理想三旬

E se uma marca quisesse encontrar 100 AI Agents para realizar a mesma tarefa?

Será que ainda teria de contactar cada um, negociar preços, confirmar requisitos e depois cobrar a entrega um por um?

Só de pensar nisso já parece complicado.

Mas, no mercado de tarefas da TermiX, já existe um mecanismo criado especificamente para este tipo de situação: os Bounties.

Acho que vale a pena falar desta funcionalidade à parte.

/

De acordo com o design da AACP, as marcas podem criar um fundo de recompensas através da CampaignVault, definindo antecipadamente os requisitos da tarefa, o valor da recompensa e o número de vagas.

Por exemplo, se uma tarefa tiver 100 vagas, os Agents que cumpram os requisitos podem aceitá-la diretamente.

Aceitar a tarefa, enviar o trabalho, obter aprovação e receber a recompensa: cada etapa do processo tem um estado correspondente na blockchain.

Elimina-se a necessidade de negociar preços repetidamente, e um único conjunto de regras permite que vários Agents participem ao mesmo tempo.

Há aqui ainda um pormenor bastante interessante.

Nas encomendas comuns, o valor bloqueado como garantia é calculado com base numa percentagem do orçamento. Nos Bounties, porém, é utilizado um valor fixo de providerBond.

Suponhamos que uma tarefa exige o bloqueio de uma caução de 10 USDC. Ao aceitá-la, o Agent precisa de ter saldo de staking disponível suficiente.

Se a tarefa for concluída normalmente, a caução é desbloqueada. Se o Agent aceitar a tarefa e não entregar o trabalho, ou perder uma disputa, poderá sofrer a dedução da caução e uma redução da reputação.

/

Além disso, a marca não pode simplesmente rejeitar a tarefa sem mais nem menos.

De acordo com a documentação, durante a revisão, pode pedir alterações, até duas rondas. Se houver uma rejeição, o Agent ainda tem a possibilidade de iniciar um Challenge.

Se o trabalho já tiver sido enviado, mas a marca demorar demasiado a analisá-lo, o protocolo também prevê um processo de liquidação por expiração do prazo.

Este conjunto de regras faz-me pensar numa situação bastante realista.

No futuro, quando um projeto precisar de muitos Agents para ajudar a organizar dados, realizar verificações de segurança ou executar tarefas de normalização de conteúdo, será perfeitamente possível distribuir o trabalho em grande escala através de fundos de recompensas deste tipo.

Cada Agent terá o seu próprio histórico de entregas, e haverá regras claras para recompensas, cauções e resolução de disputas.

Acho que é aí que os Bounties da TermiX revelam o seu verdadeiro potencial.

Quando os AI Agents começarem a participar em larga escala na colaboração comercial, distribuir centenas ou milhares de tarefas, receber os resultados e fazer as liquidações de forma organizada será, por si só, um negócio.

Isto não constitui aconselhamento de investimento. DYOR

No futuro, quando eu realmente deixar um AI Agent monitorar o mercado, consultar dados e até executar transações automaticamente, acho que ainda não vou conseguir evitar perguntar: os dados que você acabou de consultar são mesmo confiáveis?

Afinal, quando há dinheiro de verdade envolvido, por mais convincente que seja a resposta da IA, se as informações obtidas inicialmente tiverem algum problema, fica difícil confiar nas conclusões seguintes.

Por coincidência, a Primus anunciou recentemente uma nova parceria com a Cournot. Achei essa atualização bem interessante e também me ajudou a entender melhor o zkTLS da Primus.

/

Começando pela Cournot: é um protocolo de oráculo nativo de IA, capaz de analisar informações sobre acontecimentos do mundo real e fornecer resultados auditáveis para aplicações on-chain, como mercados de previsão.

Mas há uma questão.

Por exemplo, se um mercado de previsão precisar determinar se um dado econômico atingiu as expectativas, a IA pode analisar notícias, consultar sites e acessar APIs. Mas de onde vêm essas informações, exatamente? Será que foram alteradas?

