Selena09
1.1k Publications
Selena09
181 Suivis
383 Abonnés
1.1K+ J’aime
Publications
Tous
Citations
GRVT a attiré l’attention en s’attaquant à l’un des arbitrages les plus anciens de la crypto : offrir la rapidité d’une bourse centralisée sans renoncer à la non-conservation des fonds par un tiers. C’est une idée ambitieuse, mais après avoir parcouru son architecture, je pense qu’elle mérite davantage d’examen que le simple battage médiatique.
Ce qui ressort d’abord, c’est la séparation entre la conservation et l’exécution. Les actifs des utilisateurs restent sécurisés par des smart contracts, tandis que l’appariement des ordres s’effectue hors chaîne. Du point de vue des performances, cette conception est compréhensible. Toutefois, elle soulève aussi une question pratique : si le moteur d’appariement tombe en panne pendant une période de volatilité extrême du marché, à quelle vitesse les utilisateurs peuvent-ils retrouver la capacité de trader ? Dans les marchés réels, posséder un actif n’est pas toujours synonyme de pouvoir agir en conséquence.
GRVT introduit une « Exit Hatch » afin que les utilisateurs puissent retirer leurs fonds si la plateforme devient indisponible. C’est une protection importante, mais sa valeur dépend de son utilisabilité. Si la récupération des actifs implique d’interagir directement avec des smart contracts ou d’effectuer des étapes techniques que la plupart des utilisateurs ne maîtrisent pas, alors la différence entre disposer d’un mécanisme d’urgence et pouvoir réellement s’y fier devient significative.
L’architecture globale mérite également d’être examinée. Le MPC, les preuves à divulgation nulle de connaissance (zero-knowledge proofs) et la Validium sont tous des technologies éprouvées prises individuellement, mais combiner plusieurs couches de sécurité introduit de nouvelles hypothèses opérationnelles. Beaucoup de défaillances majeures ne proviennent pas d’une cryptographie cassée, mais des interactions entre des composants complexes sous contrainte. Davantage de preuves concernant les procédures de récupération et la gestion des pannes renforcerait bien plus la confiance que de simples schémas d’architecture.
À mes yeux, GRVT n’est pas la réponse finale au débat « CEX versus DeFi ». C’est une tentative intéressante d’équilibrer l’efficacité d’exécution et la propriété par l’utilisateur. La vraie question n’est pas seulement la rapidité ou la sécurité de la plateforme, mais sa résilience lorsque l’une des parties critiques du système cesse de fonctionner. La confiance se gagne non pas en promettant une disponibilité parfaite, mais en veillant à ce que les utilisateurs restent en contrôle même quand les choses tournent mal.
@grvt_io #grvt $LAB
Ce qui ressort d’abord, c’est la séparation entre la conservation et l’exécution. Les actifs des utilisateurs restent sécurisés par des smart contracts, tandis que l’appariement des ordres s’effectue hors chaîne. Du point de vue des performances, cette conception est compréhensible. Toutefois, elle soulève aussi une question pratique : si le moteur d’appariement tombe en panne pendant une période de volatilité extrême du marché, à quelle vitesse les utilisateurs peuvent-ils retrouver la capacité de trader ? Dans les marchés réels, posséder un actif n’est pas toujours synonyme de pouvoir agir en conséquence.
GRVT introduit une « Exit Hatch » afin que les utilisateurs puissent retirer leurs fonds si la plateforme devient indisponible. C’est une protection importante, mais sa valeur dépend de son utilisabilité. Si la récupération des actifs implique d’interagir directement avec des smart contracts ou d’effectuer des étapes techniques que la plupart des utilisateurs ne maîtrisent pas, alors la différence entre disposer d’un mécanisme d’urgence et pouvoir réellement s’y fier devient significative.
L’architecture globale mérite également d’être examinée. Le MPC, les preuves à divulgation nulle de connaissance (zero-knowledge proofs) et la Validium sont tous des technologies éprouvées prises individuellement, mais combiner plusieurs couches de sécurité introduit de nouvelles hypothèses opérationnelles. Beaucoup de défaillances majeures ne proviennent pas d’une cryptographie cassée, mais des interactions entre des composants complexes sous contrainte. Davantage de preuves concernant les procédures de récupération et la gestion des pannes renforcerait bien plus la confiance que de simples schémas d’architecture.
À mes yeux, GRVT n’est pas la réponse finale au débat « CEX versus DeFi ». C’est une tentative intéressante d’équilibrer l’efficacité d’exécution et la propriété par l’utilisateur. La vraie question n’est pas seulement la rapidité ou la sécurité de la plateforme, mais sa résilience lorsque l’une des parties critiques du système cesse de fonctionner. La confiance se gagne non pas en promettant une disponibilité parfaite, mais en veillant à ce que les utilisateurs restent en contrôle même quand les choses tournent mal.
@grvt_io #grvt $LAB
Voir la traduction
A protocol can survive for years without changing how it transfers assets.
Yet in that same period, its risk limits may be revised dozens of times. Governance votes may alter permissions. New attack patterns may force stricter controls. AI agents may need narrower operating boundaries after one bad decision.
That gap is where Newton Protocol becomes interesting.
Most blockchains still treat all of these changes as software problems. When rules evolve, smart contracts are upgraded, patched, or replaced. The execution layer keeps absorbing decisions that were never meant to live there permanently. Over time, the code becomes less like a stable engine and more like a storage room for every new exception.
Newton takes a different route.
It leaves execution where it belongs and moves changing rules into the Policy Layer. The smart contract does not need to understand every new governance decision. It only needs to execute once Newton has determined that the action is allowed under the current permissions, risk limits, and context.
The distinction matters more than it first appears.
Software defines capability. Governance defines restraint. A protocol may retain the same technical ability for years, while the conditions under which that ability should be used change every week. By separating those two timelines, Newton allows code to remain stable without forcing governance to stand still.
This is why Newton Protocol feels less like another software framework and more like a new category of infrastructure.
It is not making blockchain more adaptable by changing code faster. It is making blockchain more adaptable by reducing how often code needs to change at all. Governance moves. Execution stays dependable.
That is the shift from software to Governance Software.
@NewtonProtocol #Newt $NEWT $LAB
Yet in that same period, its risk limits may be revised dozens of times. Governance votes may alter permissions. New attack patterns may force stricter controls. AI agents may need narrower operating boundaries after one bad decision.
