Kane Crypto

ONDO é 1 dos poucos Altcoins em que eu confio muito

Recentemente, o Idol Ryker compartilhou o plano do ONDO

Gente, podem conferir aí :))

DYOR

Este é um amigo meu

mais de boa do que $6k

trabalha no escritório, ganha uns trocados e todo o dinheiro que recebe vai para doar e ajudar na sala, aguenta

Mỗi tháng để ra 10% thu nhập để tích lũy ETH

Có oke không ae

Ngày ETH 10k và ngày hoàng đế trở về nhà

Và tôi cũng không muốn đi làm thuê nữa, kk

$ETH

O meu amigo faz trade assim, tem classe não, pessoal :))

Em junho ele não conseguiu ganhar nenhuma ordem o mês inteiro, haha

Pessoal, fazer flex com ordens verdes era coisa do passado, haha

Sobre a borda não, gente?

$TAIKO

Há um detalhe no design do @grvt_io que é fácil de ignorar: em vez de tentar substituir o CEX ou o DEX, o projeto construiu um modelo de Hybrid Exchange para combinar os dois.

À primeira vista, parece apenas uma forma de rotular o produto. Mas o que realmente importa não é o fato de a GRVT se autointitular "híbrida", e sim por que eles escolheram essa direção de design.

O CEX se tornou popular graças à capacidade de executar ordens rapidamente, oferecer alta liquidez e proporcionar uma experiência de negociação suave. Em troca, os usuários precisam enviar seus ativos para a exchange e confiar no custodiante.

O DEX permite que os usuários mantenham sempre a propriedade dos próprios ativos. No entanto, a experiência de negociação geralmente é menos contínua, a liquidez pode se fragmentar e a performance pode ser mais difícil de alcançar do que em exchanges centralizadas.

O modelo de Hybrid Exchange da GRVT aparentemente não tenta provar que CEX ou DEX são melhores. Em vez disso, o projeto parte de outra suposição: velocidade de negociação e propriedade dos ativos não necessariamente precisam ser duas coisas que obrigatoriamente se sacrificam.

Claro, essa escolha também traz trade-offs. Ao combinar a experiência do CEX com o mecanismo de autocustódia do DEX, o protocolo precisa harmonizar dois modelos construídos sobre premissas muito diferentes, o que torna o design mais complexo.

O que me chamou a atenção depois de pesquisar a GRVT não foi o slogan "juntar CEX e DEX", e sim a maneira como o projeto enxerga o problema.

Em vez de aceitar que os usuários precisam escolher entre conveniência e propriedade dos ativos, a GRVT vê isso como uma limitação que vale a pena redesenhar. Se esse modelo terá sucesso ou não ainda depende da implementação, mas a própria decisão de design já oferece uma perspectiva bastante interessante.

#grvt

Há duas maneiras de manter um rio limpo.

Uma é deixar o lixo descer e, no fim do rio, recolher.

A outra é colocar uma rede na cabeceira; antes mesmo de o lixo conseguir fluir, ele já é bloqueado.

Cripto também é assim, mas está seguindo o primeiro caminho.

As transações vão primeiro; hack ou lavagem de dinheiro vêm depois.

@NewtonProtocol também escolheu o caminho inverso.

Não espera a transação terminar para só então verificar.

Em vez disso, sempre pergunta antes:

"Este comando tem permissão para ser executado?"

Na minha visão, este é o ponto mais valioso de Newton.

Newton é como um portão entre o usuário e o blockchain.

Quer transferir dinheiro?

Quer fazer swap?

Quer atravessar o portão?

Tudo bem.

Mas tem que checar antes:

Se não violar, pode passar.

Se violar, para imediatamente.

Assim você não precisa ficar sentado "apagando incêndio" depois.

Uma coisa que achei bem interessante é...

Nos últimos anos, o cripto vive focado em corrigir erros de smart contract.

Enquanto muitos casos em que há perda de dinheiro não são por código defeituoso.

E sim por...

A pessoa estava certa, o código estava certo, mas a decisão foi errada.

Newton não conserta o blockchain.

Eles adicionam uma camada de "permitido ou não permitido" antes do blockchain trabalhar.

Parece pequeno, mas acho que esta é a coisa mais necessária.

