Levi web3

我在瀏覽 OpenGradient（$OPG , #OPG ）Python SDK 的參考文件，原本以為專案負責人以此作為宣傳亮點來強調可驗證性——因為 @OpenGradient 將其網路的設計定位為，從地基起就能提供可驗證的 AI 推論。LLM 完成（completion）函數接收一個推論模式（inference_mode）參數，只有兩種選項：VANILLA 或 TEE，而函數簽名中的預設值是 VANILLA。文件也直接、明白地描述了這個預設：標準執行會回傳鏈上結果，但不提供硬體證明。沒有飛地（enclave）、沒有加密級的執行證明，只有答案與付款雜湊。要取得文件所說、圍繞其願景建立的那種保證，開發者必須明確把 TEE 當作參數傳入；否則每一次呼叫都會在文件自己描述的那種模式下執行，也就是跳過那一步。就只是呼叫函數時的一個關鍵字——複製快速入門範例時很容易不小心就保留不改。但它卻在我預期的方向上悄悄顛倒了順序：驗證看起來像是基礎，卻是在後來才讓你選擇性地啟用。我一直在想，網路上實際有多少推論流量是在未經證明的預設模式下運行？而這個比例是否有任何地方會出現在使用者可以查核的資訊裡。

OpenGradient 本月早些時候推出了一款聊天產品，背後的設定讓我停下來想了想：@OpenGradient $OPG #OPG 並不是在押注“某一個 AI 模型會比其他更好”——它押注的是“你不必非選不可”。這款應用在同一界面中把 ChatGPT、Claude、Gemini、Grok 和 ByteDance Seed 的能力做了路由：用戶可以在對話中途切換，或讓兩個模型並排運行。對於一個已經花了數月時間，把自身定位爲可驗證的 AI 執行基礎設施項目來說，這種設計選擇聽起來比你想的更“反常”。但當你真正使用這款 Chat 產品時，你會發現所謂的“可驗證”層並沒有去觸碰模型的輸出——它處理的是匿名化流程：客戶端加密、使用 OHTTP 中繼來剝離你的 IP，以及一個 TEE 隔離的網關，它從不記錄明文。證明的是你的提示詞保持了私密性。它並沒有說明 Claude 或 Gemini 是否回答得正確，或者具體如何回答。基於模型選擇的架構讓這款應用在競爭力上幾乎能立刻追平任何多模型封裝器，但它也在不聲不響中，把 Chat 產品從核心網絡敘事中分離開來。至於這種分離對用戶是否重要，或者對 $OPG token 的經濟學是否重要，那是另一個問題了。

今天深入研究了@OpenGradient 的經濟文件——具體追蹤$OPG 應該如何作爲實時推理支付通道運作。Foundation的推介很乾脆：每一次已驗證的AI調用都在OPG上、在Base完成結算——無需API密鑰、無需信用卡，只有一個錢包。直接的需求與算力綁定。#OPG
好吧等等。CoinGecko目前顯示$OPG 過去七天下跌了19.4%——比更廣泛市場的5.3%跌幅還要差——過去24小時成交額爲3280萬美元，而市值爲2397萬美元。也就是在普通交易日裏，成交額與市值的比值爲1.37:1。Yahoo Finance顯示流通供應量爲1.976億，4月21日TGE之後新增的不過只有760萬枚代幣。其他所有東西——團隊、投資者、顧問——都鎖定12個月。
所以自由流通盤仍然很薄，賣方羣體也很窄，但代幣卻還是在周度層面壓縮了19%。如果推理需求信號確實在顯現，你至少會期待它能在某些層面給那部分稀薄的賣壓墊個底。但目前還沒有。
也許推理的成交量相對投機資金確實很小——這是早期階段的現實。也許還有我沒考慮到的結算延遲。但“OPG價格真實反映AI算力”與“OPG在平淡的一週裏以1.37倍成交額/市值下跌19%”之間的差距，對我來說依然沒有被彌合。

在花時間閱讀 @OpenGradient 的文檔之後，留在我腦海裏的並不是驗證架構本身——而是默認設置所揭示的關於平臺經濟的東西。大多數 AI 服務按使用量定價：token 進來，token 出去。$OPG 的方式不一樣。它在任何事情運行之前就有一個固定的 token 前置要求，而結算默認值——BATCH_HASHED，而不是 ZKML 或 PRIVATE——清楚表明該平臺並不是在售賣證明的細粒度能力。它賣的是以固定入場成本來參與基礎設施。其潛臺詞很安靜：在推理逐漸變成商品的世界裏，可防守的層也許根本不是計算本身，而是圍繞計算的協調機制。#OPG 的架構押注：默認值會成爲標準；而定義默認驗證外層的那個人，捕獲的價值不在於每一次推理，而在於開發者關係本身。至於這會是持久的護城河，還是一處溫和的收費站，文檔並沒有給出答案。

