inference生成链上密码学签名，执行和验证两层解耦，GPU节点保速度，证明上链保可信。我敢说这套设计放在机器人执行场景里，是目前链上方案里最接近工程可用的一个，不是PPT上的概念。
OPG解决的核心命题不是"AI能不能跑"，而是"AI跑完之后谁来背书"。自主化程度越高，这个问题的价值量级越大，替代成本越高，护城河越深。
再看token捕获逻辑。每次链上推理必须用$OPG 结算，这是实打实的调用消耗，不是治理代币那种虚的叙事。机器人部署密度越高，OPG消耗量越大，费用飞轮是真实转动的。
我估摸两到三年内，机器人执行合规监管必然倒逼"可审计推理"成行业标准，没有验证层的自主系统拿不到商业落地资质。$OPG 现在卡的这个位置，本质是提前埋下了那个谁都绕不过去的卡口。
当然流通盘才19%，解锁节点要盯紧，短期波动正常。逻辑是这个逻辑，具体决策自己判断。
Anna这个角度真的值得复盘。@OpenGradient #OPG

Ayer por la madrugada hablé con la chica de Yuna hasta las dos, me preguntó qué estaba investigando últimamente. Le dije $OPG . Ella dijo: "Suena como una marca de tarjetas gráficas". En ese momento me atraganté de risa, pero si lo pienso bien, Yuna tenía razón. Lo que hace OPG, en esencia, es ponerle un "cerebro confiable" a los robots.
He estado mirando este sector durante mucho tiempo. En la parte de ejecución autónoma de robots, el mayor agujero negro no es el algoritmo, sino que no se pueden verificar los resultados de inferencia. Si le pides a un Agente de IA que tome decisiones en la cadena y te dé un resultado, ¿cómo sabes que no fue manipulado? ¿Cómo sabes que no se desvió? Nadie lo ha resuelto en serio. Todos se concentran en apilar funciones, y nadie se encarga de la capa base de confianza. #OPG
@OpenGradient está haciendo precisamente esto: una capa de razonamiento verificable nativa de la cadena. Su arquitectura HACA (arquitectura híbrida de computación con IA) separa la ejecución de la inferencia de la validación. zkML se encarga de pruebas criptográficas fuertes, y TEE de la velocidad y modelos de tamaño medio; corren en dos piernas para equilibrar costos y seguridad. Yo creo que esta cosa en la capa de ejecución de robots, en el futuro, será tan fundamental como TCP/IP para la red. Y no es una metáfora: es una ubicación arquitectónica real.
Lo que más me preocupa es su lógica de captura de valor. $OPG no es solo una moneda de gobernanza: cada vez que hay inferencia de IA en la cadena, se liquida con OPG. En el Hub de modelos, las 1500+ llamadas a modelos también pasan por este ciclo económico. Un robot emite un comando de acción → detrás se dispara una inferencia verificable → OPG se consume. Esta es una demanda real a nivel de infraestructura, no un relato.
Me atrevería a decir que ahora el FDV es solo de ~120 millones de dólares. a16z y Coinbase Ventures también están dentro. Con esa valoración, para la posición de "infraestructura de la capa de ejecución autónoma de robots", claramente está subvalorada.
Pero hablando de nuevo, MemSync (capa de memoria persistente) y la expansión de la capa de ejecución de robots apenas están empezando. La comunidad de nodos todavía se está construyendo, así que la volatilidad de estos proyectos de infraestructura temprana será muy alta. Gestionar la posición bien es más importante que cualquier otra cosa.
Más tarde, Yuna me preguntó: "¿Entonces lo compraste?"
Dije: "Primero lo investigo a fondo, ya veremos". Ella puso los ojos en blanco y dijo que soy un "loco de la investigación", pero yo creo que esa es la actitud correcta. La próxima vez, la voy a sacar para enseñarle bien. @OpenGradient #OPG

Ayer la señorita Anna me preguntó algo, y $OPG , como curva de adopción a largo plazo de una capa de pagos para un procesador de IA Web3 para co-procesar, sinceramente, cuanto más investigo, más siento que esta narrativa está seriamente infravalorada.
