Antes de clicar em "Comprar" ou "Vender" na Binance P2P, eu sempre verifico estas 5 coisas:
✅ Verifico a taxa de conclusão das transações do parceiro. ✅ Ver o número de ordens concluídas. ✅ Pagar apenas para a conta exibida na Binance. ✅ Não conversar nem ir para o Telegram/Zalo para fazer a transação. ✅ Clicar em "Pagamento feito" apenas depois que o dinheiro realmente foi transferido.
Estes 5 passos podem ser simples, mas ajudam vocês a reduzir muitos riscos ao negociar. Salvem isso nhé.
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.
Newton está resolvendo o problema de “frenagem de emergência” da blockchain?
Na época em que eu aprendi a dirigir, meu professor dizia essa frase, que é muito memorável: “Frenar de emergência não é algo de que se orgulhar; é um sinal de que eu reagi tarde.” Dirigir bem é dirigir de um jeito que você nunca precise pisar no freio. Olhe à distância, antecipe, reduza a velocidade aos poucos; quem vai atrás nem sequer sabe que o carro acabou de desviar de uma situação perigosa. A conformidade em cripto é exatamente igual. A transação já estava em andamento quando só então descobrimos o problema; só depois fizemos a frenagem: bloquear a conta, reembolsar, investigar.
Newton: Nova camada de infraestrutura para controlar transações antes de serem executadas
No contexto em que agentes de IA estão sendo cada vez mais aplicados na blockchain, a Newton está se aproximando por um caminho bastante diferente. Em vez de se concentrar em construir modelos de IA mais inteligentes ou desenvolver uma blockchain nova, o projeto busca criar uma camada de infraestrutura para controlar transações antes que elas sejam executadas. Um ponto digno de nota é que a Newton não exige que os desenvolvedores migrem para outra blockchain ou reescrevam as aplicações existentes. O projeto apenas adiciona uma camada de verificação imediatamente antes da execução da transação.
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? 👇
Newton está resolvendo o maior problema do agente de IA?
Ei, pessoal, Quanto mais eu leio sobre um agente de IA on-chain, mais eu sinto que é uma história bem contraintuitiva. O maior problema às vezes pode não ser se a IA tem inteligência suficiente. Mas é que... Quem tem o direito de apertar esse botão? Imagina só. Uma IA é encarregada de administrar a tua carteira. Ela lê a proposta sozinha, caça lucro, balanceia a carteira, faz ponte de ativos, gira o stable para ganhar juros. Parece bem legal. Mas e se um dia ela decidir errado e fizer você perder dinheiro...
Newton: A camada de segurança esquecida, mas que pode ser a mais importante
Ei, pessoal do cripto, vamos falar um pouco sobre uma parte bem “silenciosa” do security stack da Newton. Quando se fala em segurança da Newton, as pessoas geralmente mencionam muito a Chainalysis ou a Hexagate por sua capacidade de detectar riscos em tempo real, barrando transações anormais quase imediatamente. Mas existe um nome que recebe menos atenção: Octane. Na minha opinião, ignorar o Octane é um pouco faltar visão. Na verdade, ele resolve um problema completamente diferente.
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.
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.
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.
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%.
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?