Зачем DeFi нужен Cartesi?
Большая часть DeFi работает как упрощённая версия финансов. Разработчики проектируют под то, что может выполнить блокчейн, а не под то, что нужно модели. Они упрощают математику или запускают её внечейн и просят доверия.
Конгрибьютор Жоау Гарсия разложил это по полочкам в статье, к которой стоит вернуться:
→ https://x.com/joaopdgarcia/status/2018688089258865078
Команды кванто-аналитиков из TradFi прогоняют риск-модели по тысячам сценариев с NumPy, SciPy и QuantLib.
Большинство сред смарт-контрактов не имеет этих библиотек для реальных математических вычислений, а хранение состояния становится дорогим.
На Cartesi каждое приложение получает свой собственный роллап, работающий под Linux и рассчитанный на расчёт (settlement) в Ethereum. Любой честный валидатор может проверить корректность результата.
Разработчики пишут логику на Python, Rust или C++ с популярными библиотеками. Теперь onchain-бондинг-кривая может стать гораздо ближе к настоящей квадратичной кривой.
Практический смысл этого:
- Требования к обеспечению, которые меняются вместе с волатильностью
- Прогнозные рынки с движком (matching engine) и вероятностями, обновляемыми на каждом эпохальном цикле
- DCA, который покупает маленькими непрерывными частями, а не один раз в день
- Кредитные рейтинги на основе модели, которую может повторно запустить любой
Но разработчикам всё равно нужно продумать сложные части: как данные попадают в систему, как валидируются входные данные и как координируется выполнение. Больше вычислений смещает сложность. Но если вашему приложению нужны реальные вычисления — именно для этого и был создан Cartesi.
Подробнее в документации: https://docs.cartesi.io/
Репост: https://x.com/cartesiproject/status/2102774491533488585
Большая часть DeFi работает как упрощённая версия финансов. Разработчики проектируют под то, что может выполнить блокчейн, а не под то, что нужно модели. Они упрощают математику или запускают её внечейн и просят доверия.
Конгрибьютор Жоау Гарсия разложил это по полочкам в статье, к которой стоит вернуться:
→ https://x.com/joaopdgarcia/status/2018688089258865078
Команды кванто-аналитиков из TradFi прогоняют риск-модели по тысячам сценариев с NumPy, SciPy и QuantLib.
Большинство сред смарт-контрактов не имеет этих библиотек для реальных математических вычислений, а хранение состояния становится дорогим.
На Cartesi каждое приложение получает свой собственный роллап, работающий под Linux и рассчитанный на расчёт (settlement) в Ethereum. Любой честный валидатор может проверить корректность результата.
Разработчики пишут логику на Python, Rust или C++ с популярными библиотеками. Теперь onchain-бондинг-кривая может стать гораздо ближе к настоящей квадратичной кривой.
Практический смысл этого:
- Требования к обеспечению, которые меняются вместе с волатильностью
- Прогнозные рынки с движком (matching engine) и вероятностями, обновляемыми на каждом эпохальном цикле
- DCA, который покупает маленькими непрерывными частями, а не один раз в день
- Кредитные рейтинги на основе модели, которую может повторно запустить любой
Но разработчикам всё равно нужно продумать сложные части: как данные попадают в систему, как валидируются входные данные и как координируется выполнение. Больше вычислений смещает сложность. Но если вашему приложению нужны реальные вычисления — именно для этого и был создан Cartesi.
Подробнее в документации: https://docs.cartesi.io/
Репост: https://x.com/cartesiproject/status/2102774491533488585