That gap is where Newton Protocol becomes interesting.
Most blockchains still treat all of these changes as software problems. When rules evolve, smart contracts are upgraded, patched, or replaced. The execution layer keeps absorbing decisions that were never meant to live there permanently. Over time, the code becomes less like a stable engine and more like a storage room for every new exception.
Newton takes a different route.
It leaves execution where it belongs and moves changing rules into the Policy Layer. The smart contract does not need to understand every new governance decision. It only needs to execute once Newton has determined that the action is allowed under the current permissions, risk limits, and context.
The distinction matters more than it first appears.
Software defines capability. Governance defines restraint. A protocol may retain the same technical ability for years, while the conditions under which that ability should be used change every week. By separating those two timelines, Newton allows code to remain stable without forcing governance to stand still.
This is why Newton Protocol feels less like another software framework and more like a new category of infrastructure.
It is not making blockchain more adaptable by changing code faster. It is making blockchain more adaptable by reducing how often code needs to change at all. Governance moves. Execution stays dependable.
That is the shift from software to Governance Software.
@NewtonProtocol #Newt $NEWT $LAB
J’ai déjà abandonné une transaction parce qu’il ne restait pas assez de ETH dans mon portefeuille pour couvrir les frais de gas. Je possédais déjà l’actif et l’opportunité était toujours là, mais j’ai dû acheter un autre token sans lien avec mon objectif initial. La partie la plus étrange de Web3 n’est pas que les frais puissent être élevés. C’est que les utilisateurs doivent comprendre le réseau avant de pouvoir utiliser le service construit au-dessus.
Newton Protocol renverse cette logique.
Dans une expérience sans gas, les frais de blockchain ne disparaissent pas : ils passent simplement en arrière-plan. Les utilisateurs n’ont plus besoin de conserver du ETH, du BNB ou d’autres tokens natifs sur plusieurs chaînes. Ils définissent uniquement le résultat qu’ils souhaitent, tandis que le système gère le gas, les autorisations, les politiques et l’exécution en coulisses.
Cela donne à NEWT un rôle différent de celui des tokens de gas traditionnels. Les utilisateurs ne paient pas seulement pour de l’espace de bloc : ils paient aussi des agents IA capables de vérifier les instructions, d’obtenir les autorisations et d’agir dans des limites définies. La valeur passe de la capacité de la blockchain à une intelligence vérifiable.
L’importance réelle ne réside pas uniquement dans des transactions moins chères. Il s’agit du fait que Web3 commence à dissimuler sa propre complexité. Lorsque les utilisateurs n’ont plus besoin de savoir quelle chaîne détient leurs actifs, quel token de gas manque, ou encore combien de signatures sont nécessaires, la blockchain peut enfin se rapprocher de l’adoption de masse.
Si le nombre d’agents IA, de sessions et d’intentions augmente, la demande pour NEWT pourrait devenir liée à une activité réelle sur le réseau. Le token ne représenterait alors plus seulement de la spéculation. Il pourrait devenir une entrée pour un marché où les machines effectuent un travail financier pour les humains.
Cela dit, remplacer ETH par NEWT ne crée pas automatiquement de la valeur. Si les agents IA ne parviennent pas à produire des résultats utiles, ou si les frais de service dépassent la valeur qu’ils génèrent, les utilisateurs partiront. Une demande durable n’apparaît que lorsque chaque NEWT consommé soutient une action présentant une utilité réelle.
L’évolution du gas, par conséquent, n’est pas un passage de ETH à NEWT. C’est un passage du fait de payer pour l’exécution de la blockchain à celui de payer pour des machines qui agissent avec des autorisations, des limites et une preuve.
@NewtonProtocol $NEWT #Newt $LAB
Newton Protocol renverse cette logique.
Dans une expérience sans gas, les frais de blockchain ne disparaissent pas : ils passent simplement en arrière-plan. Les utilisateurs n’ont plus besoin de conserver du ETH, du BNB ou d’autres tokens natifs sur plusieurs chaînes. Ils définissent uniquement le résultat qu’ils souhaitent, tandis que le système gère le gas, les autorisations, les politiques et l’exécution en coulisses.
Cela donne à NEWT un rôle différent de celui des tokens de gas traditionnels. Les utilisateurs ne paient pas seulement pour de l’espace de bloc : ils paient aussi des agents IA capables de vérifier les instructions, d’obtenir les autorisations et d’agir dans des limites définies. La valeur passe de la capacité de la blockchain à une intelligence vérifiable.
L’importance réelle ne réside pas uniquement dans des transactions moins chères. Il s’agit du fait que Web3 commence à dissimuler sa propre complexité. Lorsque les utilisateurs n’ont plus besoin de savoir quelle chaîne détient leurs actifs, quel token de gas manque, ou encore combien de signatures sont nécessaires, la blockchain peut enfin se rapprocher de l’adoption de masse.
Si le nombre d’agents IA, de sessions et d’intentions augmente, la demande pour NEWT pourrait devenir liée à une activité réelle sur le réseau. Le token ne représenterait alors plus seulement de la spéculation. Il pourrait devenir une entrée pour un marché où les machines effectuent un travail financier pour les humains.
Cela dit, remplacer ETH par NEWT ne crée pas automatiquement de la valeur. Si les agents IA ne parviennent pas à produire des résultats utiles, ou si les frais de service dépassent la valeur qu’ils génèrent, les utilisateurs partiront. Une demande durable n’apparaît que lorsque chaque NEWT consommé soutient une action présentant une utilité réelle.
L’évolution du gas, par conséquent, n’est pas un passage de ETH à NEWT. C’est un passage du fait de payer pour l’exécution de la blockchain à celui de payer pour des machines qui agissent avec des autorisations, des limites et une preuve.
@NewtonProtocol $NEWT #Newt $LAB
Ce qui m’a le plus surpris au sujet du Compte Professionnel de GRVT, ce n’est pas l’effet de levier. Dans mon exemple, un trader pouvait ouvrir une position SOL de 40 000 USDT, mais ne pouvait pas retirer 100 USDT.
Cela n’avait pas de sens.
