Mr_Kavin

В последнее время интерес к сектору безопасности ончейн-автоматизации стремительно растет, и многие люди в сообществе пристально следят за NEWT. Я много лет проводил исследования ончейн-данных. В последние несколько дней я непрерывно тестировал Newton Mainnet Beta, выполняя сквозные сценарии, включая проверку разрешений и проверки узлов. Я также постранично прочитал главу 4 на странице про архитектуру безопасности в белой книге, сверяя ее с ончейн-записями о стейкинге и слэшинге/штрафах. Большинство похожих проектов на рынке в основном делают упор на хайп вокруг технологии с нулевым разглашением (zero-knowledge), а правила наказаний узлов у них сформулированы туманно — почти нет каналов, через которые пользователи могли бы добиваться исправления ситуации при ложном выполнении.
Я всегда придерживался своего подхода в трейдинге: сначала проверить на практике, затем смотреть на ончейн-данные. Я не вхожу вслепую только потому, что что-то стало трендом; вместо этого я объективно сопоставляю фактическое операционное состояние на сегодня.
После практического тестирования могу подтвердить, что весь механизм безопасности уже реализован и работает — это не просто план на бумаге. Я многократно настраивал лимиты и рабочие интервалы для автоматизированных торгов; любые операции, превышающие заранее заданные разрешения, будут напрямую блокироваться zkPermissions. Узлы используют ротацию на основе VRF-случайности, чтобы не допустить того, чтобы какой-либо один узел контролировал вычислительную мощность сети слишком долго. Операторы должны синхронизировать стейкинг как ETH, так и NEWT, чтобы обеспечить двойное обеспечение (dual collateral). Если будет сгенерирована учетная запись/доказательство для ложного выполнения (false execution credential), оба типа активов будут слэшнуты/утрачены контрактом. Mainnet Beta сохранила большое количество реальных записей о штрафах. Используя стоимость токенов, чтобы ограничивать поведение узлов, можно добиться гораздо более высокой реализуемости мер безопасности по сравнению с аналогичными проектами.

@NewtonProtocol #Newt $NEWT

#newt $NEWT @NewtonProtocol
Я читаю про протокол Newton, и одна мысль не отпускает.

Все говорят о том, могут ли ИИ-агенты безопасно исполнять сделки. Но что если самая сложная часть — не это?

А что если реальная задача — убедиться, что политика действительно означает то, что пользователь имеет в виду? Может ли список правил когда-либо уловить нечто столь нюансированное, как человеческое суждение? И если ИИ следует каждому правилу буквально, как оно написано, но при этом получает результат, которого пользователь не ожидал — ИИ провалился или же виновата политика?

Похоже, это гораздо более важный разговор для будущего автономных финансов.

#newt $NEWT @NewtonProtocol
Вот более естественный, разговорный вариант, который звучит как подлинная мысль человека, разбирающегося в протоколе, а не как текст, написанный ради вовлечения.

Чем больше я думаю о Newton Protocol, тем чаще мне в голову возвращается одна идея.

А что, если главная сложность не в том, чтобы заставить ИИ-агента следовать инструкциям?

А что, если дело в том, чтобы эти инструкции оставались уместными и осмысленными к моменту, когда их выполняют?

Рынки могут меняться очень быстро. Агент может сделать ровно то, что ему сказали, но при этом упустить то, чего пользователь на самом деле хотел бы в этот момент.

Это кажется намного более трудной задачей — и, по-моему, одним из самых интересных вопросов в сфере автономных финансов.

#newt $NEWT @NewtonProtocol
Чем больше я читаю о Newton Protocol, тем чаще ловлю себя на мысли, что нужно думать не только о технологии. Чем больше я читаю о Newton Protocol, тем больше я нахожу себя думающим дальше, чем сама технология.

Если ИИ будет делать больше, чем просто предлагать варианты, то что именно заставит людей ему доверять? Достаточно ли будет надежной безопасности, или люди захотят понимать, как именно ведут себя эти системы? И по мере того как в эту сферу будут входить все более автономные агенты, что будет отличать тех, на кого люди полагаются, от тех, кого они игнорируют?

Похоже, что следующая большая задача — это не просто создание более умного ИИ. Это завоевание доверия людей.