關於 MemSync 讓我印象最深的，不是某個功能——而是它在堆棧中的位置。@OpenGradient 構建 $OPG ，圍繞可驗證推理：可信執行環境（TEE）機密隔離區、ZKML 證明，以及結算模式，讓你在結果被接受之前自行選擇你需要多少信任。#OPG 的賣點是可審計計算。但 MemSync——負責讓 AI 代理在跨會話之間保持連續性，讓模型的行爲不再像無狀態函數，而更像某種會記得的東西——卻位於該驗證邊界之外。推理會被證明。餵給它的記憶不會。因此你可以驗證該代理在那一刻得出的結論，但卻無法驗證它在形成結論時所依據的、累積的上下文。嚴格來說，這並不是 bug——如果把同樣的證明開銷用於推理與持久記憶，那麼在架構上會非常殘酷，而也許這種落差之後會被彌合。但這意味着，這個系統裏的信任邊界只停留在計算層，而不是覆蓋完整的決策過程。我一直在想，當“被驗證”的只是最後一步時，“可驗證 AI”到底意味着什麼。

我在瀏覽 @OpenGradient 的文檔時反覆回到的一點：這個項目將自己定位爲“AI 經濟”的基礎設施，其中 $OPG 被放在一個可驗證推理（verifiable inference）的結算層位置，而 #OPG 則出現在 Web3 AI 的討論中，彷彿執行層是與模型無關（model-agnostic）的。文檔裏更安靜但關鍵的一點是：它有格式限制——模型作爲網絡上的 ONNX 文件運行。ONNX 對傳統機器學習、緊湊型神經網絡架構以及可復現的推理流水線來說是個不錯的選擇，但它並不是當下大多數生產級大型語言模型或基礎模型（foundation model）部署的方式。大型 Transformer 要在規模化條件下無縫遷移到 ONNX，往往需要在精度上做取捨，或者得藉助架構層面的規避方案。因此，“AI 基礎設施”裏的“AI”更接近“可驗證的 ONNX 執行”，而不是人們在當下說“AI”時通常指的那種推理層。這個限制並非致命——鏈上可驗證的 ML 推理是一項具體且真實的技術能力——但這意味着該項目正在爲比敘事所暗示更窄的一類模型構建信任基礎設施。至於執行層是否會擴展到覆蓋真正驅動當前需求的模型，或者 ONNX 這個約束是否會悄悄地決定整個網絡將用於什麼場景，目前還沒有定論。

當我開始閱讀OpenGradient在代理信任方面的定位時，我原本期待找到一個封裝代理決策循環的驗證系統。結果我發現的卻更爲狹窄：@OpenGradient 的$OPG 基礎設施驗證特定模型調用在證明下產生的特定輸出——基於TEE或ZKML——但代理本身並不是信任的單位。驗證的邊界始於推理調用，也止於推理調用。代理如何處理該輸出——下游動作、工具調用、下一個提示構建——發生在驗證邊界之外。通過MemSync，內存作爲一個獨立的REST層操作，並未進入鏈上驗證記錄。因此，當#OPG 描述一個“AI代理的信任層”時，精確性偏離了一個抽象層次：這是一個針對代理可能包含的單個推理步驟的信任層，而不是針對代理整體行爲的信任層。這個區別在現在可能不那麼重要，但一旦代理開始自主執行重要的鏈上操作時，它將變得至關重要。那時，什麼得到證明——什麼沒得到證明——將定義“可信賴”實際意味着什麼。

關於 "數字雙胞胎 " 這個詞在我閱讀 Twin.fun 的 OpenGradient $OPG #OPG @OpenGradient 架構文檔時，總讓我回想起來。這個詞暗示着一個個人的複製品——一種鏡像你身份的 AI，某種在意義上屬於你的東西。但創作者文檔將 "數字雙胞胎 " 描述爲一個 16 字節的鏈上數據，其元數據存儲在 Walrus 的鏈外，所有權默認歸第一個以零供給購買的任何錢包，如果沒有預映射的話。首先列出的主要創作者福利並不是模型控制或訓練權利——而是通過類似 FriendTech 的綁定曲線在關鍵交易中的收益分享。你真正擁有的是一個在投機性訪問市場中的費用接收者位置。AI 本身，智能層，並沒有被描述爲你可以訓練、配置或以任何託管方式持有的東西，文檔也沒能指出。我一直在想 "個人 " 在個人 AI 中是否指的是一些尚未在合約層捕捉到的架構，或者它是否在做一些完全不同的事情。