J’ai créé un Compte Professionnel avec 20 000 USDT, j’ai gardé les fonds dans le Compte de financement, puis j’ai alloué 8 000 USDT au Compte de trading de Minh. Avec un levier de 5×, Minh pouvait générer environ 40 000 USDT d’exposition. Pourtant, le Compte de trading pouvait Trader et Transférer, mais pas Retirer. Tout retrait devait passer par le Compte de financement, tandis qu’une nouvelle adresse de destination pouvait nécessiter plusieurs approbations de la part des Administrateurs de financement.
C’était le paradoxe. Un trader était autorisé à créer des milliers de dollars d’exposition au marché, mais pas à déplacer 100 USDT en dehors de la plateforme. Je suis retourné à la documentation et j’ai compris que je mesurais la mauvaise chose. GRVT ne classe pas les permissions en fonction du montant impliqué. Il les classe en fonction du type de changement qu’une action provoque.
Un trade avec effet de levier modifie l’exposition, tandis que le capital reste soumis aux règles de marge, aux limites de portefeuille et au Moteur de risque. Un retrait est différent. Une fois que les actifs quittent le Compte de financement pour être envoyés vers une adresse externe, la plupart des contrôles internes ne s’appliquent plus. Le même capital est en jeu, mais le risque est fondamentalement différent.
C’est à ce moment-là que j’ai cessé de considérer les Comptes professionnels comme un simple autre modèle de permissions. Pour moi, GRVT sépare le risque de marché du risque de détention. Les traders peuvent décider comment le capital est exposé, mais pas comment il sort de l’organisation. Cette séparation introduit de la friction. Plusieurs comptes et des parcours d’approbation sont moins pratiques, surtout pour les équipes plus petites. Mais la commodité n’est pas la priorité.
GRVT optimise pour un système dans lequel une seule personne ne peut pas créer un risque de marché et déplacer le même capital en dehors de l’organisation. Cela m’a amené à une conclusion plus large : les systèmes financiers échouent rarement parce que quelqu’un négocie trop. Ils échouent lorsqu’une seule personne peut faire trop de choses différentes avec le même capital.
@grvt_io #grvt $LAB
Cela n’avait pas de sens.
J’ai créé un Compte Professionnel avec 20 000 USDT, j’ai gardé les fonds dans le Compte de financement, puis j’ai alloué 8 000 USDT au Compte de trading de Minh. Avec un levier de 5×, Minh pouvait générer environ 40 000 USDT d’exposition. Pourtant, le Compte de trading pouvait Trader et Transférer, mais pas Retirer. Tout retrait devait passer par le Compte de financement, tandis qu’une nouvelle adresse de destination pouvait nécessiter plusieurs approbations de la part des Administrateurs de financement.
C’était le paradoxe. Un trader était autorisé à créer des milliers de dollars d’exposition au marché, mais pas à déplacer 100 USDT en dehors de la plateforme. Je suis retourné à la documentation et j’ai compris que je mesurais la mauvaise chose. GRVT ne classe pas les permissions en fonction du montant impliqué. Il les classe en fonction du type de changement qu’une action provoque.
Un trade avec effet de levier modifie l’exposition, tandis que le capital reste soumis aux règles de marge, aux limites de portefeuille et au Moteur de risque. Un retrait est différent. Une fois que les actifs quittent le Compte de financement pour être envoyés vers une adresse externe, la plupart des contrôles internes ne s’appliquent plus. Le même capital est en jeu, mais le risque est fondamentalement différent.
C’est à ce moment-là que j’ai cessé de considérer les Comptes professionnels comme un simple autre modèle de permissions. Pour moi, GRVT sépare le risque de marché du risque de détention. Les traders peuvent décider comment le capital est exposé, mais pas comment il sort de l’organisation. Cette séparation introduit de la friction. Plusieurs comptes et des parcours d’approbation sont moins pratiques, surtout pour les équipes plus petites. Mais la commodité n’est pas la priorité.
GRVT optimise pour un système dans lequel une seule personne ne peut pas créer un risque de marché et déplacer le même capital en dehors de l’organisation. Cela m’a amené à une conclusion plus large : les systèmes financiers échouent rarement parce que quelqu’un négocie trop. Ils échouent lorsqu’une seule personne peut faire trop de choses différentes avec le même capital.
@grvt_io #grvt $LAB
Ce qui m’a le plus surpris, c’est que presque chaque trader sait que les options sont des outils de couverture efficaces avant des événements comme les réunions de la Fed (FOMC) ou les publications de l’IPC. Pourtant, à l’approche de la volatilité, la plupart réduisent encore l’effet de levier ou clôturent leurs positions. Ce n’est pas parce qu’ils ne veulent pas de protection. Utiliser des options exige tout simplement trop de connaissances et trop de décisions.
Un trader doit comprendre le Delta, le Gamma et le Theta, choisir un strike, évaluer l’échéance et prendre en compte l’impact sur l’ensemble du portefeuille. Pour beaucoup de traders particuliers, rien que ce processus suffit à les empêcher de passer à l’action. À mon avis, le Smart Options Engine de GRVT répond précisément à ce goulot d’étranglement.
GRVT ne simplifie pas les options elles-mêmes. Les modèles de tarification et les Grecs existent toujours, mais le système déplace une grande partie de cette complexité dans l’infrastructure. Les traders n’ont plus besoin de penser comme des spécialistes des options. Ils doivent surtout définir le risque contre lequel ils veulent se protéger.
La Marge Unifiée rend cela encore plus puissant.
Sur de nombreuses plateformes, les Perpétuels et les Options fonctionnent comme des systèmes distincts. La couverture nécessite souvent d’ajouter une garantie ou de déplacer des fonds entre les comptes, ce qui réduit l’efficacité du capital précisément au moment où la volatilité augmente.
GRVT adopte une approche différente. Son Risk Engine évalue le portefeuille comme un état unifié, permettant aux positions Perpétuelles rentables de soutenir des positions d’Options protectrices sans exiger de capital supplémentaire. Le PnL non réalisé devient un capital réutilisable au sein du même cadre de risque.
Bien sûr, cela n’élimine pas le risque de marché. Un mauvais strike, un timing inadapté ou une vision incorrecte du marché peuvent encore entraîner des pertes. Une interface plus simple ne peut pas remplacer le jugement. Mais ce n’est pas ce que GRVT cherche à automatiser. Le véritable changement, c’est que l’expertise nécessaire pour utiliser les Options est intégrée dans l’infrastructure.