Если ИИ будет делать больше, чем просто предлагать варианты, то что именно заставит людей ему доверять? Достаточно ли будет надежной безопасности, или люди захотят понимать, как именно ведут себя эти системы? И по мере того как в эту сферу будут входить все более автономные агенты, что будет отличать тех, на кого люди полагаются, от тех, кого они игнорируют?

Похоже, что следующая большая задача — это не просто создание более умного ИИ, а это завоевание доверия людей.

Чем больше я узнаю об ИИ, тем больше понимаю, что мощные модели — это лишь часть истории. По-настоящему важна инфраструктура за ними — где они работают, кто ими управляет и могут ли пользователи на самом деле доверять результатам, которые получают.

Именно поэтому мне бросился в глаза OpenGradient. Вместо того чтобы держать ИИ запертым внутри нескольких централизованных платформ, он изучает сеть, где модели можно размещать и использовать на децентрализованной инфраструктуре. Это другой подход к ИИ: не как к сервису, контролируемому горсткой провайдеров, а как к ресурсу, который может быть более открытым и широко доступным.

Самое интересное для меня — акцент на верификации. Когда ИИ становится частью более важных решений, доверие превращается в реальную проблему. Логично спросить, действительно ли модель работает так, как заявлено, и можно ли независимо подтвердить ее результаты. Создание систем, которые отвечают на эти вопросы, кажется шагом в правильном направлении.

Мы часто говорим о том, как сделать ИИ умнее, быстрее или больше. Но есть и другой разговор, который стоит вести — как сделать его более прозрачным и надежным. Проекты вроде OpenGradient исследуют этот вызов, и будет интересно посмотреть, как децентрализованная инфраструктура повлияет на следующий этап развития ИИ.

#opg $OPG @OpenGradient

OpenGradient больше напоминает не продукт, а попытку перенести интеллект из одной комнаты в нечто распределенное и общее. Это не просто ИИ, сидящий на серверах одной компании, а ИИ, работающий в разных местах, соединенный инфраструктурой, которую большинство людей никогда не видят.

Что выделяется, так это то, как фокус смещается с моделей на землю под ними. Хостинг, вывод, проверка — вещи, которые обычно остаются скрытыми на заднем плане, начинают становиться основной структурой, а не вспомогательной. Интеллект больше не просто "там", он должен поддерживаться сетью, которая постоянно перестраивает его в реальном времени.

В этом есть что-то тихо нестабильное и интересное. У системы на самом деле нет центра, на который можно указать, но она все равно работает как единое целое, когда вы с ней взаимодействуете. Это напряжение между распределенностью и чувством единства — вот где живет большинство сложности.

Проверка также перестает казаться простой в этой настройке. Это больше не просто финальная проверка в конце. Это становится чем-то, что происходит в нескольких точках, где разные части сети постоянно соглашаются друг с другом, чтобы поддерживать доверие. Это ощущается не как печать одобрения, а скорее как непрерывный процесс, который никогда не заканчивается.

А под всем этим медленно происходит изменение в том, как ведет себя контроль. Он не удален, просто так сильно распределен, что начинает ощущаться больше как координация, чем как владение.

#opg $OPG @OpenGradient

#opg $OPG @OpenGradient
Я провел достаточно лет в крипте, чтобы знать, как часто одна и та же история возвращается с новым именем. Поэтому я продолжаю думать о чем-то, что обычно игнорируется в разговоре об ИИ. Мы тратим так много времени, спрашивая, правильный ли ответ, но я начинаю думать, что более честный вопрос — это когда этот ответ на самом деле был дан. Тайминг меняет значение всего. Прогноз кажется реальным только если ты можешь доказать, что он существовал до результата. Утверждение кажется надежным только если его история видна, а не построена позже по памяти. Именно это привлекло мое внимание к @OpenGradient и $OPG . Я не поддаюсь на уговоры легко, и не доверяю блестящим нарративам, но проверяемый ИИ кажется одной из немногих идей, которые действительно могут иметь значение.

Я всё время думаю о том, насколько странным на самом деле является "согласие" в интернете. Я перечитал политику конфиденциальности, которую принял два года назад, и она уже изменилась четыре раза. Никто действительно не сообщил мне об этом так, чтобы это имело значение. Просто небольшое обновление, зарытое где-то в настройках, такое, которое ты замечаешь только если уже ищешь неприятности. И всё же, этого было достаточно, чтобы приложение трактовало моё продолжение использования как согласие. Эта часть меня честно беспокоит больше, чем большинство утечек. Не потому, что это громко, а потому, что это тихо.