在OpenGradient的宣言和其融資語言之間，有一種微妙的轉變我一直在反覆閱讀。$OPG , #OPG , @OpenGradient 在 "由用戶擁有的智能" 這條線上建立了自己的身份——加密的記憶庫、主權數據、一個承諾，如果你的數據改善了模型，你作爲共同創作者與用戶不同，可以分享上行收益。但是四月份的融資公告以不同的方式描述了同一網絡：一個 "開發者擁有其產品所依賴的智能" 的基礎設施。兩個不同的所有者，兩份不同的文件，相隔數月。因此，我檢查了用戶級的聲稱實際上在系統中的位置。模型中心的文檔結構——庫、發佈、文件——包含名稱、描述、許可證和標籤的元數據，所有這些都是由上傳者在模型級別設置的。我找不到一個字段、一個合同或一個機制來追蹤誰爲模型提供了數據或他們應得的報酬。分叉和審計工具確實是無權限的，但它們是爲管理庫的開發者構建的SDK和CLI功能，而不是爲最初訓練這個東西的人的上下文。我不知道這是否是一個早期階段的缺口，還是架構本來就會如此解決。

花了一下午在OpenGradient的圖像生成部分轉悠，爲CreatorPad任務，期待着通常的“選擇模型，輸入提示”的流程。@OpenGradient ($OPG , #OPG ) 將圖像工作室宣傳爲跨多個模型的創意自由，技術上來說這是對的——你可以瀏覽模型中心並運行不同的架構。讓我感興趣的是底層的東西：每次生成仍然通過x402作爲付費推斷調用，結算在Base上，而你選擇多少寫入鏈上——私密、批量哈希或完全可審計。“自由”部分在接口層面上是真實的；摩擦出現在更早的一個步驟，你需要一個已經持有$OPG 的錢包，才能讓任何模型對你做出響應。這設計並不差，驗證總得以某種方式付費，但它重新定義了這裏“訪問”的含義。一個隨意探索風格的用戶每次都在做一個計量的鏈上決策，即使UI隱藏得很好。我還不知道這是否會隨着習慣變得無形，或者是否會悄悄篩選出那些在第一次免費嘗試後仍然繼續生成的人。

花了最後的時間追蹤OpenGradient的各個部分是如何連接的——模型、記憶、代理——結果卻在一個函數簽名上盯了太久，不得不承認。$OPG , #OPG , @OpenGradient ... 文檔將三者都稱爲一個棧，生態系統的框架暗示了一個單一的神經系統。但在Python SDK中的llm.chat()只接收一個消息列表，什麼都不再需要——沒有user_id，沒有記憶鉤子，沒有上下文參數。MemSync，長期記憶層，作爲一個完全獨立的REST API存在，其文檔也在不同的域名（memchat.io）下託管，而不是opengradient.ai。因此，想要同時擁有驗證推斷和持久記憶的代理必須手動從一個系統中獲取事實，並將其注入到另一個系統的消息數組中，然後再寫回新的事實。沒有任何東西強制這個循環發生，SDK中也沒有假設這將會發生。我一直期待能找到粘合代碼，也就是調用LLM時自動觸及記憶的部分，但它現在...還不存在。也許這對現在來說沒問題，也許這是一個仍在測試網中的基礎設施公司的顯而易見的操作順序。仍然在想這裏的“生態系統”是指集成還是僅僅是相鄰。

關於OpenGradient的驗證架構，有些內容在我深入理解後才真正領悟到：$OPG #OPG @OpenGradient 這個項目圍繞可驗證的AI推斷展開——也就是說，你可以證明一個模型的運行是正確的，而不需要信任操作員。這個框架依賴於ZKML，雖然這是真實存在的，但對於目前任何實際規模運行的模型來說，計算成本高得令人望而卻步。該協議實際上默認的是TEE認證——由英特爾和AMD硬件支持的可信執行環境。這兩者並不相同。ZKML給你的是數學證明；而TEE則是硬件製造商的認證，證明執行環境沒有被篡改。前者不需要超出數學的信任假設，而後者則是將信任悄然從操作員轉移到了硅供應鏈上。我認爲這並不否定該項目——TEE相較於未經檢驗的推斷是一個重要的改進——但“密碼學驗證的AI”和“在可信硬件上認證的執行”之間存在差距，這個敘述往往被壓縮。一個有趣的問題是ZKML是否能夠在規模上變得計算可行，或者TEE是否會悄然成爲永久的默認選擇。