Por lo que he observado, en el tema de la inferencia de IA en la cadena, todos han estado diciendo “ahora sí”, pero casi no hay proyectos que realmente hayan ejecutado un cierre de ciclo de pagos. @OpenGradient está haciendo algo muy distinto: no mete la IA en la cadena, sino que ejecuta la inferencia fuera de la cadena, valida en cadena el resultado del pago y, en cada llamada a la IA, usa $OPG para completar el pago. No requiere API key, no requiere tarjeta de crédito; la wallet lo resuelve directamente. Siento que esta idea de diseño es realmente inteligente: convierte los primitivos de pago en infraestructura de la IA, en lugar de ser un complemento.
Al mirar la capa técnica a través de la “luz de encaje”, me emociona aún más. Su arquitectura HACA convierte zkML y TEE en un espectro de verificación: los desarrolladores pueden elegir la intensidad según sea necesario. Para zkML con modelos pequeños se requiere una prueba a nivel matemático; para modelos grandes, se usa TEE para garantizar velocidad. Y ambos pueden mezclarse en la misma transacción. Creo que esta flexibilidad es precisamente el punto que permite ejecutar el PMF de verdad. Porque los modelos de control de riesgo DeFi en cadena y el chatbot LLM requieren presupuestos de confianza completamente diferentes; forzar un enfoque único solo empuja a los desarrolladores a marcharse.
Mirando la demanda, ahora BitQuant ya tiene 1,8 millones de usuarios usando $OPG para desbloquear funciones avanzadas, y MemSync tiene cerca de 40.000 usuarios activos usando el servicio de memoria de IA. Son necesidades de uso reales y tangibles las que están consumiendo tokens, no un juego de números. La curva de adopción que veo es así: en la etapa inicial, crece gracias a agentes de IA y herramientas para desarrolladores; en la etapa intermedia, se amplifica con el control de riesgos DeFi y la integración de agentes on-chain; a largo plazo, cada protocolo que necesite “resultados de IA verificables” se vuelve un estándar con esa capa de pagos.
Supongo que la lógica central a largo plazo de $OPG es: la demanda de inferencia de IA crece de forma rígida. La parte que necesita verificabilidad se amplifica en paralelo al aumento del volumen de fondos, y OPG es la única unidad de fijación de precio (pricing) para esta capa de liquidación. Suministro fijo de 1.000 millones, sin emisión adicional, y la circulación actual es solo 19%; la presión sobre el lado de la oferta realmente es mucho más limpia que en la mayoría de proyectos.
Con el respaldo de a16z, Coinbase Ventures y Balaji en ese conjunto, siento que no es un proyecto sostenido por pura narrativa: está construyendo infraestructura en serio, solo que le falta ser explicado con claridad a más gente. Ahora mismo aún está en el rango de la parte baja; para quienes se dedican en serio a profundizar en este sector, esta etapa es un momento en el que vale la pena acumular con convicción. #OPG

Ayer charlé sobre la vida con el primo de un buen amigo y su prima que se reconcilió; hablamos de las ventajas del titular de $OPG en el mercado de gemelos digitales y las réplicas de KOL con IA.
Mirando el sector de Twin.fun, cuanto más converso, más claro tengo que hay un monstruo dormido aquí: no es ningún truco publicitario, sino una lógica real de captura de valor.
Miren este fenómeno: ahora el tiempo de los KOL es un recurso escaso. Los fans quieren “interactuar” con el creador, pero ni siquiera consiguen turno. Twin.fun es el mercado de gemelos digitales hecho por @OpenGradient : permite que los usuarios creen, comercien y participen en interacciones con personalidades de KOL que fueron replicadas con IA. A mi juicio, esta demanda es real; si echas un vistazo a la lógica de propinas de los streamers top, en esencia están comprando la sensación de “ser visto”. Y las réplicas de IA convierten esa experiencia en un producto escalable.
De cara a la superficie, lo más clave aquí no es si la IA “se parece” o no, sino la verificación por inferencia. Si los datos del personaje del KOL corren en servidores centralizados, nadie sabe si el modelo fue modificado o si se usó para otra cosa. @OpenGradient usa TEE + zkML para inferencia verificable: cada vez que se llama a una réplica de IA se genera una prueba criptográfica, que se puede consultar on-chain. Para los jugadores de cadenas de privacidad, ahí es donde realmente está el valor: no es la nostalgia, es un foso técnico.