Я видел подобное и в крипте. Часто люди говорят о доверии, как будто его заменяет что-то более мощное, но система всё равно находит способ полагаться на доверие, когда это действительно важно. Язык кажется надёжным, пока не посмотришь внимательно, и тогда он начинает казаться слишком гибким.

Вот почему криптографические гарантии чувствуются по-другому. Аттестация TEE не переписывается тихо позже. Она фиксируется в момент её создания. Если что-то работало на определённом вводе в проверенной среде, это доказательство там. Оно не меняется, потому что кто-то решил обновить формулировки через шесть месяцев.

Я не говорю, что это делает всё лучше. Это не так. Но после того, как я наблюдал достаточно циклов, я научился замечать разницу между чем-то, что звучит безопасно, и чем-то, что на самом деле оставляет меньше пространства для игр.

#opg $OPG @OpenGradient

OpenGradient пытается решить проблему, которую всё труднее игнорировать: как доверять системам ИИ, контролируемым лишь несколькими централизованными провайдерами?

Вместо того, чтобы рассматривать ИИ как черный ящик, размещенный в одном месте, он распределяет нагрузку по сети. Модели размещаются, запускаются и проверяются различными участниками, так что ни один игрок не контролирует всё происходящее. Этот сдвиг может показаться техническим, но на самом деле идея довольно проста — ИИ становится чем-то общим, а не собственным.

Что выделяется, так это акцент на верификации. Дело не только в том, чтобы получить ответ от модели, но и в том, чтобы иметь возможность проверить, как этот ответ был получен и можно ли ему доверять. Это становится особенно важным, поскольку ИИ проникает в такие области, как исследования, автоматизация и финансовые инструменты, где небольшие ошибки могут иметь реальные последствия.

Конечно, подход не лишен сложностей. Координация множества узлов, поддержание стабильной производительности и избежание задержек — все это сложные проблемы на практике. Но именно так часто начинается новая инфраструктура — вначале грязно, а затем постепенно уточняется по мере формирования реального спроса.

Если это сработает, такие системы, как OpenGradient, могут изменить то, как разработчики думают о развертывании ИИ: меньше о подключении к одному API, и больше о участии в общей, верифицируемой сети.

#opg $OPG @OpenGradient

Есть ночи, когда рынок движется на 4.8% всего за 17.5 минут, и почему-то AMM с фиксированной комиссией 0.3% продолжает вести себя так, словно ничего необычного не происходит. Спокойно. Предсказуемо. Почти отключено от реальности. Я продолжаю замечать эту часть, потому что рынки редко бывают такими вежливыми, когда реальные деньги начинают двигаться.

А капитал... капитал не заботится о чистых моделях или аккуратных предположениях. Пул в $12.6 миллиона с ежедневным объемом в $38.4 миллиона нуждается всего в крошечном отклонении спреда на 0.07%, прежде чем разговор полностью изменится. В этот момент речь перестает идти о "сколько комиссии заработано" и начинает становиться чем-то более запутанным.

Наверное, поэтому я не рассматриваю OpenGradient как просто еще один уровень ИИ, внедренный в крипту для привлечения внимания. Я видел слишком много проектов, которые завернули старые идеи в новый язык. Большинство из них исчезают, как только условия становятся жесткими. Но что-то здесь ощущается немного иначе, даже если я еще не совсем уверен.

AlphaSense — это то, что продолжает притягивать меня назад. Не потому, что это звучит впечатляюще, а потому что это ближе к реальному поведению протокола. Сигналы волатильности, влияющие на комиссии. Протоколы кредитования, регулирующие LTV. Использование токенов, движущееся вместе с активностью системы.

Может быть, в этом и заключается настоящая суть. Не предсказание ради предсказания. Просто принятие решений немного менее вслепую. В крипте это само по себе имеет большее значение, чем люди признают. Особенно когда система должна продолжать думать задолго после того, как пользователь перестает кликать.