我去看看@OpenGradient （$OPG ，#OPG ）在實際中如何處理隱私，而不是主頁上如何框定它，答案在SDK本身中出現。聊天和完成函數的默認結算模式是BATCH_HASHED：每個推理調用，除非你明確覆蓋它，否則會被打包到一個Merkle樹中，輸入和輸出哈希會在鏈上寫入。也存在一個PRIVATE模式，完全離鏈，沒有任何發佈，但這是你必須知道的一個參數，在你請求它之前，默認情況下並不會運行。TEE層確實會保護你的原始提示不被節點操作員看到，因此隱私聲明並不虛假，只是比着陸頁上聽起來的要安靜和狹窄。這裏所謂的“私密”實際上是兩個不同的保證疊加在一個詞下，執行隱私和結算隱私，而只有第一個是默認開啓的。我發現自己在其他協議中也這樣做，將一個形容詞解讀爲覆蓋產品所做的一切，而不是檢查它描述的是哪個具體層。好奇OpenGradient是否會改變這個默認設置，或者是否成本效率會悄悄地贏得這個論點。
#OPG

在閱讀OpenGradient的$OPG 聊天架構以完成CreatorPad任務時，有一個細節讓我停下了腳步：中繼節點和推理網關的設計使得它們只知道任何給定請求的一半。@OpenGradient的無知HTTP中繼只看到你的IP地址，其他什麼都看不見，只是經過的加密字節，而TEE隔離的網關在一個封閉的環境中解密提示，但永遠不會知道是誰發出的。#OPG 將其框架化爲以隱私政策換取證明，因爲封閉環境的證明讓任何人都可以確認正在運行的代碼與所聲稱的匹配，而不是單純信任公司的意圖。那部分是成立的。我一直在反覆思考的是可驗證與已驗證之間的距離——無論是否有人提取證明記錄並檢查，保證在結構上都是現實的，而幾乎沒有人會去做。因此，系統在某種程度上是誠實的，而這種誠實是政策無法做到的，但對於除了少數真正查看的人之外，這種誠實大多是理論上的。如果沒有人去兌現，保證算不算數？
@OpenGradient
#OPG

我正在執行任務時檢查了 DeFiLlama 上 uniBTC 的實際鏈條分解——這與 @Bedrock _DeFi 所說的並不一致，只是現在 TVL 的位置。Bedrock ($BR , #Bedrock ) 市場將 uniBTC 標記爲在 15 個以上生態系統中解鎖的比特幣參與。這個數字是真的。差價並不如此。
總計 $458.83M。比特幣原生：$182M。以太坊：$132M。模式：$86M。三條鏈的總計爲 87%。Base — 這是一個專門的公告 —— 擁有 $232。不是 $232M，而是 $232。Berachain，在 Boyco 活動後，吸引了近 1,000 BTC：$57,430。
所以“跨生態系統的新可能性”層技術上是在線的。只是在大多數鏈上幾乎處於零運行狀態。架構是真的。流動性引力並沒有跟隨它。
6 月 20 日距離現在還有七天——40.63M BR 將解鎖給創始團隊和種子投資者。veBR 持有者投票決定激勵流向何處。獲得這些代幣的團隊和種子輪可以鎖定治理並推動在薄弱鏈上的影響力。或者他們不這樣做。
這讓我想知道：uniBTC 是否真的解鎖跨生態系統的比特幣參與，還是主要確認比特幣流動性已經舒適地走向了哪裏？
#Bedrock
@Bedrock

完成了Bedrock任務。讓我一直關注的不是產品架構，而是解鎖時機。
$BR / #Bedrock / @Bedrock 。6月20日。距離解鎖還有八天。將釋放4063萬代幣——2500萬給創始團隊，1563萬給種子投資者。總計421萬美元，佔供應的4.1%，在實時解鎖追蹤器上就在那裏。這就是在“核心流動性層”敘述下悄然存在的鏈上事實。
架構並不錯。uniBTC、brBTC、Chainlink PoR、多鏈通道進入Babylon、Pell和Kernel——有人認真思考了BTC在DeFi堆棧中的流向。而veBR模型則應該是對抗這種壓力的平衡力量。鎖定BR，賺取veBR，提升收益和治理權重。理論上在解鎖窗口前減少流通供應。
但週轉率是0.192。很薄。現在我找不到關於有多少BR實際上鎖定在veBR中與處於流動狀態的乾淨數據。該模型在採用速度超過解鎖供應時纔有效。這是一個真實的條件。
“流動性層”是一個未來狀態的聲明。今天更接近於流動性意圖層。
仍然對此差距感到困惑…

