J’ai eu un blocage hier soir quand je branchais un agent IA sur la chaîne — pas une erreur de code. Le problème, c’est qu’on ne peut pas prouver que le modèle effectivement appelé correspond bien à la version revendiquée. Cette angoisse de « boîte noire », tout le monde qui fait de l’IA la connaît.
En creusant, je suis tombé sur OpenGradient. Au début, j’étais biaisé : « IA + Crypto » a été trop souvent mal hype. Mais en relisant la documentation deux fois, je me suis rendu à l’évidence : ils s’attaquent à un vrai problème — rendre le raisonnement de l’IA vérifiable.
Leur architecture centrale s’appelle HACA. Ils n’ont pas pris la voie morte consistant à « fourrer un grand modèle dans la blockchain ». Ils séparent le calcul et la vérification en deux couches. Les GPU et le TEE exécutent l’inférence, et la chaîne ne conserve que des preuves cryptographiques. Chaque sortie est accompagnée d’une empreinte indépendante, vérifiable individuellement : version du modèle, entrées/sorties — tout est transparent. C’est comme installer un enregistreur de conduite impossible à falsifier sur l’inférence IA. Dans la course au « vérifiable AI », cette densité de vérifications on-chain est, à l’heure actuelle, unique.
Le token OPG reste très mesuré. L’offre totale est plafonnée à 1 milliard, sans inflation. L’équipe et les investisseurs sont lockés 12 mois, puis libération linéaire sur 36 mois ; les récompenses de staking sont étalées sur 96 mois ; côté écosystème, le TGE ne déverrouille que 10%, le reste se libère à cadence régulière sur 60 mois. La circulation représente environ 18%. Ce n’est pas pour flatter le court terme : c’est pour sélectionner les participants de long terme. La profondeur du token est profondément intégrée au réseau : l’inférence, la vérification et le staking nécessitent tous de l’OPG. Les données du mainnet confirment : le Hub de modèles héberge 2000+ modèles, on compte plus de 500 000 preuves de vérification, et les appels d’inférence dépassent 2 millions — chiffres réels d’utilisation.
Côté équipe, Matthew Wang vient de l’équipe quantitative ML de Two Sigma, Adam Balogh a été responsable de la plateforme d’IA chez Palantir, et les membres clés ont aussi des antécédents chez Google, Ripple et Intel. a16z crypto a mené le tour avec 9,5 millions de dollars, et ils ont été admis au programme NVIDIA Inception. C’est un pari sur l’infrastructure de base de « vérifiable AI ».
Les barrières techniques sont réelles, et la densité de capitaux comme de talents est élevée. Je le mets sur ma liste de suivi à long terme pour continuer à observer. #opengradient OPG @OpenGradient
#opg $OPG
En creusant, je suis tombé sur OpenGradient. Au début, j’étais biaisé : « IA + Crypto » a été trop souvent mal hype. Mais en relisant la documentation deux fois, je me suis rendu à l’évidence : ils s’attaquent à un vrai problème — rendre le raisonnement de l’IA vérifiable.
Leur architecture centrale s’appelle HACA. Ils n’ont pas pris la voie morte consistant à « fourrer un grand modèle dans la blockchain ». Ils séparent le calcul et la vérification en deux couches. Les GPU et le TEE exécutent l’inférence, et la chaîne ne conserve que des preuves cryptographiques. Chaque sortie est accompagnée d’une empreinte indépendante, vérifiable individuellement : version du modèle, entrées/sorties — tout est transparent. C’est comme installer un enregistreur de conduite impossible à falsifier sur l’inférence IA. Dans la course au « vérifiable AI », cette densité de vérifications on-chain est, à l’heure actuelle, unique.
Le token OPG reste très mesuré. L’offre totale est plafonnée à 1 milliard, sans inflation. L’équipe et les investisseurs sont lockés 12 mois, puis libération linéaire sur 36 mois ; les récompenses de staking sont étalées sur 96 mois ; côté écosystème, le TGE ne déverrouille que 10%, le reste se libère à cadence régulière sur 60 mois. La circulation représente environ 18%. Ce n’est pas pour flatter le court terme : c’est pour sélectionner les participants de long terme. La profondeur du token est profondément intégrée au réseau : l’inférence, la vérification et le staking nécessitent tous de l’OPG. Les données du mainnet confirment : le Hub de modèles héberge 2000+ modèles, on compte plus de 500 000 preuves de vérification, et les appels d’inférence dépassent 2 millions — chiffres réels d’utilisation.
Côté équipe, Matthew Wang vient de l’équipe quantitative ML de Two Sigma, Adam Balogh a été responsable de la plateforme d’IA chez Palantir, et les membres clés ont aussi des antécédents chez Google, Ripple et Intel. a16z crypto a mené le tour avec 9,5 millions de dollars, et ils ont été admis au programme NVIDIA Inception. C’est un pari sur l’infrastructure de base de « vérifiable AI ».
Les barrières techniques sont réelles, et la densité de capitaux comme de talents est élevée. Je le mets sur ma liste de suivi à long terme pour continuer à observer. #opengradient OPG @OpenGradient
#opg $OPG