GRVT ne fait pas qu’ajouter un produit de plus. Il transforme la couverture d’une compétence réservée aux spécialistes en une capacité native du système de trading. Si ce modèle fonctionne, l’avenir des Options pourrait ne pas dépendre du fait que davantage de traders apprennent les Grecs. Il pourrait au contraire dépendre du fait que moins de traders aient jamais besoin d’en tenir compte.@grvt_io #grvt $LAB
Un trader doit comprendre le Delta, le Gamma et le Theta, choisir un strike, évaluer l’échéance et prendre en compte l’impact sur l’ensemble du portefeuille. Pour beaucoup de traders particuliers, rien que ce processus suffit à les empêcher de passer à l’action. À mon avis, le Smart Options Engine de GRVT répond précisément à ce goulot d’étranglement.
GRVT ne simplifie pas les options elles-mêmes. Les modèles de tarification et les Grecs existent toujours, mais le système déplace une grande partie de cette complexité dans l’infrastructure. Les traders n’ont plus besoin de penser comme des spécialistes des options. Ils doivent surtout définir le risque contre lequel ils veulent se protéger.
La Marge Unifiée rend cela encore plus puissant.
Sur de nombreuses plateformes, les Perpétuels et les Options fonctionnent comme des systèmes distincts. La couverture nécessite souvent d’ajouter une garantie ou de déplacer des fonds entre les comptes, ce qui réduit l’efficacité du capital précisément au moment où la volatilité augmente.
GRVT adopte une approche différente. Son Risk Engine évalue le portefeuille comme un état unifié, permettant aux positions Perpétuelles rentables de soutenir des positions d’Options protectrices sans exiger de capital supplémentaire. Le PnL non réalisé devient un capital réutilisable au sein du même cadre de risque.
Bien sûr, cela n’élimine pas le risque de marché. Un mauvais strike, un timing inadapté ou une vision incorrecte du marché peuvent encore entraîner des pertes. Une interface plus simple ne peut pas remplacer le jugement. Mais ce n’est pas ce que GRVT cherche à automatiser. Le véritable changement, c’est que l’expertise nécessaire pour utiliser les Options est intégrée dans l’infrastructure.
GRVT ne fait pas qu’ajouter un produit de plus. Il transforme la couverture d’une compétence réservée aux spécialistes en une capacité native du système de trading. Si ce modèle fonctionne, l’avenir des Options pourrait ne pas dépendre du fait que davantage de traders apprennent les Grecs. Il pourrait au contraire dépendre du fait que moins de traders aient jamais besoin d’en tenir compte.@grvt_io #grvt $LAB
Voir la traduction
A $500 million DeFi hack is never about $500 million at the beginning.
What the blockchain actually sees is a single transaction. If that transaction is never allowed to become an execution, then the $500 million behind it never has a chance to disappear. To me, that is the philosophy behind Newton Protocol’s “cryptographic fuse.”
Instead of adding another security layer that reacts to attackers, Newton moves the entire line of defense in front of execution through Authorization and Policy. Every intent must satisfy policy before the blockchain ever sees a transaction. If policy rejects it, execution never exists. No transaction. No state transition. No exploit.
This is what sets Newton apart from most DeFi security models. Audits reduce vulnerabilities. Monitoring detects suspicious behavior. Emergency pauses limit damage after an incident begins. All of them operate after execution already exists. Newton decides whether execution should exist at all.
That is why the fuse analogy fits so well. A fuse does not care whether it protects a light bulb or an entire factory. Once the current exceeds its limit, the circuit is broken. The scale changes, but the logic never does.
Newton’s Authorization layer works the same way. A $1,000 transaction and a $500 million transaction face the same question: Does this intent comply with policy? If not, the execution path ends before it begins. More capital does not require a different security model. It only raises the cost of an incorrect “Allow” decision.
To me, this is the most important idea behind Newton Protocol. It is not designed to contain massive exploits after they happen. It is designed to ensure they never make it past the first transaction. A cryptographic fuse does not secure the blockchain after state changes. It prevents dangerous state changes from ever existing in the first place, all within a single millisecond.
@NewtonProtocol $NEWT #Newt $LAB
What the blockchain actually sees is a single transaction. If that transaction is never allowed to become an execution, then the $500 million behind it never has a chance to disappear. To me, that is the philosophy behind Newton Protocol’s “cryptographic fuse.”
Instead of adding another security layer that reacts to attackers, Newton moves the entire line of defense in front of execution through Authorization and Policy. Every intent must satisfy policy before the blockchain ever sees a transaction. If policy rejects it, execution never exists. No transaction. No state transition. No exploit.
This is what sets Newton apart from most DeFi security models. Audits reduce vulnerabilities. Monitoring detects suspicious behavior. Emergency pauses limit damage after an incident begins. All of them operate after execution already exists. Newton decides whether execution should exist at all.
That is why the fuse analogy fits so well. A fuse does not care whether it protects a light bulb or an entire factory. Once the current exceeds its limit, the circuit is broken. The scale changes, but the logic never does.
Newton’s Authorization layer works the same way. A $1,000 transaction and a $500 million transaction face the same question: Does this intent comply with policy? If not, the execution path ends before it begins. More capital does not require a different security model. It only raises the cost of an incorrect “Allow” decision.
To me, this is the most important idea behind Newton Protocol. It is not designed to contain massive exploits after they happen. It is designed to ensure they never make it past the first transaction. A cryptographic fuse does not secure the blockchain after state changes. It prevents dangerous state changes from ever existing in the first place, all within a single millisecond.
@NewtonProtocol $NEWT #Newt $LAB
Voir la traduction
For a long time, I assumed Zero-Knowledge was built to make blockchains more capable.
GRVT made me question that assumption.
What if ZK exists for the opposite reason?
Imagine removing every proof from GRVT tomorrow. I don’t think the first thing to stop working would be the exchange itself. Orders could still be matched. Margin could still be calculated. Balances could still change.
The real question is different. Who gets to say those results are correct? My first instinct was simple: let the blockchain recompute everything.
The more I thought about it, the less that made sense.
A Hybrid Exchange exists because execution has already moved off-chain. If the blockchain still has to replay every risk calculation and state transition, the architecture quietly falls back to the model it was trying to leave behind.
