La plupart des gens pensent que l’IA on-chain, c’est simplement « appeler un modèle off-chain et coller le résultat ». @OpenGradient s’attaque au problème plus difficile : prouver que l’IA a réellement fonctionné correctement.

Leur stack HACA combine des preuves zkML avec des TEE — et la différence est importante. Les TEE gardent les poids du modèle privés dans du matériel sécurisé. Le zkML fournit une preuve cryptographique que l’inférence a été calculée correctement, sans révéler le modèle lui-même. L’un protège la confidentialité, l’autre garantit l’intégrité. Il faut les deux, car faire confiance au résultat d’une IA sans l’un ni l’autre relève de la foi aveugle.

Les chiffres suggèrent que les gens commencent à comprendre : $OPG a gagné 22,3 % en 24 h, avec un volume de 6 M$, plus de 2 M d’inférences vérifiables et plus de 500 K preuves zkML déjà générées sur plus de 2 000 modèles hébergés. Soutenu par a16z crypto et Coinbase Ventures, et construit sur Base.

L’historique complet et public de notre propre algo — gains et pertes compris — se trouve dans notre bio si vous voulez le consulter.

Quelle est votre principale préoccupation concernant l’IA on-chain : la confidentialité des modèles ou la vérifiabilité des résultats ?

$OPG #OPG