Ainda assim, há um problema.

Quanto mais fácil criar uma policy, maior o risco de ela ser abusada.

Hoje bloqueiam hackers.

Amanhã bloqueiam mais usuários em um país A.

No dia seguinte, adicionam dezenas de outras condições.

Até chegar a esse ponto, o blockchain ainda estará descentralizado...

Mas o poder estará concentrado em um "portão".

Na minha opinião, a pergunta importante não é o quão rápido o Newton filtra.

Mas sim:

Quem é a pessoa que escreve a policy?

Quem tem poder para alterá-la?

E se a policy estiver errada, quem responde por isso?

Ainda gosto bastante do rumo que a Newton tomou.

Eles querem se tornar a camada de autorização que qualquer chain possa usar.

#Newt $NEWT $M $TLM

Ê, ae, tô acompanhando o Newton Protocol há um tempo também. Quanto mais eu leio, mais vejo gente entendendo errado esse projeto.

Muita gente acha que o Newton é apenas um projeto de IA.

Mas, na minha visão, o que eles estão construindo não é IA — é uma camada de controle antes de a IA ter permissão de executar transações.

Esse é o ponto que realmente chama atenção.

O blockchain só garante que a transação seja executada corretamente.

Ele não se importa se a IA decide certo ou errado.

Se a IA ler dados errados e fizer um swap na hora errada, a chain ainda assim processa normalmente.

O Newton quer preencher essa lacuna.

Em vez de deixar a IA tomar decisões sozinha, todas as transações precisam passar por uma camada de policy:

verificar limite de gastos, whitelist, dados off-chain... só com as condições satisfeitas é que a execução acontece.

O ponto que eu mais gosto é que o Newton não deposita confiança em que a IA vai ficar cada vez mais inteligente.

Eles partem do pressuposto de que a IA sempre pode errar — então adicionam um “freio” antes de o dinheiro ser movido.

Mas também existe uma pergunta que vale a pena pensar.

A policy também é criada por humanos.

Se o mercado mudar e a policy não for atualizada a tempo, ela pode virar um ponto fraco do sistema.

Na minha opinião, o Newton não está construindo apenas infraestrutura para agentes de IA — está construindo uma camada de autorização para a IA na blockchain.

Se agentes de IA virarem tendência nos próximos anos, isso pode ser uma peça bem importante.

E aí, ae, o que vocês acham?

A IA deve ter liberdade total para negociar, ou sempre precisa de uma camada de “freio” como o Newton no meio? 👇

@NewtonProtocol #Newt $NEWT $NFP $BNB

Ê ae,

Ontem fui para futures com 124 USD margin, đòn bẩy x10.

Lệnh âm 36 USD, funding fee nhấp nháy liên tục.

Nhưng nghĩ lại, thứ khiến tao khó chịu nhất lại không phải chuyện sắp bị thanh lý.

Mà là... memory.

Trade sai thì đóng lệnh được.

Approve nhầm thì revoke.

Đi nhầm route, mất vài USD tiền gas hay ăn slippage thì ít nhất còn biết mình sai ở đâu.

Còn memory sai thì khác.

Nó không hỏng ngay lập tức, mà âm thầm đi qua cả chuỗi trích xuất → lưu trữ → truy xuất → suy luận, rồi AI đưa ra một kết luận nghe rất hợp lý.

Chỉ tiếc là... nó đang dựa trên phiên bản cũ của mày.

Điều khiến tao suy nghĩ nhất là:

Nguy hiểm không nằm ở dữ liệu sai.

Mà nằm ở dữ liệu từng đúng, nhưng giờ đã hết hạn.

Ví dụ, ngày trước mày quản 14 ví, làm MM, trade liên tục.

Giờ nghỉ nửa năm rồi.

Nhưng AI vẫn xem mày là một active trader.

TEE chỉ chứng minh được dữ liệu đó từng tồn tại.

Nó không chứng minh được dữ liệu đó vẫn còn đúng.

Crypto dạy tao một bài học:

Một sự thật đã hết hạn nhưng vẫn được tin tưởng đôi khi còn nguy hiểm hơn một lời nói sai ngay từ đầu.