É aí que entra a Primus.

Com o zkTLS, a Primus pode fornecer provas de autenticidade para dados provenientes de sites ou APIs, reduzindo ao mesmo tempo a exposição de informações sensíveis.

A divisão de responsabilidades nessa parceria também é bastante clara: a Primus verifica a origem das evidências off-chain, e a Cournot as analisa para chegar a conclusões auditáveis.

Acho que essa combinação merece atenção.

Afinal, os mercados de previsão envolvem, no fim das contas, a liquidação de dinheiro real, então a confiabilidade das fontes de dados é muito importante.

Além disso, as duas partes também mencionaram crédito privado e aplicações on-chain de finanças em sentido mais amplo. No futuro, dados relacionados à situação financeira e às condições de crédito, por exemplo, poderão ser verificados sem deixar de proteger a privacidade.

É claro que, por enquanto, isso ainda está em fase de exploração. Ainda precisamos acompanhar para ver até que ponto essas possibilidades poderão ser concretizadas.

/

Na verdade, a Primus já acumulou alguma experiência em cenários semelhantes.

Um exemplo é o Proof of Reserves: o zkTLS verifica a origem dos dados de ativos off-chain e, em seguida, o zkVM realiza os cálculos e a verificação dos dados de reservas. Assim, as instituições podem fornecer provas verificáveis de seus ativos e, ao mesmo tempo, proteger algumas informações operacionais sensíveis.

Além disso, a documentação oficial da Primus menciona especificamente a execução verificável de AI Agents.

Quando um Agent acessa APIs externas, consulta dados ou executa tarefas financeiras, é possível gerar provas zkTLS para interações importantes, permitindo verificar parte do processo de execução.

Acho que há um detalhe importante a observar aqui.

Provar que os dados vêm de uma fonte autêntica não significa que a avaliação da IA esteja necessariamente correta. O que a Primus resolve é a questão, muito importante, da confiabilidade das evidências em todo o processo de tomada de decisão.

/

Da verificação de reservas aos AI Agents e, mais recentemente, à expansão para os mercados de previsão por meio da parceria com a Cournot, as áreas de aplicação da Primus estão se ampliando continuamente.

Além disso, não é necessário construir uma nova blockchain pública: os recursos de verificação e privacidade podem ser integrados diretamente ao ecossistema existente.

Pessoalmente, acredito bastante nesse caminho de desenvolvimento da infraestrutura.

No futuro, as finanças on-chain precisarão lidar com cada vez mais dados do mundo real. Como verificar e utilizar esses dados sem deixar de proteger a privacidade talvez se torne uma questão cada vez mais importante.

E a Primus está avançando continuamente nesse caminho.

Isto não constitui aconselhamento de investimento. DYOR

Acabei de apresentar o Agent de engenharia reversa da REA e, logo em seguida, já arrumaram um trabalho de estratégias quantitativas para os AI Agents.

Tenho a impressão de que os Agents estão cada vez mais ocupados: de escrever código e fazer auditorias a pesquisar o mercado — agora até negociação quantitativa entrou na lista.

Além disso, a TermiX teve algumas novidades recentemente, e acho que vale a pena falar delas em conjunto.

/

Primeiro, uma notícia que merece atenção: a TermiX está explorando uma integração com o ecossistema Binance AI.

Por enquanto, os desenvolvedores que usam o Binance Agent OS já podem conectar Agents compatíveis ao mercado de tarefas da TermiX por meio do TermiX Skills.

Mais adiante, também está previsto o suporte ao login com Binance .ai Agent ID.

Acho que isso abre possibilidades interessantes.

Afinal, o próprio ecossistema Binance AI já oferece recursos como pesquisa de mercado e análise de negociações. Se esses recursos puderem ser disponibilizados por meio da TermiX no futuro, os Agents poderão transformar suas habilidades em renda de verdade.

Claro, algumas funcionalidades ainda estão em fase de planejamento. O que será possível alcançar na prática ainda depende dos próximos avanços.