Luego, hablemos de la captura de derechos. Apostaría a que mucha gente todavía no se ha dado cuenta: cada vez que alguien llama a una réplica de IA en Twin.fun, el costo de inferencia se liquida por completo usando $OPG , mediante el protocolo x402 con liquidación on-chain. Los titulares pueden hacer staking hacia nodos de verificación para recibir parte de estas reparticiones y, además, participar en votaciones de gobernanza sobre estándares de hardware TEE. Esto no es vender humo con un token de gobernanza: es control real sobre el poder de fijación de precios del mercado de inferencia.
En resumen: la contradicción central del mercado de gemelos digitales es el choque entre “experiencia a escala” y “confiabilidad”. @OpenGradient cose esa contradicción en la capa más profunda. Los titulares de $OPG no están comprando un relato: están comprando el derecho a la distribución de comisiones de esta infraestructura.
Según lo que sugieren las tendencias del mercado, si en cuanto los KOL de la punta empiecen a firmar contratos y a publicarse en Twin.fun, el volumen de llamadas de inferencia diaria será de diez veces respecto a ahora. Este flujo de comisiones se reflejará directamente en los rendimientos del staking. Los que entran y se posicionan ahora, creo que están aprovechando un valle de valoración. Yo veo bien este camino; ¿ustedes qué opinan? #OPG

Recientemente estuve viendo los datos del Model Hub con mi cuñada (mencionando el @OpenGradient ), con más de 4500 modelos en cadena; ¿en qué exactamente cambió la lógica de circulación del $OPG ? Más de 4500 modelos en cadena, ¿y cuál es la lógica de circulación del $OPG ? De “2000+ en el TGE” hasta que CoinGecko ahora lo etiqueta directamente como “thousands of models”. Este ritmo de crecimiento me tomó un poco por sorpresa. Siento que el mercado aún no ha terminado de reaccionar ante el verdadero significado detrás de este número.
Dicho sin rodeos: la cantidad de modelos en cadena no es un indicador de vanidad; es la variable determinante del “techo” de la frecuencia con la que se consume el $OPG . Cada llamada de validación y de inferencia debe liquidarse con $OPG ; la prueba TEE, la prueba ZKML, una a una, con liquidación en cadena, sin excepciones. Cuantos más modelos disponibles, más anchos son los escenarios que pueden ejecutar los desarrolladores y los agentes de IA; y, en un mismo intervalo de tiempo, aumenta la densidad de solicitudes de inferencia. Esa es la lógica de consumo subyacente.
Me fijé en un detalle estructural: el Model Hub es totalmente permissionless; se puede subir y ya se puede usar, sin fricción de aprobación. Esto significa que la velocidad con la que la oferta se expande, por sí sola, va ensanchando continuamente el techo de la demanda. Mientras tanto, el lado de pagos está “bloqueado” en $OPG : el protocolo está codificado de forma rígida, sin espacio para rodeos. Si además sumamos que MemSync también realiza lecturas/escrituras con liquidación en cadena, obtenemos una segunda línea de consumo estable, además de las necesidades de inferencia; dos tipos de demanda corriendo en paralelo. Y lo más importante: cuando el número de modelos cruza cierto punto crítico, los costos de migración de los desarrolladores suben de forma significativa; los efectos de red empiezan a auto-reforzarse. Esa “adherencia” no puede replicarse con un simple crecimiento de usuarios.
Lo que me preocupa ahora no está precisamente en el lado de la demanda, sino en la falta del mecanismo de quema. En los tokenomics actuales, las tarifas de inferencia se dirigen principalmente a incentivos de nodos y recompensas de staking; no existe un diseño explícito de destrucción (burn) a nivel de protocolo. El “límite fijo de 1.000 millones, sin emisión adicional” es correcto como mínimo, pero el calendario de desbloqueos del equipo y de los inversores sigue avanzando; confiar solo en “no emitir” no compensa la presión vendedora.
En teoría, con un despliegue basado en un volumen de 4500+ modelos y después de que la inferencia diaria suba otro nivel, el consumo real de $OPG debería poder convertirse en un soporte estructural genuino. Esta lógica está bien fundamentada. Los 1,8 millones de usuarios de BitQuant, con cada llamada de estrategia, también son “agua viva”, y el multiplicador en la capa de aplicación es más directo que el mero número de modelos.
