Haha, descobri isso tarde: AI Agents estão repetindo o antigo ciclo do DeFi com a Layer 1.
As pessoas só exibem o que o agent consegue fazer, e quase ninguém pergunta como o sistema o incentiva a agir. O problema não é quão “forte” é a IA, e sim incentive e trust.
Adicionar mais capability o tempo todo é inútil se o usuário ainda precisa confiar cegamente na black box. O importante não é o agent decidir por você, e sim o quanto você consegue verificar.
@OpenGradient é diferente.
Eles não entram na tendência de “agent super inteligente”; em vez disso, focam em design de sistema confiável.
Usam HACA para separar execução e verificação: a inferência roda rápido primeiro, e a proof é verificada depois. TEE para LLM, ZKML para modelos pequenos.
Já rodaram mais de 2 milhões de inferências verificáveis, 500k+ proofs.
O detalhe estranho é que eles transformaram a inferência verificável em base/pilar, permitindo que qualquer decisão do agent seja rastreada — model + input + output.
É como o DeFi que saiu de “confiar no time” para “confiar no código”.
Mas eu ainda contesto: se a proof é lenta, o dinheiro vai embora antes; TEE ainda tem trust assumption; e o usuário geralmente também é preguiçoso para verificar.
O mercado costuma premiar o que é mais chamativo do que o que é certo.
Eu sigo porque eles realmente jogam “trust-minimized”: enxergam a IA como um coprocessador confiável para a chain e para o agent.
A pergunta de verdade não é qual agent é o mais inteligente, e sim qual sistema o torna mais digno de confiança.
É por isso que eu prestei atenção no #OPG
$OPG $SYN $BTC
As pessoas só exibem o que o agent consegue fazer, e quase ninguém pergunta como o sistema o incentiva a agir. O problema não é quão “forte” é a IA, e sim incentive e trust.
Adicionar mais capability o tempo todo é inútil se o usuário ainda precisa confiar cegamente na black box. O importante não é o agent decidir por você, e sim o quanto você consegue verificar.
@OpenGradient é diferente.
Eles não entram na tendência de “agent super inteligente”; em vez disso, focam em design de sistema confiável.
Usam HACA para separar execução e verificação: a inferência roda rápido primeiro, e a proof é verificada depois. TEE para LLM, ZKML para modelos pequenos.
Já rodaram mais de 2 milhões de inferências verificáveis, 500k+ proofs.
O detalhe estranho é que eles transformaram a inferência verificável em base/pilar, permitindo que qualquer decisão do agent seja rastreada — model + input + output.
É como o DeFi que saiu de “confiar no time” para “confiar no código”.
Mas eu ainda contesto: se a proof é lenta, o dinheiro vai embora antes; TEE ainda tem trust assumption; e o usuário geralmente também é preguiçoso para verificar.
O mercado costuma premiar o que é mais chamativo do que o que é certo.
Eu sigo porque eles realmente jogam “trust-minimized”: enxergam a IA como um coprocessador confiável para a chain e para o agent.
A pergunta de verdade não é qual agent é o mais inteligente, e sim qual sistema o torna mais digno de confiança.
É por isso que eu prestei atenção no #OPG
$OPG $SYN $BTC