Nếu không có yếu tố thời gian, semantic search chỉ đang đào lại quá khứ.

Nếu user không thể cập nhật memory, dữ liệu cũ rất dễ biến thành "sự thật đã được xác minh".

Đến lúc đó, quên không còn là phản xạ tự nhiên nữa.

Nó sẽ trở thành... một thao tác.

@NewtonProtocol đang xây AI agent on-chain, mà memory gần như là linh hồn của agent.

Nếu không giải được bài toán "temporal relevance", AI sẽ hành động dựa trên phiên bản cũ của mày, chứ không phải con người ở hiện tại.

#Newt $NEWT $NFP $BTC

Ê ae, conta/escuta sobre o @NewtonProtocol c da Magic Labs aí.

Muita gente diz: “A Magic sempre fez carteiras; agora pular para compliance com certeza é pra seguir a tendência”.

Faz sentido também, porque o cripto não falta time rodando narrative.

Mas se você aprofunda, é diferente.

A Magic faz carteiras embarcadas desde 2018, hoje tem mais de 57 milhões de carteiras, 200.000+ devs integrados e volume de stablecoin acima de 10 bilhões de USD. Forbes, Polymarket, Helium — tudo usando. Isso são usuários reais, não números pra contar história.

Newton não é um produto “secundário”. Ele é uma etapa de expansão do gerenciamento de conta → gerenciamento de transações.

A ideia é: antes da transação rodar, o sistema verifica regras como KYC, AML, limites de transação e até usa dados off-chain + AI. Essa é a parte que os smart contracts tradicionais fazem mal.

A tecnologia que eles usam é TEE + ZK para apoiar a conformidade e, ao mesmo tempo, manter a privacidade.

Um ponto importante:

O mundo está gastando mais de 200 bilhões de USD por ano com compliance. Se essas regras forem programadas em código, o Newton pode se beneficiar bastante da tendência de stablecoin e RWA.

Mas ainda há quem discorde.

Ter usuários já existentes é uma vantagem, mas os devs realmente usam? Se ficar rígido demais, perde usuários; se ficar solto demais, perde o sentido.

Os pontos positivos: a Magic já tem uma boa base de segurança e já foi validada por produtos reais como a Polymarket.

Em resumo:

Newton não parece um projeto correndo atrás de tendência. É uma expansão bem coerente do onboarding para a camada de transações.

Se vai dar certo ou não, ainda precisa esperar para ver se os devs votam com um produto de verdade.

Ae, o que vocês acham? Vai de ape ou pass? 👇

#Newt $NEWT $SYN

Ê colegas crypto, OpenGradient está jogando uma estratégia de privacidade com IA de nível máximo

A maioria dos projetos de IA só fica fazendo propaganda de “eu protejo os seus dados”, mas na prática é só promessa vazia.

Hoje promete, amanhã ajusta—se o governo exigir, eles entregam tudo, porque eles ainda conseguem ver as perguntas que você fez.

A OpenGradient joga diferente: até a equipe deles não sabe o que você perguntou.

Todo o processo de IA pensando e respondendo roda dentro do TEE — aquele “quarto trancado” do hardware no CPU e na GPU.

Os dados que você envia são criptografados antes de entrar, processados por dentro e só o resultado é liberado.

Sem chave, sem log, sem nenhum caminho por onde alguém possa ver.

O governo quer cobrar os dados?

Não tem nada para entregar.

O mais estranho e também o mais incrível é que eles combinam o hardware TEE com verificação na blockchain.

Você mesmo consegue checar se o código está rodando corretamente, sem precisar confiar na palavra de ninguém.

Enquanto outros projetos correm para fazer model on-chain para o oai, a OpenGradient foca em construir uma base de computação secreta de verdade.

O token #OPG é usado para pagar taxas, hospedar o modelo e implementar agentes.

Já rodou milhões de vezes em inferência privada.

TEE não é uma tecnologia nova, mas usar por padrão para chat de IA é raro.

O grande risco é se o CPU da Intel, AMD ou NVIDIA der algum problema, aí quebra.

Eles também estão preparando mais ZKML para se proteger, mas ainda não é 100% perfeito.

No futuro, quando as regras de IA ficarem mais rígidas, quem tiver os dados dos usuários será o primeiro a ser investigado.

