Sesuatu yang terus saya rujuk saat menelaah dokumentasi @OpenGradient : proyek ini memposisikan dirinya sebagai infrastruktur untuk ekonomi AI, dengan $OPG ditempatkan sebagai settlement layer untuk inferensi yang dapat diverifikasi, dan #OPG muncul dalam percakapan Web3 AI seolah-olah execution layer bersifat model-agnostik. Yang tidak banyak dibahas dalam dokumentasi adalah batasan format — model dijalankan di jaringan sebagai file ONNX. ONNX adalah pilihan yang bagus untuk classical ML, arsitektur neural yang ringkas, dan pipeline inferensi yang bisa direproduksi, tetapi itu bukan cara yang umumnya digunakan untuk penerapan large-language-model atau foundation-model dalam produksi saat ini. Transformer besar tidak beralih dengan mulus ke ONNX pada skala tanpa adanya tradeoff presisi atau peretasan arsitektural. Jadi, “AI” dalam infrastruktur AI lebih dekat ke eksekusi ONNX yang dapat diverifikasi daripada ke inference layer yang biasanya dimaksud orang ketika mereka mengatakan AI sekarang. Ini bukan keterbatasan yang fatal — inferensi ML yang dapat diverifikasi di rantai adalah kemampuan teknis yang spesifik dan nyata — tetapi itu berarti proyek ini membangun infrastruktur kepercayaan untuk kategori model yang lebih sempit daripada yang disiratkan oleh narasinya. Apakah execution layer akan diperluas untuk mencakup model-model yang benar-benar mendorong permintaan saat ini, atau apakah batasan ONNX diam-diam menentukan peruntukan jaringan, belum ada kepastian.