Tengo una sugerencia pequeña: introducir una proporción de destrucción direccional de las tarifas de inferencia, empezando con 5%–10%, para que la oferta y la demanda se aprieten de forma sincronizada. El lado de la demanda ya se está construyendo; el lado de la destrucción aún tiene pendiente un cronograma de implementación. @OpenGradient #OPG

Si lo haces bien, mereces reconocimiento. $OPG ha convertido el TEE en un mecanismo de validación central para nodos de inferencia, integrando Intel SGX / AMD SEV en el sistema de confianza de la cadena. No es una arquitectura que cualquier proyecto pueda implementar. Para ser sincero, vi cómo $OPG ha hecho del TEE un mecanismo de validación central para nodos de inferencia, incorporando Intel SGX / AMD SEV en el sistema de confianza de la cadena. #OPG
Después de años en el espacio de las cadenas de privacidad, hay una pregunta que siempre me acompaña: ¿qué tan alto está realmente el cuchillo del ataque de canal lateral sobre la cabeza de $OPG ?
Primero hablemos de los fenómenos. ¿Qué ha ocurrido en la historia de SGX? Foreshadow (2018) extrajo claves directamente del enclave, SGAxe (2020) pudo leer datos a través de las zonas de seguridad, y el ataque SEVered de AMD SEV alteró la memoria cifrada sin romper la attestation. Cada uno de estos es un caso real.
Creo que aquí hay un punto de lógica clave.
La cadena de validación de $OPG es: el nodo de inferencia corre en TEE → genera attestation → la capa de consenso de nodos completos valida → se escribe en la cadena. La raíz de confianza es esa attestation.
Pero la malicia del canal lateral radica en que: no rompe la attestation, y bajo la premisa de demostrar legitimidad, altera sigilosamente el estado intermedio de la inferencia.
Siento que mucha gente no ha pensado en esto. Los atacantes, mediante técnicas como la temporización de caché y el ataque de fila de DRAM, pueden sustituir la entrada de inferencia mientras el enclave produce la prueba normalmente. La prueba en la cadena es completamente legítima, pero el resultado ya ha sido contaminado. La validación de nodos completos verifica el formato de la prueba, no la semántica de la inferencia, y eso es algo que no se puede detectar.
Esto tiene el mayor impacto en el escenario DeFi de $OPG . La estrategia cuantitativa de BitQuant depende de la salida verificable de su modelo de gestión de riesgos; si la salida se genera bajo un ataque de canal lateral, la prueba en la cadena no presenta problemas, pero el resultado es completamente tóxico. La "credibilidad" de esta transacción es una broma.
He visto en la documentación que hay una revisión de attestation de hardware al registrar nodos TEE, lo cual está bien hecho y es admirable. Pero registrarse legalmente no significa que sea seguro en tiempo de ejecución; las vulnerabilidades pueden activarse precisamente en hardware legítimo.
Con los pies en la tierra: zkML es la verdadera base sólida, la prueba matemática no teme al canal lateral. La inferencia de alto valor debería forzosamente utilizar zkML, y el TEE solo debería actuar como un asistente de baja latencia; eso es lo que se espera de un diseño en capas. La capa TEE de $OPG merece ser monitoreada continuamente. #OPG
@OpenGradient

Anoche, estaba charlando con mi cuñada sobre la vida y tocamos el tema de la lógica de resiliencia de la red $OPG : estándares open source + forks comunitarios, ¿qué tan lejos puede llegar este camino?
La gente siempre discute $OPG enfocándose solo en la narrativa de AI + razonamiento en la cadena, pero creo que lo que realmente vale la pena ahondar es en su estructura de resiliencia, es decir, si el equipo central o un punto único fallan, ¿puede esta red seguir existiendo por sí misma?
El diseño base de @OpenGradient separa las tres capas de razonamiento, verificación y almacenamiento. Los nodos de razonamiento, nodos completos y nodos de datos cumplen roles específicos, sin obligar a cada validador a correr el modelo completo. Este marco no creo que sea solo estético, sino que posee de manera innata la característica de "módulos intercambiables", si un tipo de nodo falla, las otras capas aún pueden funcionar. Esta es la base física de la resiliencia de la red.
El diseño open source de ModelHub está genial. Actualmente hay más de 2000 modelos y más de 100 desarrolladores aportando contenido. Una vez que los modelos y los estándares de razonamiento sean públicos, la comunidad podrá forkear subredes o cadenas específicas para escenarios verticales, al igual que Uniswap v2 fue forked decenas de veces y, de hecho, el ecosistema AMM se volvió más robusto. Creo que esta es la ruta de difusión de valor de $OPG que está subestimada: no se expande por sí misma, sino que se amplía su radio de influencia a través de la reutilización de estándares.