Without ZK, the system is left with two choices: either the blockchain computes everything, or the exchange becomes the source of truth.
Neither feels like GRVT.
That is when I stopped thinking of Zero-Knowledge as another execution technology.
Its job is not to produce a financial state.
Its job is to give the blockchain enough evidence to accept that state without reproducing the computation behind it.
The breakthrough is not that computation moved off-chain.
It is that trust did not.
Without ZK, trades could still be matched and positions could still be updated. What disappears is the separation between who performs the computation and who has the authority to establish financial truth.
That is why I no longer see Zero-Knowledge as just a scaling solution.
To me, it is the mechanism that lets a Hybrid Exchange move computation away from the blockchain without moving trust away from it.
@grvt_io #grvt $LAB
GRVT made me question that assumption.
What if ZK exists for the opposite reason?
Imagine removing every proof from GRVT tomorrow. I don’t think the first thing to stop working would be the exchange itself. Orders could still be matched. Margin could still be calculated. Balances could still change.
The real question is different. Who gets to say those results are correct? My first instinct was simple: let the blockchain recompute everything.
The more I thought about it, the less that made sense.
A Hybrid Exchange exists because execution has already moved off-chain. If the blockchain still has to replay every risk calculation and state transition, the architecture quietly falls back to the model it was trying to leave behind.
Without ZK, the system is left with two choices: either the blockchain computes everything, or the exchange becomes the source of truth.
Neither feels like GRVT.
That is when I stopped thinking of Zero-Knowledge as another execution technology.
Its job is not to produce a financial state.
Its job is to give the blockchain enough evidence to accept that state without reproducing the computation behind it.
The breakthrough is not that computation moved off-chain.
It is that trust did not.
Without ZK, trades could still be matched and positions could still be updated. What disappears is the separation between who performs the computation and who has the authority to establish financial truth.
That is why I no longer see Zero-Knowledge as just a scaling solution.
To me, it is the mechanism that lets a Hybrid Exchange move computation away from the blockchain without moving trust away from it.
@grvt_io #grvt $LAB
Le cache réduit la latence, mais il peut aussi rendre les données périmées. Quel niveau de contrôle un auteur de politique devrait-il avoir sur le TTL ?
J’ai longtemps pensé que le TTL n’était qu’un paramètre de cache. Un cache plus long signifiait une latence plus faible ; un cache plus court signifiait des données plus fraîches. Mais @NewtonProtocol suggère une question tout à fait différente.
Une politique n’observe jamais directement la blockchain ni le marché. Elle évalue uniquement les PolicyData fournies par un fournisseur de données. Newton n’autorise pas le monde lui-même. Il autorise un instantané du monde capturé à un moment précis.
Le caching réduit la latence, diminue la charge du fournisseur de données et aide les opérateurs à évaluer la même PolicyData, améliorant à la fois les performances et l’évaluation déterministe.
Le compromis commence dès le départ. Plus un instantané dure, moins il est probable qu’il reflète la réalité. Les prix évoluent, les identités changent et les signaux de risque se transforment pendant que la politique continue de faire confiance à des informations provenant du passé.
C’est là que la vraie question change. Le problème n’est pas la durée de vie d’un cache, mais la durée pendant laquelle une politique est autorisée à faire confiance au même instantané. Le TTL n’est plus un paramètre de cache. Il devient le point auquel un ancien instantané cesse d’être une base valable pour l’autorisation.
C’est aussi la raison pour laquelle le TTL ne devrait pas appartenir entièrement à l’infrastructure. Si l’infrastructure prolonge le TTL pour améliorer l’efficacité, elle étend aussi la frontière d’autorisation définie par la politique. Si chaque TTL est dicté uniquement par l’auteur de la politique, la scalabilité et les performances en pâtiront inévitablement.
Le meilleur équilibre consiste pour l’auteur de la politique à définir la fraîcheur requise, tandis que l’infrastructure détermine comment la satisfaire. L’un définit la sémantique de l’autorisation. L’autre optimise l’exécution.
Le TTL fait plus que simplement expirer des données mises en cache. Il définit pendant combien de temps une politique est autorisée à faire confiance à une version particulière du monde. Une fois cette limite dépassée, ce qui expire n’est pas seulement le cache, mais aussi la capacité de la décision d’autorisation à représenter fidèlement l’Intention d’origine.@NewtonProtocol $NEWT #Newt $LAB $BEAT
J’ai longtemps pensé que le TTL n’était qu’un paramètre de cache. Un cache plus long signifiait une latence plus faible ; un cache plus court signifiait des données plus fraîches. Mais @NewtonProtocol suggère une question tout à fait différente.
Une politique n’observe jamais directement la blockchain ni le marché. Elle évalue uniquement les PolicyData fournies par un fournisseur de données. Newton n’autorise pas le monde lui-même. Il autorise un instantané du monde capturé à un moment précis.
Le caching réduit la latence, diminue la charge du fournisseur de données et aide les opérateurs à évaluer la même PolicyData, améliorant à la fois les performances et l’évaluation déterministe.
Le compromis commence dès le départ. Plus un instantané dure, moins il est probable qu’il reflète la réalité. Les prix évoluent, les identités changent et les signaux de risque se transforment pendant que la politique continue de faire confiance à des informations provenant du passé.
C’est là que la vraie question change. Le problème n’est pas la durée de vie d’un cache, mais la durée pendant laquelle une politique est autorisée à faire confiance au même instantané. Le TTL n’est plus un paramètre de cache. Il devient le point auquel un ancien instantané cesse d’être une base valable pour l’autorisation.
C’est aussi la raison pour laquelle le TTL ne devrait pas appartenir entièrement à l’infrastructure. Si l’infrastructure prolonge le TTL pour améliorer l’efficacité, elle étend aussi la frontière d’autorisation définie par la politique. Si chaque TTL est dicté uniquement par l’auteur de la politique, la scalabilité et les performances en pâtiront inévitablement.
Le meilleur équilibre consiste pour l’auteur de la politique à définir la fraîcheur requise, tandis que l’infrastructure détermine comment la satisfaire. L’un définit la sémantique de l’autorisation. L’autre optimise l’exécution.
