#opg $OPG 友人がこの3つの数字を突きつけてきた。4400モデル、200万回の推論、26万アドレス。最初に思ったのは「すごい」ではなく、電卓を取り出すことだった——計算してみたら、気まずくなる数字が出てきた。

まずはユーザーの数字を見てみよう。26万アドレスで200万回なら、平均は7.7回。7.7回ってどれくらいだろう？本物のAPIサービスを使ったことがある人なら、デバッグの段階だけでも10回は軽く超える。これがOpenGradientの「実際のユーザー定着率」だというなら、大半のアドレスはエアドロップを期待して参加した「インタラクション要員」で、収穫したらすぐ去っていくということだろう。

次はモデルの数字だ。4400モデルで200万回の推論なら、1モデルあたり平均455回。実際にファインチューニングをしたことがある人なら分かるはずだ。新しいモデルをHugging Faceに登録したら、CIテストだけでもこの回数を超える。つまり、考えられるのは2つ。大量のモデルが他人のアップロードした「ゾンビ重み」か、あるいは「ホスティング」と言いつつモデル名を一覧に載せているだけで、推論ルーティングにはまったく組み込まれていないかだ。

でも、いちばん腑に落ちないのは数字の大きさではなく、ロジックの食い違いだ。OpenGradientは「検証可能なAI」を掲げている——推論プロセスで暗号学的証明を生成するため、検証コストは非常に高い。もし200万回の推論すべてをオンチェーンで検証していたら、ガス代はとっくに爆発して、プロジェクトはもう破綻しているはずだ。もし200万回の推論が単にオフチェーンで計算され、結果だけが返されているなら、従来のAPIと何が違うのか？どこに分散性があるのか？

この核心となる仕組みについて、公式サイトの説明は曖昧だ。私が目にしたのは、「累計推論」のようなサーバー側のカウントをアクティビティ指標として使う一方で、最も重要な問いを避けている姿だ。いったい、どれだけの推論が検証ネットワークのコンセンサスを得たのか？

プロジェクトを否定するつもりはない。だが、基盤インフラとして、密度が崩壊したデータに曖昧な検証メカニズムが組み合わさっている。これは技術ロードマップではなく、運営データの見せかけだ。次の週報で「1日あたりのアクティブな検証ノード数」と「オンチェーン検証回数」を出してくれたら、すぐに黙る。それまでは、この3つの数字はPR記事としてしか見られない。@OpenGradient