Sin embargo, también veo algunos riesgos reales que no se mencionan mucho. Primero, la coexistencia de dos sistemas de verificación, TEE y zkML, puede generar discrepancias estándar al forkear, la interoperabilidad es un problema real. Segundo, actualmente la circulación es de solo 190M, con un suministro total de 1 mil millones, la presión de desbloqueo será significativa y el alto volumen de transacciones indica que sigue siendo impulsado por el trading más que por el uso. Tercero, si MemSync, esta capa de memoria AI, se convierte en la dependencia central del ecosistema, si tiene un problema, podría convertirse en un nuevo punto único de fallo.
Estimo que la verdadera dirección de mejora de OPG está en hacer que el estándar de liquidación de razonamiento para llamadas entre cadenas sea lo suficientemente simple, para que los proyectos forked sean naturalmente compatibles con la liquidación de OPG en la mainnet, en lugar de crear tokens propios, de esta manera el valor podrá realmente converger hacia OPG en lugar de dispersarse.
Este capibara lo dice en serio: el precio a corto plazo sigue oscilando cerca del punto de recorte de ATH, la lógica fundamental deberá ser validada en función del volumen de llamadas reales de los desarrolladores, al menos se necesitarán uno o dos trimestres de datos de validación.
@OpenGradient #OPG

Ayer, estuve tomando unas cervezas con unos amigos que se dedican a la minería, y charlamos sobre el mecanismo de propuestas de gobernanza de $OPG : ¿quién decide, y cuál modelo se sube a la cadena?
En el proyecto @OpenGradient , he notado que la mayoría de las narrativas de AI+cadena, en esencia, son solo "alquiler de potencia de cálculo", contadas de otra manera. Pero el mecanismo de gobernanza de $OPG , siento que está respondiendo a una pregunta central: ¿quién decide qué modelo de la red debe correr primero?
A nivel fenomenológico, @OpenGradient está haciendo inferencia AI verificable, cada vez que se llama a un modelo se genera una prueba criptográfica, y antes de liquidar en la cadena se debe validar. Utiliza un doble enfoque TEE+zkML, donde diferentes escenarios de riesgo siguen diferentes caminos de validación. Creo que este diseño de "menú de confianza" es muy inteligente, no es un enfoque de talla única, sino que otorga opciones a los desarrolladores.
La dimensión de gobernanza es realmente lo interesante. Los poseedores de $OPG pueden votar para decidir: qué hardware TEE respaldar, la fijación de tarifas de Gas, la distribución del tesoro, y las actualizaciones del protocolo. Pero lo que más me interesa es qué modelos de AI de código abierto son priorizados por la red para ser apoyados, que en esencia también es impulsado por este marco de gobernanza.
Los desarrolladores de modelos publican sus modelos en el Model Hub, y la comunidad influye en la asignación de recursos y prioridades mediante votación con tokens; los modelos que se utilizan más, retroalimentan los ingresos de los nodos, y esos ingresos a su vez benefician a los stakers. El iniciador de todo este ciclo es la dirección de la votación de gobernanza. #OPG
Siento que la parte más inteligente de este mecanismo es que une "voz" y "intereses". Si posees $OPG , haces staking, y participas en el pago por inferencia, realmente te importa ese voto que lanzas. Esto no es un DAO superficial, sino una decisión real impulsada por intereses económicos.
Detrás de esto están a16z Crypto y Coinbase Ventures, el equipo proviene de Two Sigma y Palantir, con un bagaje técnico muy sólido. Creo que lo más difícil en este tipo de proyectos no es la tecnología, sino activar realmente la participación de la comunidad en la gobernanza. Con más de 2 millones de usuarios y 2 millones de inferencias verificables hasta ahora, parece que en la fase de arranque lo han hecho bastante bien.
Supongo que el mecanismo de gobernanza de $OPG no es solo decoración; es un verdadero regulador de la dirección evolutiva de la red. Quien posea suficientes tokens y realmente use esta red, tendrá la capacidad de impulsar los modelos de código abierto que respalda para que sean priorizados. Esta lógica, en el ámbito de AI verificable, creo que es la más clara en diseño actualmente. #OPG