/

Na verdade, é bem interessante observar em conjunto as iniciativas recentes da TermiX.

Do Agent de engenharia reversa da REA ao Quant Agent, passando pela expansão contínua do Agent Skills, a variedade de serviços disponíveis está aumentando.

E a custódia de tarefas, a validação das entregas e a liquidação automática, que ficam a cargo do AACP, oferecem justamente a base para as transações desses serviços.

Acho que esse é o aspecto mais importante da TermiX para acompanhar daqui para a frente.

E se um dia o algoritmo de assinatura das carteiras que usamos hoje deixar de ser seguro? Será que todos teriam de mudar de endereço, transferir os ativos e passar por todo esse processo de novo?

Essa questão me fez lembrar uma vantagem técnica do Starknet: a Crypto Agility, ou agilidade criptográfica.

Na verdade, em julho deste ano, aconteceu algo bem interessante na mainnet do Starknet.

Uma conta experimental que usa a assinatura pós-quântica Falcon-512 concluiu com sucesso uma transferência de 0,01 STRK.

O valor é tão pequeno que pode ser ignorado, mas vale a pena falar da capacidade técnica por trás disso.

/

Aqui, precisamos falar da Native Account Abstraction (abstração nativa de contas) do Starknet.

Ao contrário das contas externas tradicionais, as próprias contas do Starknet são contratos inteligentes e podem escolher diferentes esquemas de assinatura por meio de uma lógica de validação programável.

Isso significa que, se surgirem algoritmos criptográficos mais seguros no futuro, as contas poderão adotar novos métodos de validação de assinaturas sem que seja necessário um hard fork de toda a rede.

Além disso, como o sistema de provas STARK depende principalmente de funções hash, ele já conta com certas vantagens arquitetônicas diante da ameaça da computação quântica.

É claro que a implementação Falcon-512 mencionada acima ainda é experimental e não foi auditada. Antes que possa ser usada em larga escala por usuários comuns, ainda é preciso trabalhar na compatibilidade com carteiras, no gerenciamento de chaves e em auditorias de segurança.

Mas, pelo menos, uma transação real on-chain já demonstrou que essa abordagem técnica é viável.

/

Pesquisando sobre o assunto, achei o conceito de Crypto Agility bem interessante.

No passado, ao discutir as vantagens técnicas de uma blockchain pública, costumávamos nos concentrar em indicadores mais óbvios, como TPS, taxas de gas e velocidade de confirmação das transações.

Mas a própria criptografia também está em constante evolução. Especialmente nos dias de hoje, em que a IA e a computação quântica avançam rapidamente, ninguém pode garantir que os algoritmos usados atualmente continuarão sendo seguros para sempre.

Acho que deixar espaço para atualizações diante das mudanças tecnológicas futuras também é uma forma de competitividade a longo prazo.

O Starknet já tem essa base arquitetônica. Daqui para a frente, vale acompanhar se esses recursos experimentais poderão se tornar, aos poucos, funcionalidades fáceis de usar também para usuários comuns.

$STRK

Isto não constitui uma recomendação de investimento. DYOR

Quanto tempo leva para concluir uma transferência se tanto o saldo da conta quanto o valor da transação estiverem criptografados?

A resposta da Primus é bastante surpreendente: cerca de 90 milissegundos.

É por isso que acho que alguns dos avanços técnicos recentes da Primus merecem uma boa conversa.

/

Comecemos pelo AutoHoG, um mecanismo FHE desenvolvido pela Primus para finanças confidenciais on-chain.

De acordo com os resultados de testes divulgados oficialmente, o cálculo de uma transferência confidencial com saldo criptografado de 64 bits leva apenas cerca de 90 ms, e cada operação de Bootstrapping leva cerca de 5 ms.

O mais interessante é que, usando 8 placas gráficas NVIDIA RTX 5090, voltadas ao consumidor, o sistema consegue processar mais de 210 cálculos de transferências confidenciais por segundo, com uma escalabilidade quase linear de 8 vezes.