Le TTL fait plus que simplement expirer des données mises en cache. Il définit pendant combien de temps une politique est autorisée à faire confiance à une version particulière du monde. Une fois cette limite dépassée, ce qui expire n’est pas seulement le cache, mais aussi la capacité de la décision d’autorisation à représenter fidèlement l’Intention d’origine.@NewtonProtocol $NEWT #Newt $LAB $BEAT
Pendant longtemps, je pensais que la confiance et la transparence allaient toujours de pair. Plus un système exposait d’informations, plus il devenait fiable. La blockchain a renforcé cette conviction en rendant les transactions publiquement vérifiables.
Puis j’ai lu la documentation HEx de GRVT.
Une décision d’architecture a remis en question cette hypothèse : le Validium.
La plupart des gens décrivent le Validium en termes de frais plus bas, de débit plus élevé et d’exécution plus rapide. Ces avantages comptent, mais ils n’expliquent pas entièrement HEx.
La question plus profonde est :
Quelle quantité d’informations un échange doit-il exposer pour que les utilisateurs lui fassent confiance ?
HEx sépare deux notions souvent traitées comme une seule. La validité répond à la question de savoir si les transitions d’état engagées respectent les règles. La disponibilité des données interroge l’endroit où doivent résider les données opérationnelles à l’origine de ces transitions.
GRVT trace une limite claire. La conservation en self-custody et la validité cryptographique ne peuvent pas être compromises. Mais cela ne signifie pas que chaque mise à jour de trading doit figurer sur Ethereum.
C’est plus clair au sein de HEx. Un Central Limit Order Book génère des mises à jour constantes, tandis que One Balance et Unified Margin rééquilibrent en continu le capital et les garanties. Publier chaque mise à jour opérationnelle sur Ethereum créerait un enregistrement plus complet, mais pas nécessairement plus de confiance.
La blockchain vérifie les transitions d’état engagées. Elle n’a pas automatiquement besoin de stocker tous les détails opérationnels qui les sous-tendent.
Vu sous cet angle, le Validium est plus qu’une simple solution d’extension.
Il définit la limite de confiance de HEx en identifiant ce qui doit toujours rester garanti par la blockchain.
C’est pourquoi je ne pense pas que l’avantage à long terme de GRVT soit le Validium lui-même. Si les preuves ZK deviennent standard, la technologie deviendra une infrastructure plutôt qu’une différenciation.
La vraie concurrence ne portera pas sur celui qui publie le plus d’informations. Elle portera sur celui qui identifie les garanties minimales dont les utilisateurs ont besoin pour faire confiance à un échange.
GRVT ne redessine pas la blockchain.
Il redessine la frontière entre ce que la blockchain doit garantir et ce que l’échange peut optimiser.
@grvt_io #grvt $LAB
Puis j’ai lu la documentation HEx de GRVT.
Une décision d’architecture a remis en question cette hypothèse : le Validium.
La plupart des gens décrivent le Validium en termes de frais plus bas, de débit plus élevé et d’exécution plus rapide. Ces avantages comptent, mais ils n’expliquent pas entièrement HEx.
La question plus profonde est :
Quelle quantité d’informations un échange doit-il exposer pour que les utilisateurs lui fassent confiance ?
HEx sépare deux notions souvent traitées comme une seule. La validité répond à la question de savoir si les transitions d’état engagées respectent les règles. La disponibilité des données interroge l’endroit où doivent résider les données opérationnelles à l’origine de ces transitions.
GRVT trace une limite claire. La conservation en self-custody et la validité cryptographique ne peuvent pas être compromises. Mais cela ne signifie pas que chaque mise à jour de trading doit figurer sur Ethereum.
C’est plus clair au sein de HEx. Un Central Limit Order Book génère des mises à jour constantes, tandis que One Balance et Unified Margin rééquilibrent en continu le capital et les garanties. Publier chaque mise à jour opérationnelle sur Ethereum créerait un enregistrement plus complet, mais pas nécessairement plus de confiance.
La blockchain vérifie les transitions d’état engagées. Elle n’a pas automatiquement besoin de stocker tous les détails opérationnels qui les sous-tendent.
Vu sous cet angle, le Validium est plus qu’une simple solution d’extension.
Il définit la limite de confiance de HEx en identifiant ce qui doit toujours rester garanti par la blockchain.
C’est pourquoi je ne pense pas que l’avantage à long terme de GRVT soit le Validium lui-même. Si les preuves ZK deviennent standard, la technologie deviendra une infrastructure plutôt qu’une différenciation.
La vraie concurrence ne portera pas sur celui qui publie le plus d’informations. Elle portera sur celui qui identifie les garanties minimales dont les utilisateurs ont besoin pour faire confiance à un échange.
GRVT ne redessine pas la blockchain.
Il redessine la frontière entre ce que la blockchain doit garantir et ce que l’échange peut optimiser.
@grvt_io #grvt $LAB
Imaginez que le protocole Newton compte un jour 1 000 opérateurs.
À première vue, cela ressemble à une étape majeure. Plus d’opérateurs devrait signifier un réseau plus décentralisé et plus résilient. Mais que se passe-t-il si les 1 000 opérateurs tirent tous leurs données depuis la même API ?
Soudain, le nombre 1 000 n’inspire plus vraiment la même confiance.
Aucun des opérateurs ne fait quoi que ce soit de mal. Chacun récupère des données de façon indépendante, les vérifie, puis soumet le résultat pour une évaluation de la Policy Layer. Pourtant, ils commencent tous à partir de la même source.
Si cette source est manipulée, censurée, ou simplement erronée, chaque opérateur peut aboutir à la même conclusion incorrecte. Non pas parce que le consensus a échoué, mais parce que tout le monde observe le monde à travers la même fenêtre. L’infrastructure reste décentralisée, tandis que la confiance converge silencieusement vers une seule source de vérité.
Cela m’a fait comprendre que la vraie question n’est désormais plus de savoir qui vérifie les données, mais ce qui rend ces données suffisamment dignes de confiance pour influencer l’exécution.
C’est là que le protocole Newton devient intéressant.
La Policy Layer ne crée pas de données et ne remplace pas des oracles. À la place, elle définit quels éléments de preuve sont acceptables avant l’exécution. D’où viennent les données ? Ont-elles été vérifiées par plusieurs sources ? Incluent-elles une preuve cryptographique ? En cas de contradiction entre les preuves, quelle source la blockchain doit-elle privilégier ?
