#opg $OPG Um amigo jogou esses três números na minha cara: 4.400 modelos, 2 milhões de inferências, 260 mil endereços. Minha primeira reação não foi “uau”, mas pegar a calculadora — e o resultado foi um número que me deixou sem graça.
Vamos fazer as contas dos usuários primeiro. 260 mil endereços divididos por 2 milhões de inferências dão, em média, 7,7 vezes. E o que significam 7,7 vezes? Quem já usou um serviço de API de verdade sabe que só a fase de depuração já passa de dez chamadas. Se isso é a “retenção de usuários reais” da OpenGradient, só dá para dizer que a maioria dos endereços veio atrás do airdrop esperado: são “soldados de interação” que fazem as tarefas e vão embora.
Agora, as contas dos modelos. 4.400 modelos disputando 2 milhões de inferências dão, em média, 455 inferências por modelo. Quem já fez fine-tuning na prática sabe que, quando você publica um modelo novo no Hugging Face, só os testes de CI já passam desse volume. Isso só pode significar duas coisas: ou muitos modelos são “pesos zumbis” enviados por outras pessoas, ou a tal “hospedagem” só coloca o nome do modelo numa lista, sem sequer incluí-lo na rota de inferência.
Mas, para mim, o mais contraditório não é o tamanho dos números, e sim a incompatibilidade da lógica. A bandeira da OpenGradient é “IA verificável” — o processo de inferência deve gerar provas criptográficas, cujo custo de verificação é altíssimo. Se essas 2 milhões de inferências fossem todas verificadas on-chain, as taxas de gas já teriam explodido e o projeto teria falido há muito tempo. Se essas 2 milhões de inferências forem apenas cálculos off-chain, com somente os resultados enviados de volta, qual é a diferença em relação a uma API tradicional? Onde está a descentralização?
O mecanismo central é explicado de forma bem vaga no site oficial. O que vejo é que eles tratam a contagem de “inferências acumuladas” no servidor como métrica de atividade, mas evitam a pergunta mais importante: quantas inferências foram realmente validadas por consenso da rede?
Não estou dizendo que o projeto não presta, mas, para uma infraestrutura de base, dados que revelam uma densidade baixíssima, somados a um mecanismo de verificação nebuloso, não são um roteiro tecnológico: são dados operacionais empacotados para parecerem melhores. No próximo relatório semanal, publiquem o “número diário de nós validadores ativos” e o “número de verificações on-chain” que eu me calo na hora. Até lá, só consigo olhar para esses três números como material de relações públicas. @OpenGradient
Vamos fazer as contas dos usuários primeiro. 260 mil endereços divididos por 2 milhões de inferências dão, em média, 7,7 vezes. E o que significam 7,7 vezes? Quem já usou um serviço de API de verdade sabe que só a fase de depuração já passa de dez chamadas. Se isso é a “retenção de usuários reais” da OpenGradient, só dá para dizer que a maioria dos endereços veio atrás do airdrop esperado: são “soldados de interação” que fazem as tarefas e vão embora.
Agora, as contas dos modelos. 4.400 modelos disputando 2 milhões de inferências dão, em média, 455 inferências por modelo. Quem já fez fine-tuning na prática sabe que, quando você publica um modelo novo no Hugging Face, só os testes de CI já passam desse volume. Isso só pode significar duas coisas: ou muitos modelos são “pesos zumbis” enviados por outras pessoas, ou a tal “hospedagem” só coloca o nome do modelo numa lista, sem sequer incluí-lo na rota de inferência.
Mas, para mim, o mais contraditório não é o tamanho dos números, e sim a incompatibilidade da lógica. A bandeira da OpenGradient é “IA verificável” — o processo de inferência deve gerar provas criptográficas, cujo custo de verificação é altíssimo. Se essas 2 milhões de inferências fossem todas verificadas on-chain, as taxas de gas já teriam explodido e o projeto teria falido há muito tempo. Se essas 2 milhões de inferências forem apenas cálculos off-chain, com somente os resultados enviados de volta, qual é a diferença em relação a uma API tradicional? Onde está a descentralização?
O mecanismo central é explicado de forma bem vaga no site oficial. O que vejo é que eles tratam a contagem de “inferências acumuladas” no servidor como métrica de atividade, mas evitam a pergunta mais importante: quantas inferências foram realmente validadas por consenso da rede?
Não estou dizendo que o projeto não presta, mas, para uma infraestrutura de base, dados que revelam uma densidade baixíssima, somados a um mecanismo de verificação nebuloso, não são um roteiro tecnológico: são dados operacionais empacotados para parecerem melhores. No próximo relatório semanal, publiquem o “número diário de nós validadores ativos” e o “número de verificações on-chain” que eu me calo na hora. Até lá, só consigo olhar para esses três números como material de relações públicas. @OpenGradient