É claro que esses são resultados de desempenho computacional obtidos em condições de teste específicas e não devem ser interpretados diretamente como o TPS real de uma blockchain pública.

Mas, no caso do FHE, conseguir levar a computação criptografada a essa velocidade já é muito significativo.

Ao mesmo tempo, a pesquisa HasteBoots, da qual a equipe da Primus participou, também foi aceita no USENIX Security 2026. O trabalho reduziu de horas ou até dias para segundos o tempo necessário para gerar provas de bootstrapping programável em TFHE.

Na verdade, isso envolve duas questões diferentes: uma é se a computação criptografada pode ser rápida o suficiente; a outra é se o processo computacional pode ser verificado com eficiência.

/

Ampliando um pouco a perspectiva.

Atualmente, a Primus está construindo uma infraestrutura de privacidade modular baseada em zkTLS e FHE.

O zkTLS verifica a autenticidade dos dados off-chain; o FHE permite que dados sensíveis participem de cálculos enquanto permanecem criptografados. Combinado com mecanismos de divulgação seletiva específicos de cada aplicação, isso permite que auditorias e verificações acessem apenas as informações necessárias.

Além disso, a Primus não precisa construir uma nova blockchain pública: pode se integrar diretamente aos ecossistemas existentes.

Isso é bastante importante para as instituições financeiras, afinal, nenhuma delas quer transferir todas as suas operações e sua liquidez só para usar recursos de privacidade.

Acho que o que realmente merece atenção no AutoHoG é que ele está ajudando o FHE a sair gradualmente da pesquisa técnica e chegar a aplicações financeiras mais práticas.

É claro que o ganho de desempenho é apenas uma parte da história. A segurança, os custos operacionais e o desempenho em aplicações reais também merecem acompanhamento contínuo.

Um Agente de IA conclui 50 pedidos consecutivos, todos entregues sem problemas. Quantos pontos você acha que ele teria de reputação?

100 pontos? Na verdade, só cerca de 96.

Foi um detalhe bem interessante que descobri recentemente enquanto estudava a documentação AACP da TermiX.

Afinal, reputação é algo que realmente precisa ser construída aos poucos, pedido por pedido.

/

Primeiro, vamos falar das regras de pontuação.

Um Agente recém-registrado começa com 60 pontos. O sistema predefine 5 pedidos virtuais, dos quais 3 são bem-sucedidos, como uma espécie de crédito inicial.

Depois, a pontuação só começa a mudar à medida que cada pedido real é concluído.

Com 5 pedidos bem-sucedidos consecutivos, a reputação chega a 80 pontos; com 20, a 92; e, mesmo depois de 50 pedidos, fica em torno de 96 pontos.

Além disso, todos esses registros precisam ser gerados por liquidações reais. O próprio Agente não pode simplesmente preenchê-los como quiser.

Mais interessante ainda: se houver uma disputa e o Agente perder, esse pedido não só deixa de contar como um sucesso, como também gera uma dedução extra por disputa.

A reputação que dá tanto trabalho para construir merece mesmo ser bem cuidada. 😂

/

Acho que esse sistema de reputação da TermiX combina bastante com a lógica comercial do mundo real.

Mesmo que um novato que acabou de começar a aceitar trabalhos faça um ótimo trabalho no primeiro pedido, dificilmente conquistará de imediato a confiança de todos os clientes.

A confiança só se constrói aos poucos, conforme aumenta o histórico de entregas.

Além disso, o white paper da AACP também propõe um fator de reputação, com a intenção de que, no futuro, Agentes com melhor reputação possam usar o capital com mais eficiência.

No entanto, atualmente, nos pedidos comuns da rede em produção, os valores bloqueados ainda são calculados de acordo com a proporção definida no contrato. Ainda é preciso acompanhar como isso será implementado daqui para a frente.

Na minha opinião, quando a economia dos Agentes atingir certa escala, será cada vez mais importante saber quem pode aceitar pedidos, em quem se pode confiar e quem está qualificado para assumir negócios maiores.

A TermiX já começou a incluir essas questões no protocolo.