Bien sûr, Newton ne peut pas, à lui seul, résoudre le problème des données off-chain. Si l’écosystème dépend seulement de quelques fournisseurs de données dominants, la Policy Layer ne peut choisir qu’à partir des preuves disponibles.
Après avoir lu l’architecture de Newton, je ne suis plus intéressé par le nombre d’opérateurs que peut avoir le réseau. Je veux surtout savoir qui décide quelles preuves méritent de façonner une décision on-chain.
Peut-être que le protocole Newton n’essaie pas de décentraliser les opérateurs, ni même les données elles-mêmes. Il cherche à décentraliser l’autorité qui décide de ce que la blockchain est autorisée à considérer comme digne de confiance. À mon avis, c’est là que commence le prochain basculement de l’architecture de la blockchain.
@NewtonProtocol $NEWT #Newt $LAB
À première vue, cela ressemble à une étape majeure. Plus d’opérateurs devrait signifier un réseau plus décentralisé et plus résilient. Mais que se passe-t-il si les 1 000 opérateurs tirent tous leurs données depuis la même API ?
Soudain, le nombre 1 000 n’inspire plus vraiment la même confiance.
Aucun des opérateurs ne fait quoi que ce soit de mal. Chacun récupère des données de façon indépendante, les vérifie, puis soumet le résultat pour une évaluation de la Policy Layer. Pourtant, ils commencent tous à partir de la même source.
Si cette source est manipulée, censurée, ou simplement erronée, chaque opérateur peut aboutir à la même conclusion incorrecte. Non pas parce que le consensus a échoué, mais parce que tout le monde observe le monde à travers la même fenêtre. L’infrastructure reste décentralisée, tandis que la confiance converge silencieusement vers une seule source de vérité.
Cela m’a fait comprendre que la vraie question n’est désormais plus de savoir qui vérifie les données, mais ce qui rend ces données suffisamment dignes de confiance pour influencer l’exécution.
C’est là que le protocole Newton devient intéressant.
La Policy Layer ne crée pas de données et ne remplace pas des oracles. À la place, elle définit quels éléments de preuve sont acceptables avant l’exécution. D’où viennent les données ? Ont-elles été vérifiées par plusieurs sources ? Incluent-elles une preuve cryptographique ? En cas de contradiction entre les preuves, quelle source la blockchain doit-elle privilégier ?
Bien sûr, Newton ne peut pas, à lui seul, résoudre le problème des données off-chain. Si l’écosystème dépend seulement de quelques fournisseurs de données dominants, la Policy Layer ne peut choisir qu’à partir des preuves disponibles.
Après avoir lu l’architecture de Newton, je ne suis plus intéressé par le nombre d’opérateurs que peut avoir le réseau. Je veux surtout savoir qui décide quelles preuves méritent de façonner une décision on-chain.
Peut-être que le protocole Newton n’essaie pas de décentraliser les opérateurs, ni même les données elles-mêmes. Il cherche à décentraliser l’autorité qui décide de ce que la blockchain est autorisée à considérer comme digne de confiance. À mon avis, c’est là que commence le prochain basculement de l’architecture de la blockchain.
@NewtonProtocol $NEWT #Newt $LAB
La blockchain a été conçue sur une exécution déterministe. Les smart contracts fonctionnent parce qu’ils n’ont pas besoin de comprendre la réalité : ils se contentent d’exécuter des règles prédéfinies sur des états vérifiables.
Mais les économies autonomes posent un problème différent.
Désormais, les machines ne se limitent plus à exécuter des transactions. Elles agissent en fonction d’une intention, d’un contexte et de conditions en constante évolution.
C’est là que le protocole Newton représente un changement plus profond. Son défi n’est pas seulement de créer une couche de politique entre l’intention et l’exécution. Il consiste à gérer l’écart entre la réalité et la représentation de la réalité à l’intérieur du protocole.
La blockchain peut vérifier ce qui s’est passé. Elle peut vérifier les signatures, les transactions et les transitions d’état.
Mais elle ne peut pas, naturellement, répondre à une question plus difficile : Que signifie cela dans le contexte actuel ?
L’intention change tout.
L’intention n’est pas seulement des données. C’est du sens attaché aux données. Une fois qu’un protocole évalue l’intention, il commence à s’appuyer sur des hypothèses concernant le contexte, l’éligibilité et la pertinence.
C’est le problème caché de la densité d’hypothèses.
La densité d’hypothèses n’est pas le nombre de règles qu’un protocole contient. C’est la distance entre la réalité et le modèle simplifié utilisé pour prendre des décisions.
Le plus grand risque n’est pas une exécution incorrecte. C’est une exécution correcte fondée sur une mauvaise compréhension de la situation.
C’est le véritable test de maturité pour Newton. La question n’est pas de savoir si Newton peut créer davantage de politiques. La question est de savoir s’il peut maintenir des interprétations valides à mesure que les conditions changent.
Newton ne construit pas un système qui comprend la réalité elle-même. Il construit un cadre permettant d’évaluer l’intention, la politique et l’exécution par rapport à des environnements changeants.
S’il réussit, Newton pourrait devenir une couche d’abstraction de la réalité pour les économies autonomes.
Sa valeur ne viendra pas du remplacement du code par une politique. Elle viendra du fait de rendre les hypothèses cachées visibles, gérables et adaptables.
Car dans une économie autonome, la confiance ne disparaît pas.
Elle se déplace vers des couches plus profondes qui définissent ce que le système considère comme valide.
@NewtonProtocol $NEWT #Newt $LAB $EVAA
Mais les économies autonomes posent un problème différent.
Désormais, les machines ne se limitent plus à exécuter des transactions. Elles agissent en fonction d’une intention, d’un contexte et de conditions en constante évolution.
C’est là que le protocole Newton représente un changement plus profond. Son défi n’est pas seulement de créer une couche de politique entre l’intention et l’exécution. Il consiste à gérer l’écart entre la réalité et la représentation de la réalité à l’intérieur du protocole.
La blockchain peut vérifier ce qui s’est passé. Elle peut vérifier les signatures, les transactions et les transitions d’état.
Mais elle ne peut pas, naturellement, répondre à une question plus difficile : Que signifie cela dans le contexte actuel ?
L’intention change tout.
