Ada yang menghentikanku selama tugas @OpenGradient #OPG pagi ini. Pitches tanggung jawab OpenGradient terdengar total — setiap inferensi AI mendapatkan jejak kriptografi di on-chain. Kontrak $OPG di Base (0xFbC2051AE2265686a469421b2C5A2D5462FbF5eB — alamat yang sama yang digunakan Upbit untuk setoran pada listing 15 Juni) menyelesaikan pembayaran inferensi melalui Permit2. Lapisan infrastruktur terlihat lengkap.
Tetapi ada pemisahan di tempat yang penting. Untuk model open-source yang berjalan di node inferensi milik OpenGradient, ZKML atau TEE attestations benar-benar dapat memverifikasi komputasi — model mana yang berjalan, input yang tepat, output yang tepat. Itu adalah tanggung jawab yang tulus.
Namun, untuk panggilan proxy LLM yang mengarah ke Anthropic atau OpenAI, apa yang dibuktikan oleh TEE lebih sempit: prompt mencapai penyedia tanpa campur tangan dan hasil yang dikembalikan tanpa campur tangan. Apa yang tidak dapat diverifikasi adalah apa yang dilakukan model closed-source secara internal — penalaran, bobot, versi tepat yang dijalankan. Kotak hitam bergerak ke hulu. OpenGradient mengamankan saluran di sekitarnya tetapi berhenti di batas model.
Merenungkan itu sebentar. Seorang agen dapat membuktikan bahwa ia memanggil penyedia tertentu dengan prompt tertentu dan mendapatkan output tertentu. Itu lebih dari yang ditawarkan kebanyakan sistem. Tetapi membuktikan bahwa panggilan terjadi dengan benar tidak sama dengan membuktikan apa yang dihitung oleh model. Apakah celah itu penting tergantung sepenuhnya pada apa yang dibangun di atasnya. #OPG
Tetapi ada pemisahan di tempat yang penting. Untuk model open-source yang berjalan di node inferensi milik OpenGradient, ZKML atau TEE attestations benar-benar dapat memverifikasi komputasi — model mana yang berjalan, input yang tepat, output yang tepat. Itu adalah tanggung jawab yang tulus.
Namun, untuk panggilan proxy LLM yang mengarah ke Anthropic atau OpenAI, apa yang dibuktikan oleh TEE lebih sempit: prompt mencapai penyedia tanpa campur tangan dan hasil yang dikembalikan tanpa campur tangan. Apa yang tidak dapat diverifikasi adalah apa yang dilakukan model closed-source secara internal — penalaran, bobot, versi tepat yang dijalankan. Kotak hitam bergerak ke hulu. OpenGradient mengamankan saluran di sekitarnya tetapi berhenti di batas model.
Merenungkan itu sebentar. Seorang agen dapat membuktikan bahwa ia memanggil penyedia tertentu dengan prompt tertentu dan mendapatkan output tertentu. Itu lebih dari yang ditawarkan kebanyakan sistem. Tetapi membuktikan bahwa panggilan terjadi dengan benar tidak sama dengan membuktikan apa yang dihitung oleh model. Apakah celah itu penting tergantung sepenuhnya pada apa yang dibangun di atasnya. #OPG
