#opg $OPG Você quer que 100 nós validadores executem um modelo de linguagem grande, cada um por conta própria? Você ficou maluco?
É assim que as blockchains tradicionais funcionam: cada nó reexecuta cada transação. Para transferências, tudo bem; para IA, não dá. Um LLM de 70 bilhões de parâmetros pode levar meio dia de processamento na GPU para fazer uma única inferência. Se 100 nós executarem o modelo, são 100 vezes mais computação desperdiçada — e os resultados ainda podem ser diferentes. A IA é inerentemente não determinística: basta aumentar um pouco a temperatura e cada execução gera uma resposta diferente. Essa lógica simplesmente não funciona.
A OpenGradient mudou completamente a abordagem: separou de vez a execução da verificação.
Na rede, há três tipos de participantes, cada um com uma função. Os nós de inferência executam os modelos e, ao terminar, geram uma prova: ou uma atestação de hardware TEE, que demonstra que o ambiente de execução do código não foi alterado, ou uma prova matemática ZKML, que demonstra que o modelo realmente produziu aquele resultado, sem revelar os pesos nem os dados de entrada. Os nós completos só verificam se a prova é válida — isso leva milissegundos, independentemente de a execução subjacente ter durado 50 milissegundos ou 5 segundos. Já os nós de dados coletam dados externos dentro de um TEE, protegendo-os contra interceptação e adulteração.
O OPG é o alicerce dessa rede. A oferta total é de 1 bilhão, sem emissão adicional. Os usuários gastam OPG para consultar modelos; os nós de inferência $OPG e os nós validadores recebem OPG; para participar, os nós precisam bloquear OPG em staking, e quem agir de má-fé tem os fundos confiscados; os desenvolvedores disponibilizam seus modelos no Model Hub e também recebem OPG quando alguém os utiliza. Cada ação nesse ciclo fechado consome ou bloqueia OPG — é isso que dá sustentação concreta à lógica de preço.
Até o lançamento da mainnet, em abril de 2026, a rede já hospedava mais de 4.400 modelos, processara mais de 2 milhões de inferências verificáveis e gerara mais de 500 mil provas criptográficas, com mais de 260 mil carteiras independentes. A a16z crypto e a Coinbase Ventures investiram 9,5 milhões de dólares. Em 15 de junho, o token acabou de ser listado na Upbit.
Essa arquitetura transforma a IA de uma caixa-preta em que você precisa simplesmente confiar em um sistema de computação transparente, cujas contas podem ser verificadas a qualquer momento. Cada inferência pode ser auditada, sem que seja necessário confiar em um único operador. A camada de verificação não acessa seus dados brutos: privacidade e confiabilidade coexistem.
Vá conferir os dados da testnet por conta própria, em vez de só acreditar no que os outros dizem.
@OpenGradient
É assim que as blockchains tradicionais funcionam: cada nó reexecuta cada transação. Para transferências, tudo bem; para IA, não dá. Um LLM de 70 bilhões de parâmetros pode levar meio dia de processamento na GPU para fazer uma única inferência. Se 100 nós executarem o modelo, são 100 vezes mais computação desperdiçada — e os resultados ainda podem ser diferentes. A IA é inerentemente não determinística: basta aumentar um pouco a temperatura e cada execução gera uma resposta diferente. Essa lógica simplesmente não funciona.
A OpenGradient mudou completamente a abordagem: separou de vez a execução da verificação.
Na rede, há três tipos de participantes, cada um com uma função. Os nós de inferência executam os modelos e, ao terminar, geram uma prova: ou uma atestação de hardware TEE, que demonstra que o ambiente de execução do código não foi alterado, ou uma prova matemática ZKML, que demonstra que o modelo realmente produziu aquele resultado, sem revelar os pesos nem os dados de entrada. Os nós completos só verificam se a prova é válida — isso leva milissegundos, independentemente de a execução subjacente ter durado 50 milissegundos ou 5 segundos. Já os nós de dados coletam dados externos dentro de um TEE, protegendo-os contra interceptação e adulteração.
O OPG é o alicerce dessa rede. A oferta total é de 1 bilhão, sem emissão adicional. Os usuários gastam OPG para consultar modelos; os nós de inferência $OPG e os nós validadores recebem OPG; para participar, os nós precisam bloquear OPG em staking, e quem agir de má-fé tem os fundos confiscados; os desenvolvedores disponibilizam seus modelos no Model Hub e também recebem OPG quando alguém os utiliza. Cada ação nesse ciclo fechado consome ou bloqueia OPG — é isso que dá sustentação concreta à lógica de preço.
Até o lançamento da mainnet, em abril de 2026, a rede já hospedava mais de 4.400 modelos, processara mais de 2 milhões de inferências verificáveis e gerara mais de 500 mil provas criptográficas, com mais de 260 mil carteiras independentes. A a16z crypto e a Coinbase Ventures investiram 9,5 milhões de dólares. Em 15 de junho, o token acabou de ser listado na Upbit.
Essa arquitetura transforma a IA de uma caixa-preta em que você precisa simplesmente confiar em um sistema de computação transparente, cujas contas podem ser verificadas a qualquer momento. Cada inferência pode ser auditada, sem que seja necessário confiar em um único operador. A camada de verificação não acessa seus dados brutos: privacidade e confiabilidade coexistem.
Vá conferir os dados da testnet por conta própria, em vez de só acreditar no que os outros dizem.
@OpenGradient