#opg $OPG @OpenGradient

Я провел достаточно времени, наблюдая за криптой, чтобы знать, когда история просто перерабатывается с лучшими формулировками. В последнее время децентрализованный ИИ стал одной из тех тем, к которым я продолжаю возвращаться — не потому, что доверяю хайпу, а потому что реальная проблема кажется глубже, чем большинство людей хотят признать. Разговор всегда сводится к тому, какая модель умнее, но то, что действительно имеет значение, по крайней мере для меня, — это координация. Именно здесь все обычно рассыпается.

За годы я видел, как вычисления становятся более распределенными, более доступными, более повсеместными — и все же система продолжает тянуть себя обратно к нескольким центральным точкам, которые действительно могут все это удерживать вместе. Эта часть никогда не меняется. Аппаратное обеспечение может быть, емкость может существовать, но самая сложная часть все еще заключается в том, чтобы все это работало гладко. Дефицит больше не в машинах. Он в связующем звене между ними.

Вот почему направление OpenGradient привлекло мое внимание. Я не говорю, что полностью доверяю этому еще, потому что видел слишком много проектов, которые звучали важно, прежде чем доказать что-либо. Но что-то в этом действительно кажется немного другим. Это не выглядит так, будто оно гонится за вниманием, крича о интеллекте. Это больше заинтересовано в беспорядке под ним — проблеме оркестрации, трении, стоимости того, чтобы заставить тысячу отдельных частей вести себя как одна система, не замедляя при этом все.

И честно говоря, это именно то, на что я все еще обращаю внимание. В крипте громкие идеи приходят и уходят. Полезные обычно начинаются с решения скучной проблемы, к которой никто не хотел прикасаться.

#opg $OPG @OpenGradient

Я провел достаточно времени в крипте, чтобы знать, когда что-то является просто переработанной идеей с лучшей упаковкой. Большинство проектов говорят много, а затем исчезают в общем шуме. Но OpenGradient действительно заставил меня задуматься, потому что кажется, что он обращает внимание на то, что обычно игнорируется: не насколько умный ИИ, а можем ли мы действительно доверять и проверять то, что он сделал.

Чем больше я наблюдаю за этой сферой, тем больше думаю, что это действительно важный вопрос. ИИ становится сильнее, да, но сила сама по себе не является проблемой. Проблема в том, что у нас обычно нет четкого ответа на базовые вещи: как было принято это решение, какая модель использовалась, действительно ли она работала так, как предполагалось?

Этот пробел имеет значение.

То, что пытается сделать OpenGradient, кажется другим, потому что они говорят не только о производительности. Они говорят о доказательствах. С TEE-Verify Inference идея заключается в том, чтобы криптографически доказать, где и как работала модель. Так что это не просто утверждение, а доказательство. А с помощью zkML они хотят доказать, что модель работала правильно, не раскрывая саму модель, включая веса или другие частные детали. Если эта запись о проверке останется в блокчейне, то это станет чем-то, что люди смогут проверить позже, а не просто принимать чье-то слово за правду.

Я по-прежнему осторожен. Я видел, как достаточно крипто-нарративов рушатся, когда они сталкиваются с реальными трудностями. Но что-то в этом кажется более серьезным, чем обычный шум.

#opg $OPG @OpenGradient

OpenGradient пытается решить часть ИИ, о которой большинство людей не думает — что происходит после того, как модель построена. Мы обычно говорим о том, насколько мощным становится ИИ, но не много о том, где он на самом деле работает, или как мы можем доверять тому, что он производит, когда это используется в больших масштабах.

Сейчас большинство ИИ-систем зависят от централизированной инфраструктуры. Несколько крупных провайдеров занимаются хостингом и выводом, что делает процессы быстрыми и простыми, но также создает своего рода скрытую зависимость. Если что-то пойдет не так, или если нет прозрачности в том, как генерируются результаты, пользователи не имеют реальной возможности это проверить. Вот этот пробел и пытается заполнить OpenGradient.

Идея заключается в том, чтобы распределить вывод ИИ по сети вместо того, чтобы полагаться на одно место, а затем добавить уровень верификации, чтобы результаты можно было проверять, а не просто принимать. Это более технический, менее эффектный подход, но он сосредоточен на чем-то очень важном: доверии и последовательности в выводах ИИ.

