#OPG @OpenGradient
Chicos, la semana pasada ayudé a un amigo a navegar en el panorama de modelos de AI. Ella seguía preguntando cuáles realmente importan. Y, honestamente, no pude darle una respuesta clara.
La mayoría de los modelos aparecen, se hypean y luego desaparecen. Unos pocos se quedan porque los desarrolladores siguen volviendo, los usuarios siguen realizando inferencias, y las actualizaciones siguen llegando. Pero no hay un sistema de clasificación. No hay un mercado que decida en silencio cuáles tienen poder de permanencia.
Ahí es donde el hub de modelos de opengradient llamó mi atención. Tienen más de 4,500 modelos hospedados, de más de 100 desarrolladores. Historial de versiones, perfiles públicos, categorías, un playground para pruebas. Ya no se siente como un repositorio. Se siente como un mercado.
Los mercados de acciones no deciden qué compañías ganan, la gente lo hace. Aquí es lo mismo. Ya se han procesado más de 2 millones de inferencias verificables. Los modelos no solo están listados. Están siendo utilizados. Cada inferencia necesita pago y verificación a través de $OPG . Los validadores verifican pruebas computacionales antes de que la actividad se comprometa. Más uso significa más demanda por esa capa de coordinación.
Encontré cuatro bugs probando la carga de modelos e inferencias: carga de blob fallida a walrus, el reintento funcionó, la verificación de attestación de tee se retrasó bajo solicitudes concurrentes, la generación de prueba zkml se agotó en modelos complejos, y un glitch de versionado de modelo donde el versionado semántico no se mapeó correctamente. Todo aislado. Sin fallas en cascada.
La separación de ejecución y verificación, consenso cometbft, arquitectura haca, pipe para ml on chain hace que el hub se sienta como infraestructura, no solo almacenamiento.
El futuro podría no ser construir la mayor cantidad de modelos.
Podría ser observar al mercado decidir en silencio cuáles importan.
Entonces, ¿cuándo deja un modelo de ser un archivo y comienza a convertirse en una economía?
$OPG
Chicos, la semana pasada ayudé a un amigo a navegar en el panorama de modelos de AI. Ella seguía preguntando cuáles realmente importan. Y, honestamente, no pude darle una respuesta clara.
La mayoría de los modelos aparecen, se hypean y luego desaparecen. Unos pocos se quedan porque los desarrolladores siguen volviendo, los usuarios siguen realizando inferencias, y las actualizaciones siguen llegando. Pero no hay un sistema de clasificación. No hay un mercado que decida en silencio cuáles tienen poder de permanencia.
Ahí es donde el hub de modelos de opengradient llamó mi atención. Tienen más de 4,500 modelos hospedados, de más de 100 desarrolladores. Historial de versiones, perfiles públicos, categorías, un playground para pruebas. Ya no se siente como un repositorio. Se siente como un mercado.
Los mercados de acciones no deciden qué compañías ganan, la gente lo hace. Aquí es lo mismo. Ya se han procesado más de 2 millones de inferencias verificables. Los modelos no solo están listados. Están siendo utilizados. Cada inferencia necesita pago y verificación a través de $OPG . Los validadores verifican pruebas computacionales antes de que la actividad se comprometa. Más uso significa más demanda por esa capa de coordinación.
Encontré cuatro bugs probando la carga de modelos e inferencias: carga de blob fallida a walrus, el reintento funcionó, la verificación de attestación de tee se retrasó bajo solicitudes concurrentes, la generación de prueba zkml se agotó en modelos complejos, y un glitch de versionado de modelo donde el versionado semántico no se mapeó correctamente. Todo aislado. Sin fallas en cascada.
La separación de ejecución y verificación, consenso cometbft, arquitectura haca, pipe para ml on chain hace que el hub se sienta como infraestructura, no solo almacenamiento.
El futuro podría no ser construir la mayor cantidad de modelos.
Podría ser observar al mercado decidir en silencio cuáles importan.
Entonces, ¿cuándo deja un modelo de ser un archivo y comienza a convertirse en una economía?
$OPG