A OpenGradient foi desenhada para ninguém conseguir acessar essas informações — e essa é a forma inteligente de sobreviver no universo crypto-AI.

Testa o app de chat deles: não precisa de conta, não há rastreamento, e suas perguntas somem.

A história de privacidade + IA verificável está muito em alta.

$OPG vale a pena ficar de olho.

#BTC $SYN

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

Ontem sentei num restaurante de “comida de rua” e, enquanto comia, ia rolando as rotas num DEX—aí a carteira voltou a pedir Approval. O gas subiu levemente, e o slippage aumentou quase 2%.

Tava meio incomodado e do nada pensei em @OpenGradient

Não é porque a comida é ruim.

É porque em cripto tem uma sensação bem familiar: quanto mais você ouve a palavra “verifiable”, mais vontade eu tenho de perguntar—se o dinheiro sumir, quem vai arcar?

—

ZKML no papel parece muito bonito.

Tem proof do AI, a inference pode ser verificada, tudo fica transparente.

Mas a realidade do mercado não espera.

Em DeFi ou em trading com IA, atrasar alguns segundos às vezes já é o suficiente pra pagar o preço.

Não é sobre quão bonito é o proof.

É só sobre:

“Quando eu clico e pego o resultado, ele funciona?”

Aí é que eu acho OpenGradient bem pragmático.

Em vez de obrigar a IA a verificar tudo antes de devolver o resultado, eles separam execução e verificação.

A inference roda primeiro, pra o usuário receber output rápido.

O proof roda depois, pra ainda manter a capacidade de checar.

O LLM usa TEE pra ficar leve.

Model pequeno usa ZKML.

Quem precisa de velocidade escolhe o vanilla.

Não força todos os casos de uso num único trade-off.

Mas a pergunta continua aí.

Se o output estiver errado, o usuário já agiu… e o proof só vem depois pra detectar o erro…

então que sentido ainda tem verificar naquele momento?

É por isso que eu continuo acompanhando OpenGradient.

Não é porque eles prometeram resolver tudo.

É porque pelo menos eles têm coragem de falar na lata: IA não é de graça, e trust não desaparece—só está sendo realocado.

Você escolhe o quê:

certo, mas lento… ou rápido, mas aceitando um pouco mais de trust?

$OPG #opg

O que eu acho particularmente interessante no OpenGradient Chat não é o quão boas são as respostas de IA.

É o challenge path.

Parece meio técnico, mas em termos simples é assim: se no futuro alguém questionar os resultados fornecidos pela IA, o sistema ainda terá evidências suficientes para verificar novamente, do inference trace ao proof trail, até o settlement trace.

Essa ideia é bem legal.

Porque a maioria das IAs atuais te dá uma resposta, e a forma como ela chegou até aquele resultado… cabe a você acreditar ou não.

O OpenGradient está tentando seguir por um caminho diferente.

Mas eu acho que existe uma pergunta ainda mais interessante.

E se o sistema conseguir armazenar todas as provas, mas ninguém realmente usá-las para contestar?

—

Uma resposta aparece.

Review panel verde.

Todo mundo vê que está tudo bem → continuar trabalhando.

Nessa hora, quanto sentido o challenge path ainda tem?

Em teoria, qualquer um pode contestar.

Mas na prática:

quem tem autoridade suficiente para parar e dizer “calma”?

Quem vai ler aquele monte de traces?

E se o questionamento der certo, o resultado pode ser alterado?

Esse é o ponto em que eu acho que o OpenGradient está tocando em um problema maior do que apenas “IA inteligente”.

Não é falta de respostas.

É falta de um mecanismo real de contestação que funcione.

—

Então, para mim, o que vale a pena acompanhar não é o quanto a IA acerta.

É se o OpenGradient consegue transformar o challenge em algo que esteja realmente “em vivo”.

Porque se o challenge só existir no papel, enquanto todas as decisões continuarem seguindo a primeira resposta…

então a prova vira apenas um histórico armazenado.

Não é uma accountability de verdade.

