#opg $OPG
Bicarakan OpenGradient, jangan usah dibikin ribet dengan narasi yang berlebihan—kita fokus saja pada arsitektur HACA-nya.
Apa masalah khas dari blockchain tradisional? Setiap node harus menjalankan ulang transaksi. Kamu transfer itu mungkin tidak masalah, tapi kalau 100 node harus masing-masing menjalankan model besar 70B? Biayanya naik 100 kali lipat, waktunya juga tidak sanggup. Dan hasilnya pun tidak tentu sama.
Cara main OpenGradient adalah memisahkan eksekusi dan verifikasi—node inferensi bekerja memakai GPU. Setelah selesai, mereka keluarkan sertifikasi TEE atau bukti ZKML. Node-node penuh hanya perlu memverifikasi bukti tersebut, tidak perlu menjalankan ulang model dengan cara yang membosankan.
Jujur, dari sisi teknis, ide ini tidak buruk. Node dibagi menjadi empat kelompok: node inferensi menjalankan model, node penuh mencatat dan memverifikasi bukti, node data memasok informasi eksternal, dan penyimpanan ditaruh di Walrus. Tapi masalahnya di mana? Node TEE harus lolos registrasi berbasis autentikasi perangkat keras. Ini bukan sesuatu yang bisa dijalankan sembarang komputer rumahan. Siapa yang bayar beli H100? Siapa yang bayar listrik ruang data center?
Saya sempat meneliti model ekonomi di whitepaper. Total supply tokennya 1 miliar, reward staking hanya 10%, dan dilepas secara linear selama 96 bulan. 96 bulan itu konsepnya apa? Delapan tahun. Dengan valuasi OPG saat ini, rata-rata per bulan melepas jumlah segitu—cukup buat bayar listrik AC beberapa mesin saja? Operasional node tidak dilakukan untuk amal. Begitu subsidi berhenti, siapa yang komputasinya paling cepat? Ya yang punya subsidi duluan.
Pihak proyek bilang sudah menjalankan inferensi 2 juta kali di mainnet, tapi berapa jumlah node inferensi dan spesifikasinya apa—sampai sekarang belum dipublikasikan. Narasi teknologinya terdengar seksi, tapi apakah hitungan ekonominya masuk akal, saya sih akan simpan daftar node dulu sebagai bookmark. Tiga bulan lagi baru saya cek ulang. Sekarang mau ikut nyerempet? Nanti dulu, saya lihat dulu @OpenGradient
Bicarakan OpenGradient, jangan usah dibikin ribet dengan narasi yang berlebihan—kita fokus saja pada arsitektur HACA-nya.
Apa masalah khas dari blockchain tradisional? Setiap node harus menjalankan ulang transaksi. Kamu transfer itu mungkin tidak masalah, tapi kalau 100 node harus masing-masing menjalankan model besar 70B? Biayanya naik 100 kali lipat, waktunya juga tidak sanggup. Dan hasilnya pun tidak tentu sama.
Cara main OpenGradient adalah memisahkan eksekusi dan verifikasi—node inferensi bekerja memakai GPU. Setelah selesai, mereka keluarkan sertifikasi TEE atau bukti ZKML. Node-node penuh hanya perlu memverifikasi bukti tersebut, tidak perlu menjalankan ulang model dengan cara yang membosankan.
Jujur, dari sisi teknis, ide ini tidak buruk. Node dibagi menjadi empat kelompok: node inferensi menjalankan model, node penuh mencatat dan memverifikasi bukti, node data memasok informasi eksternal, dan penyimpanan ditaruh di Walrus. Tapi masalahnya di mana? Node TEE harus lolos registrasi berbasis autentikasi perangkat keras. Ini bukan sesuatu yang bisa dijalankan sembarang komputer rumahan. Siapa yang bayar beli H100? Siapa yang bayar listrik ruang data center?
Saya sempat meneliti model ekonomi di whitepaper. Total supply tokennya 1 miliar, reward staking hanya 10%, dan dilepas secara linear selama 96 bulan. 96 bulan itu konsepnya apa? Delapan tahun. Dengan valuasi OPG saat ini, rata-rata per bulan melepas jumlah segitu—cukup buat bayar listrik AC beberapa mesin saja? Operasional node tidak dilakukan untuk amal. Begitu subsidi berhenti, siapa yang komputasinya paling cepat? Ya yang punya subsidi duluan.
Pihak proyek bilang sudah menjalankan inferensi 2 juta kali di mainnet, tapi berapa jumlah node inferensi dan spesifikasinya apa—sampai sekarang belum dipublikasikan. Narasi teknologinya terdengar seksi, tapi apakah hitungan ekonominya masuk akal, saya sih akan simpan daftar node dulu sebagai bookmark. Tiga bulan lagi baru saya cek ulang. Sekarang mau ikut nyerempet? Nanti dulu, saya lihat dulu @OpenGradient