No domingo, abri a pasta de favoritos e vi uma planilha de competidores de uma trilha de IA que eu tinha copiado há meio ano. As quantidades de modelos que cada empresa publicava variavam de dezenas a centenas. Na hora, abri o painel da cadeia de @OpenGradient . O Model Hub já hospedava mais de 4.500 modelos — várias vezes a soma de todos os itens listados naquela planilha. Não me apressei em me impressionar; queria ver se esse volume realmente tem capacidade de atender ou se era só uma penca de arquivos vazios nunca chamados.
Escolhi uma semana de trabalho com cinco dias e, para o Model Hub, extraí os modelos que foram chamados naquele dia em quatro dimensões: hash de pesos, distribuição dos nós de hospedagem, registros de despacho do middleware de roteamento de capacidades e o comprovante do Verification Layer. Em cada um dos cinco dias, retirei doze amostras, totalizando sessenta conjuntos de dados, e em cada um eu conferi linha por linha na planilha puxando o horário de publicação, a latência da primeira chamada e a assinatura do comprovante. O resultado foi bem limpo: entre mais de 4.500 modelos, uma parcela significativa teve tráfego real no período de uma semana; até mesmo a cauda longa conseguiu ser levantada com cold start.
A conversa pública sobre hospedagem de modelos geralmente foca na comparação de quantidade. A diferença que o OpenGradient permite realmente verificar é mais fria: o volume não é empilhado por contadores de upload; cada conjunto de pesos é fatiado e armazenado no Walrus. Na chamada, o middleware de roteamento de capacidades recompõe tudo com base na disponibilidade, e o Verification Layer carimba. Para subir, é preciso vincular capacidade de armazenamento; para ser chamado, é preciso deixar rastros no comprovante; o custo de “fazer volume” é maior do que o de trabalhar de verdade. Quatro mil e quinhentos é um pacote de capacidade real — não é apenas uma linha numa tabela.
Também preciso trocar os indicadores de observação. Eu não olho quantos modelos o OpenGradient acumulou “pendurados”; eu acompanho um dado contra a opinião comum: a proporção de modelos que são levantados por pelo menos uma chamada paga real por semana e que deixam um comprovante no Verification Layer. O primeiro mede o que entrou no repositório; o segundo mede se essa camada de hospedagem realmente está sendo usada por desenvolvedores.
Se $OPG for apenas uma taxa de intermediação por uma chamada de modelo, então ela é mais como um token de cobrança por chamada; mas se, no futuro, a capacidade de hospedagem for caucionada, houver incentivos de cold start, emissão de comprovantes, divisão de receita na cauda longa e penalidades/retirada de “modelos zumbis” tudo formar um ciclo ao redor dela, então aquilo que ela carrega deixa de ser um token de cobrança e passa a ser um ativo de crédito de capacidade para essa rede de hospedagem de modelos.
Sem pressa para tirar conclusões. A vantagem de volume só conta quando é repetidamente validada na cauda longa; quero continuar observando as amostras que o OpenGradient na mainnet e as partes posteriores entregarão na integração dos modelos.
#opg