@OpenGradient $OPG #opg

Muito tempo atrás, desde a época dos Reis Hùng, havia uma frase: "Tudo floresce e depois se desfaz; une-se e depois se separa de novo; nada permanece imóvel para sempre com o tempo"

Relendo essa frase, eu sinto que parece IA com cripto nos últimos anos, e pronto.

Na época, todo mundo dizia: IA é IA, blockchain é blockchain.

Agora é onde quer que você vá: IA + cripto.

Mas muitas vezes eu sinto que é só acúmulo de buzzword, ainda não entrega valor de verdade.

Outro dia entrei num café anunciado com tudo:

Pedido com IA.
Pagamento com blockchain.
Experiência do futuro.

Depois de ouvir, eu pensei que iam preparar pra eu tomar café em Marte.

No fim das contas, ainda fui eu que digitei o OTP, confirmei, conferi o pedido e fui buscar a água.

Quando dei o primeiro gole, eu pensei:

Então a tecnologia está me substituindo… ou eu estou trabalhando de graça para a tecnologia?

Foi aí que eu vi @OpenGradient como algo maravilhoso.

Eles não contam a história de uma IA mais poderosa.

O que estão tentando é transformar IA em infraestrutura.

O modelo está onde.

Qual nó roda o compute.

O verificador confere.

O usuário faz chat com Fable 5 ou gera imagens com Image Studio.

$OPG fica no meio, conectando tudo.

Um ponto que eu achei bem estranho:

Cripto sempre foi tokenizar ativos.

Depois, tokenizar a atenção.

E se a OpenGradient estiver indo na direção certa, eles estão tentando tokenizar… inference.

Ou seja: o valor só nasce quando a IA é realmente usada.

Mas aqui também é onde eu contesto.

Ter muitos requests não necessariamente cria valor.

Um dashboard bonito não necessariamente diminui o trabalho do usuário.

Se no fim das contas o usuário ainda precisa voltar e ajustar cada passo, então a IA está apenas terceirizando para o ser humano o trabalho que é o oposto.

Eu acho que a infraestrutura de IA no futuro deve premiar a taxa de conclusão do trabalho, não só throughput.

A OpenGradient está indo na direção certa: transformar IA em infraestrutura. Mas eles precisam focar em premiar o resultado, e não apenas os números bonitos no dashboard.

#OPG

Ê galera,

Ano passado eu tive uns problemas de saúde.

Em vez de correr pro médico, fiquei quase 1 hora trocando ideia com uma IA pra contar tudo: sintomas, doença, cenário mais crítico… Detalhes pra caramba.

Depois, quando fui ao médico de verdade, contei tudo de forma resumida, de forma vaga, sem coragem de abrir o jogo sobre meus medos.

Parece meio doido, mas faz sentido: com a IA, é só algumas linhas de texto, sem julgamento, sem registro.

Já com o médico, é um histórico de saúde de verdade.

E o resultado, qual foi?

A versão mais autêntica de mim não tá no prontuário médico, mas sim no histórico de chat da IA.

Agora a IA tá virando um “diário da mente”: saúde, carteira de crypto, ideias de startup, finanças pessoais, até aqueles pensamentos sombrios que a gente não conta pra ninguém.

Mas quem tá segurando esse monte de dados sensíveis da galera?

Essa é a razão pela qual eu curto a @OpenGradient .

Eles não tão na corrida pra ter o modelo mais inteligente, mas tão construindo uma IA que realmente garante privacidade com TEE.

O prompt e a resposta rolam dentro de um enclave de hardware, o operador não consegue ler, e a galera pode verificar na blockchain.

Conseguindo verificar, os dados não vazam, e as inferências rolam certinho.

O que eu tô achando interessante é que o futuro da IA não vai ganhar por ter o maior modelo, mas por ter a plataforma mais confiável pra galera se sentir à vontade de “despir” todos os segredos.

A OpenGradient tá indo na onda dessa narrativa: IA verificável + privacidade. Claro que TEE não é perfeito, eles mitigam com multi-verificação e ZKML pra casos sensíveis.

Já rodaram mais de 2 milhões de inferências na prática, com suporte da a16z crypto.

Resumindo, se a IA souber todos os seus segredos, em quem você vai confiar?

A OpenGradient tá respondendo essa pergunta. Dá uma olhada logo aí

#OPG $OPG $M $BTC