Пока что это все еще кажется ранним этапом, и многое будет зависеть от того, насколько хорошо это будет работать на практике. Но направление имеет смысл. По мере того как ИИ становится частью повседневных систем, инфраструктура, стоящая за ним, имеет такое же значение, как и сами модели.

#opg $OPG @OpenGradient

На этой неделе я почти добавил больше в свою позицию по OpenGradient, но потом остановился и вернулся к тому, чему научился доверять больше, чем импульсу: еще час наблюдения за тем, что на самом деле строится.

Меня не так уж и тянуло к ИИ-углу. Я уже видел достаточно таких историй. Часть, которая осталась со мной, это слой ниже — то, как экосистема, похоже, думает о пользователях, строителях и стимулах после того, как первая волна внимания утихает.

Именно там обычно начинается настоящая проверка.

Много крипто-проектов могут привлечь внимание. Гораздо меньше могут заставить людей остаться. Они могут запуститься с чистым нарративом, крутым веб-сайтом, несколькими умными словами и рынком, который хочет верить. Но как только шум утихает, важно, есть ли у кого-то еще причина продолжать появляться.

Я видел это слишком много раз. Идея звучит хорошо, пока она еще новая, пока все цитируют одни и те же посты, пока график все еще рассказывает историю. Затем внимание уходит, толпа становится тише, и проекту нужно выживать на чем-то большем, чем импульс. Именно тогда большинство из них начинает выглядеть тоньше, чем изначально.

Несколько недель назад я занял небольшую тестовую позицию, и я все еще не уверен, чтобы увеличить объем. Не потому, что я думаю, что это ничего. Скорее потому, что я достаточно долго в игре, чтобы знать, как часто "интересное" принимается за "долговечное".

Однако что-то в этом ощущается немного иначе, хотя я говорю это осторожно. Я продолжаю замечать акцент на структуре вместо шума, на части, которая приходит после заголовка, а не перед ним. И в крипте это уже ставит его в другую категорию, чем большинство того, что становится громким на неделю и исчезает, прежде чем рынок вспомнит его имя.

#opg $OPG @OpenGradient

Bedrock выделяется для меня по причине, которую легко упустить в крипте: он не пытается выиграть, делая все громче. Похоже, что он больше заинтересован в перемещении ценности с меньшими потерями, и это кажется более практичным, чем драматичным. Я все время думаю о том, сколько капитала в этом пространстве застревает в местах, где он перестает быть гибким, как будто полезность заканчивается в тот момент, когда начинается вознаграждение. Это то, на что стоит обратить внимание. Не потому, что это звучит революционно, а потому что это решает настоящую привычку, которую рынок никогда не ставит под сомнение. Я по-прежнему остаюсь настороженным, потому что истории об эффективности могут скрывать настоящие компромиссы. Но если Bedrock правильно чувствует ситуацию, то более крупный сдвиг может быть не хайпом. Это может быть более тихий прогресс: активы, которые продолжают работать, а не просто сидят там.

#bedroc $BR @Bedrock

Большинство людей по-прежнему описывают BTCFi самым простым образом: лучшее место для заработка на Биткойне.

Это не неправильно, но это кажется неполным.

На самом деле меняется уровень под продуктом. Интересная часть заключается не только в том, откуда приходит доход, но и в том, где начинают сосредотачиваться решения. Как только маршрутизация, распределение и доступ начинают происходить через одни и те же системы, протокол уже не просто соединяет пользователей с возможностями. Он тихо формирует, какие возможности вообще имеют значение.

Это то, на что стоит обратить внимание. Эффективность легко отмечать, когда рынки спокойны. Более сложный вопрос заключается в том, что происходит, когда условия меняются, и все полагаются на одну и ту же инфраструктуру, одни и те же сигналы, одни и те же предположения. Система может выглядеть разнообразной на поверхности и все же вести себя очень похоже под ней.

Поэтому я не вижу BTCFi 2.0 просто как более чистую версию BTCFi 1.0. Я вижу сдвиг от разрозненного участия к управляемому потоку. Это может улучшить ликвидность и уменьшить трение. Это также может сделать скрытую архитектуру более важной, чем видимый продукт.

Если этот путь будет продолжать развиваться, реальная ценность может оказаться не в самом токене, а в слое, который решает, куда дальше пойдет капитал.

Именно здесь обычно начинается долговечная история.

#bedroc $BR @Bedrock