在回顧 Bedrock (@Bedrock_DeFi) 時讓我印象深刻的並不是多鏈擴展本身，而是當底層資產爲比特幣時，這種擴展實際上是如何運作的。該協議的 uniBTC 和 brBTC 位置 #Bedrock 旨在在以太坊、BNB 鏈和其他網絡中競爭流動性比特幣。但在多個鏈上分配並不聚合流動性——它實際上是將流動性分割開來。可能在一個鏈上創造出有意義的深度的相同抵押基礎，在多個鏈上卻被拉得很薄，這意味着每個單獨的部署最終比總體 TVL 數字所暗示的要薄弱。標題數字看起來像是規模；每個鏈的深度則講述了一個更安靜的故事。在大多數多鏈策略中，這種結構性張力比其他地方更爲重要，因爲 veBR 模型依賴於 $BR 持有者相信該協議在這些鏈上擁有真正可用的流動性影響力。如果流動性是真實存在的，但又是碎片化的，那麼影響力就是真實存在的，但卻被稀釋了。無論這種碎片化是在 Bedrock 增長時得到解決，還是成爲任何單一協議在競爭網絡中現實上可以整合的比特幣流動性的永久天花板——我還沒有得出結論。\n@Bedrock \n$BR \n#Bedrock

我在@Bedrock _DeFi任務上的時間比我預期的要長。遠看，BTCFi的理論看起來很乾淨——$BR ，veBR，計量投票，多鏈BTC收益。這種架構在簡報中讀起來不錯。
但真正讓我印象深刻的是：Bedrock的Binance錢包IDO在TGE時超額認購了9,653%。這不是技術信號。這是分發信號。uniBTC早期沒有贏得競爭是因爲它在技術上超越了對手——而是因爲它進入了Binance的視野。
而現在，6月20日還有十天。40.63M BR解鎖——25M給創始團隊，15.63M給種子投資者，按今天的價格合計$4.21M。過去一週大約下跌了12%。veBR模型旨在實現社區治理。但最終擁有最多鎖定權力的地址是那些通過閉輪訪問而不是通過開放計量參與獲得分配的地址。
等等——如果BTCFi的實際瓶頸是分發，而不是工程，計量模型的優雅還有什麼意義？還是說它主要管理的是一個在TGE時已經做出的分發決策的戰利品，而當時大多數社區成員並不在場？
#Bedrock

讓我停下滑動的是一個簡單的問題：如果每個存入@Bedrock 的BTC都通過uniBTC轉化爲活躍資本，那麼究竟是什麼在維持其價值的穩定？圍繞$BR 和更廣泛的#Bedrock 論點的市場營銷是清晰的——你的比特幣無需離開你的手中就能賺取收益——但在實際機制上，我不斷得出同樣的依賴關係：重新質押收益是下游需求。AVS必須希望獲得經濟安全，並且要持續爲此付費，而這個市場仍然處於早期階段，依然不平衡。當AVS在早期週期的入駐放緩時，EigenLayer相關協議的重新質押收益明顯下降，而Bedrock正好繼承了這種變動。資本確實變得活躍——這一點是真的。但這裏的穩定性並不是協議能夠保證的；它存在於一個更低的層面上，這個層面仍在尋找其對依賴於它的網絡的實際價值。我認爲這並不意味着設計不誠實，但收益比特幣的承諾實際上是某種更結構性、且不穩定的東西的代理，而不是“活躍資本”所暗示的。

在#Bedrock ($BR )的論文中，有些東西一直在我心裏縈繞。在@Bedrock_DeFi的uniBTC和brBTC確實做到了核心前提所聲稱的——它們將閒置的比特幣引導到DeFi基礎設施中產生收益的位置。這部分是真實可測的。但當我開始追蹤經濟價值實際落在哪裏時，情況變得複雜。該代幣並不會自動繼承比特幣的激活。存在一個veBR層，在協議級收益和代幣持有者經濟之間——一個治理鎖，這意味着普通持有者的位置是在活動的旁邊，而不是內部。比特幣在產品層面上變得有生產力。手續費累積到協議中。但這些手續費最終是否會轉化爲$BR 代幣的價值，依賴於一個大多數參與者可能並沒有積極參與的治理模型。比特幣從儲存到活躍的轉變發生在基礎設施層面。讓我無法擺脫的問題是：這一轉變是爲整個生態系統而發生，還是主要是爲了已經在治理結構內的參與者。
@Bedrock
$BR
#Bedrock