#opg $OPG
Fale sobre o OpenGradient, vamos parar de inventar aquelas histórias cheias de firulas; vamos olhar direto para a arquitetura HACA dele.
Qual é o problema das blockchains tradicionais? Cada nó precisa reenviar e executar as transações de novo. Você transfere sem problemas, mas pedir para 100 nós rodarem, cada um, um modelo grande de 70B? O custo vira 100 vezes, o tempo não dá, e o resultado ainda não é necessariamente diferente. A jogada do OpenGradient é separar execução e verificação — nós de inferência fazem o trabalho pesado com GPU; depois, enviam uma certificação TEE ou uma prova ZKML. Assim, os nós completos só validam a prova, sem ficar reexecutando o modelo de forma “burra”.
Sinceramente, a ideia não tem nada de errado tecnicamente. Os nós se dividem em quatro grupos: nós de inferência rodam o modelo; nós completos registram e verificam as provas; nós de dados alimentam informações externas; e o armazenamento vai para o Walrus. Mas onde está a pegadinha? Os nós TEE precisam de registro com autenticação de hardware — isso não roda em qualquer computador caseiro. Quem compra H100? Quem paga a conta de energia do data center?
Eu dei uma olhada bem de perto no modelo econômico do whitepaper. A oferta total de tokens é de 1 bilhão; o incentivo de staking só corresponde a 10%, liberado linearmente ao longo de 96 meses. 96 meses é o quê? Oito anos. Com a avaliação atual do OPG, a quantidade média liberada por mês, será que dá para pagar a conta de ar-condicionado de algumas máquinas? Operar nós não é fazer caridade. Se o subsídio acabar, a capacidade de processamento vai correr mais rápido do que qualquer um.
O time diz que, após o lançamento na mainnet, foram feitos 2 milhões de inferências. Mas quantos nós de inferência existem de fato e quais configurações eles têm, até hoje não foi divulgado. A narrativa técnica é sensual; mas a conta econômica consegue fechar, ou não? Eu, pelo menos, já salvei a lista de nós nos favoritos e volto para conferir daqui a três meses. Agora entrar na correria? Eu ainda vou olhar para @OpenGradient
Fale sobre o OpenGradient, vamos parar de inventar aquelas histórias cheias de firulas; vamos olhar direto para a arquitetura HACA dele.
Qual é o problema das blockchains tradicionais? Cada nó precisa reenviar e executar as transações de novo. Você transfere sem problemas, mas pedir para 100 nós rodarem, cada um, um modelo grande de 70B? O custo vira 100 vezes, o tempo não dá, e o resultado ainda não é necessariamente diferente. A jogada do OpenGradient é separar execução e verificação — nós de inferência fazem o trabalho pesado com GPU; depois, enviam uma certificação TEE ou uma prova ZKML. Assim, os nós completos só validam a prova, sem ficar reexecutando o modelo de forma “burra”.
Sinceramente, a ideia não tem nada de errado tecnicamente. Os nós se dividem em quatro grupos: nós de inferência rodam o modelo; nós completos registram e verificam as provas; nós de dados alimentam informações externas; e o armazenamento vai para o Walrus. Mas onde está a pegadinha? Os nós TEE precisam de registro com autenticação de hardware — isso não roda em qualquer computador caseiro. Quem compra H100? Quem paga a conta de energia do data center?
Eu dei uma olhada bem de perto no modelo econômico do whitepaper. A oferta total de tokens é de 1 bilhão; o incentivo de staking só corresponde a 10%, liberado linearmente ao longo de 96 meses. 96 meses é o quê? Oito anos. Com a avaliação atual do OPG, a quantidade média liberada por mês, será que dá para pagar a conta de ar-condicionado de algumas máquinas? Operar nós não é fazer caridade. Se o subsídio acabar, a capacidade de processamento vai correr mais rápido do que qualquer um.
O time diz que, após o lançamento na mainnet, foram feitos 2 milhões de inferências. Mas quantos nós de inferência existem de fato e quais configurações eles têm, até hoje não foi divulgado. A narrativa técnica é sensual; mas a conta econômica consegue fechar, ou não? Eu, pelo menos, já salvei a lista de nós nos favoritos e volto para conferir daqui a três meses. Agora entrar na correria? Eu ainda vou olhar para @OpenGradient