L’intention n’est pas seulement des données. C’est du sens attaché aux données. Une fois qu’un protocole évalue l’intention, il commence à s’appuyer sur des hypothèses concernant le contexte, l’éligibilité et la pertinence.
C’est le problème caché de la densité d’hypothèses.
La densité d’hypothèses n’est pas le nombre de règles qu’un protocole contient. C’est la distance entre la réalité et le modèle simplifié utilisé pour prendre des décisions.
Le plus grand risque n’est pas une exécution incorrecte. C’est une exécution correcte fondée sur une mauvaise compréhension de la situation.
C’est le véritable test de maturité pour Newton. La question n’est pas de savoir si Newton peut créer davantage de politiques. La question est de savoir s’il peut maintenir des interprétations valides à mesure que les conditions changent.
Newton ne construit pas un système qui comprend la réalité elle-même. Il construit un cadre permettant d’évaluer l’intention, la politique et l’exécution par rapport à des environnements changeants.
S’il réussit, Newton pourrait devenir une couche d’abstraction de la réalité pour les économies autonomes.
Sa valeur ne viendra pas du remplacement du code par une politique. Elle viendra du fait de rendre les hypothèses cachées visibles, gérables et adaptables.
Car dans une économie autonome, la confiance ne disparaît pas.
Elle se déplace vers des couches plus profondes qui définissent ce que le système considère comme valide.
@NewtonProtocol $NEWT #Newt $LAB $EVAA
Un paradoxe a attiré mon attention lorsque j’étudiais le protocole Newton :
Newton vise à rendre l’autorisation plus intelligente grâce à une compréhension plus profonde de l’intention. Mais plus il comprend l’intention, plus il devient difficile de préserver une frontière d’autorisation cohérente.
Dans l’architecture de Newton, la politique se situe entre la couche d’intention et la couche d’exécution. Elle ne se contente pas de décider si une action est autorisée. Elle détermine aussi si l’exécution reste conforme à l’intention d’origine.
Cela crée une entropie de politique.
L’entropie de politique ne vient pas d’un trop grand nombre de règles. Elle provient de l’augmentation de la dépendance au contexte d’exécution, aux paramètres de risque, aux conditions du marché et aux versions de la politique. À mesure que davantage de variables influencent l’autorisation, les décisions deviennent plus difficiles à prévoir, à reproduire et à expliquer.
Une intention acceptée aujourd’hui peut être rejetée demain dans des conditions différentes. Le défi consiste à savoir si Newton peut expliquer pourquoi la frontière d’autorisation a changé tout en restant aligné sur l’intention initiale.
C’est le problème de la non-déterminisme de l’autorisation.
Sans contrôle adéquat, les décisions de politique peuvent devenir liées à un état et à un moment précis. Lorsqu’on examine une exécution passée, Newton doit reconstruire non seulement la politique utilisée, mais aussi le contexte et le raisonnement ayant mené à la décision.
Newton a besoin de plus que du simple contrôle d’exécution des politiques. Il a besoin de la reproductibilité des décisions via le versionnage des politiques, l’origine des autorisations et la canonisation de l’intention.
L’objectif n’est pas de supprimer l’adaptation. Les systèmes conscients de l’intention doivent répondre aux conditions changeantes. Mais cette flexibilité doit être structurée, car un système de politique fiable doit prendre des décisions non seulement correctement, mais aussi de manière explicable.
Le défi le plus profond pour Newton n’est pas de rendre la politique plus compréhensible.
C’est de rendre cette compréhension vérifiable.
Une couche d’autorisation digne de confiance devrait répondre non seulement à :
« Quelle décision a été prise ? »
mais aussi : « Newton peut-il prouver pourquoi cette décision était la bonne interprétation de l’intention de l’utilisateur ? »
C’est la différence entre un moteur de politique intelligent et un système d’autorisation conçu pour la confiance.
@NewtonProtocol $NEWT #Newt $EVAA $CLO
Newton vise à rendre l’autorisation plus intelligente grâce à une compréhension plus profonde de l’intention. Mais plus il comprend l’intention, plus il devient difficile de préserver une frontière d’autorisation cohérente.
Dans l’architecture de Newton, la politique se situe entre la couche d’intention et la couche d’exécution. Elle ne se contente pas de décider si une action est autorisée. Elle détermine aussi si l’exécution reste conforme à l’intention d’origine.
Cela crée une entropie de politique.
L’entropie de politique ne vient pas d’un trop grand nombre de règles. Elle provient de l’augmentation de la dépendance au contexte d’exécution, aux paramètres de risque, aux conditions du marché et aux versions de la politique. À mesure que davantage de variables influencent l’autorisation, les décisions deviennent plus difficiles à prévoir, à reproduire et à expliquer.
Une intention acceptée aujourd’hui peut être rejetée demain dans des conditions différentes. Le défi consiste à savoir si Newton peut expliquer pourquoi la frontière d’autorisation a changé tout en restant aligné sur l’intention initiale.
C’est le problème de la non-déterminisme de l’autorisation.
Sans contrôle adéquat, les décisions de politique peuvent devenir liées à un état et à un moment précis. Lorsqu’on examine une exécution passée, Newton doit reconstruire non seulement la politique utilisée, mais aussi le contexte et le raisonnement ayant mené à la décision.
Newton a besoin de plus que du simple contrôle d’exécution des politiques. Il a besoin de la reproductibilité des décisions via le versionnage des politiques, l’origine des autorisations et la canonisation de l’intention.
L’objectif n’est pas de supprimer l’adaptation. Les systèmes conscients de l’intention doivent répondre aux conditions changeantes. Mais cette flexibilité doit être structurée, car un système de politique fiable doit prendre des décisions non seulement correctement, mais aussi de manière explicable.
Le défi le plus profond pour Newton n’est pas de rendre la politique plus compréhensible.
C’est de rendre cette compréhension vérifiable.
Une couche d’autorisation digne de confiance devrait répondre non seulement à :
« Quelle décision a été prise ? »
mais aussi : « Newton peut-il prouver pourquoi cette décision était la bonne interprétation de l’intention de l’utilisateur ? »
C’est la différence entre un moteur de politique intelligent et un système d’autorisation conçu pour la confiance.
@NewtonProtocol $NEWT #Newt $EVAA $CLO
Connectez-vous pour découvrir plus de contenu