La pieza faltante de los mil millones: por qué blockchain necesita autorización previa a la transacción
Sigo volviendo a una pregunta que se siente casi demasiado obvia, lo cual suele ser una señal de que una industria ha aprendido a vivir alrededor de una pieza que falta en lugar de arreglarla. ¿Por qué es que cada vez que toco mi tarjeta en una cafetería, mi banco comprueba si el pago debería ocurrir antes de que el dinero se mueva, mientras que en una blockchain, millones de dólares pueden quedar comprometidos en el momento en que se paga el gas, incluso si la transacción era claramente arriesgada desde el principio? Esa diferencia no es solo técnica. Está moldeando en silencio la economía de Web3.
Todos comparan las herramientas de seguridad de Web3 por lo bien que explican qué salió mal. A mí me interesa más por qué hemos aceptado que primero tiene que ocurrir el fallo.
El problema real no son mejores informes forenses. Es una industria construida para reaccionar después de que el valor ya se ha movido. Esa es una definición extraña de la seguridad.
Newton llamó mi atención porque cuestiona esa suposición. En lugar de tratar la seguridad como un informe posterior al incidente, explora si las acciones riesgosas pueden evaluarse antes de ejecutarse. Eso parece una dirección más útil, aunque no eliminará todas las amenazas.
No estoy convencido de que un solo proyecto vaya a resolver la seguridad en Web3. Pero sí creo que estamos haciendo la pregunta equivocada.
El futuro de la seguridad no se definirá por quién explica mejor los ataques; se definirá por quién impide que se conviertan en historia.
Cuanto más tiempo paso explorando DeFi impulsado por IA, más me doy cuenta de que el verdadero reto nunca fue la falta de datos. Es el esfuerzo constante de convertir señales fragmentadas en decisiones que realmente tengan sentido. Las tasas de financiación, los cambios en la liquidez, los costos de gas y el sentimiento del mercado compiten por la atención, pero rara vez producen claridad por sí solos.
Lo que me llamó la atención de BitQuant de OpenGradient es cómo replantea este problema. En lugar de pedir a los usuarios que conecten manualmente docenas de piezas móviles, la experiencia comienza con la intención. Expresar un objetivo en lenguaje natural y dejar que se traduzca en acciones automatizadas en la cadena (onchain) se siente como un paso significativo para reducir la carga cognitiva, más que como simplemente añadir otro panel. BitQuant hace que la ejecución se sienta más simple, pero también me recordó que la simplicidad no elimina la complejidad: la cambia de lugar.
Al mismo tiempo, he llegado a entender que la automatización no elimina el juicio. Lo traslada. Las suposiciones incrustadas en los prompts, los parámetros y los modelos se convierten silenciosamente en las decisiones que antes tomábamos nosotros. Es fácil olvidarlo cuando todo parece integrado sin fricción.
Esto se vuelve aún más importante cuando cambian las condiciones del mercado. Una estrategia que funciona bien en un ciclo puede convertirse rápidamente en una fuente de riesgo si las suposiciones detrás de ella nunca se vuelven a revisar. Aunque la IA puede mejorar la velocidad y la consistencia de la ejecución, la confianza real proviene de saber en dónde se aplica el razonamiento del modelo y en dónde aún debe intervenir el juicio humano.
La lección más grande para mí es que la abstracción debería crear una mejor conciencia, no menos.
¿Crees que el DeFi impulsado por IA debería priorizar reducir la complejidad del usuario o hacer que las suposiciones del modelo sean más transparentes, incluso si eso crea una experiencia más práctica?
He experimentado con un montón de herramientas de generación de imágenes durante el último año, y hubo algo que siempre se quedó rondándome en la cabeza: cada prompt se sentía como si estuviera entregando algo. Incluso cuando los resultados eran impresionantes, nunca terminaba de sentirse como un espacio creativo privado.
Probar Seedream 4.0 dentro de @OpenGradient Chat Image Studio cambió esa perspectiva para mí. La calidad de la imagen destacó de inmediato: detalles notablemente nítidos y resultados fotorrealistas, pero lo que más se me quedó fue saber que mis prompts seguían siendo míos. No se estaban convirtiendo en material de entrenamiento de forma silenciosa ni en parte del conjunto de datos de otra persona.
Esto cambia la experiencia de manera sutil pero significativa. Me encontré experimentando con más libertad, explorando ideas inacabadas sin dudar de si eso dejaría una huella permanente. Para los creadores, ese tipo de privacidad no es solo una característica técnica. Es la libertad de pensar en voz alta, refinar conceptos y crear sin sentir que te están observando.
La mayoría de las plataformas creativas te piden que intercambies la propiedad por comodidad. Esta propuesta se siente diferente porque respeta tanto el trabajo como el proceso que hay detrás.
Las mejores herramientas creativas no solo generan mejores imágenes. Crean un entorno en el que puedes explorar tus ideas con confianza, sabiendo que tu creatividad te pertenece de principio a fin.
En los últimos días, he estado pasando más tiempo usando @OpenGradient Chat, y lo que destacó no fue solo la IA en sí, sino lo intencional que se siente la experiencia. En lugar de parecer otra plataforma compitiendo por la atención, se siente como un espacio donde usar IA puede ser más privado, más impulsado por el usuario y menos dependiente de los modelos centralizados habituales.
Eso también me hizo prestar más atención a lo que OpenGradient ha compartido sobre la Temporada 2. Si te perdiste la S1, esto se siente como una forma práctica de involucrarte. OpenGradient ya ha confirmado que viene un airdrop de S2 OPG, y aunque los criterios completos de elegibilidad aún están por anunciarse después del TGE, han dejado claro que mantenerse activo en sus productos y en su comunidad es la dirección a tener en cuenta. Usar OpenGradient Chat con créditos comprados parece ser una de las formas más sencillas de participar mientras, de hecho, aprovechas la plataforma en el uso diario.
Me gusta que el incentivo esté alineado con un uso real en lugar de pedirle a la gente que complete tareas interminables. Si ya estoy recurriendo a la IA para investigar, redactar u organizar ideas, prefiero hacerlo en un lugar que fomente la participación real en vez de la actividad superficial.
Si todavía no lo has probado, empieza a usar OpenGradient Chat hoy y comienza a construir tu actividad on-chain antes de que se anuncien los criterios de la S2.
Por supuesto, cualquier elegibilidad futura para airdrops sigue estando sujeta a los términos oficiales de OpenGradient. Para mí, la idea más importante es que usar un producto que realmente encuentras útil siempre es un mejor punto de partida que perseguir recompensas únicamente.
¿Y si el mayor cuello de botella para la IA ya no fuera la calidad del modelo, sino la infraestructura?
La mayoría de las conversaciones sobre IA se centran en quién tiene el modelo más inteligente. Pero una realidad que se pasa por alto es que los modelos se están volviendo cada vez más accesibles. El desafío más difícil es construir sistemas donde los modelos, los pagos, el almacenamiento, la identidad y la memoria puedan funcionar juntos sin depender de un puñado de plataformas centralizadas.
Ahí es donde se pone interesante.
Gran parte del ecosistema de IA de hoy todavía depende de repositorios centralizados, proveedores de nube y accesos controlados por la plataforma. Si un servicio desaparece, cambia sus políticas o restringe el acceso, aplicaciones enteras pueden verse afectadas de la noche a la mañana. El riesgo no es solo técnico. Es económico.
Lo que destaca sobre @OpenGradient es que está intentando conectar varias piezas que faltan en lugar de centrarse únicamente en la inferencia. Un Model Hub descentralizado respaldado por el almacenamiento de Walrus aborda la disponibilidad del modelo. El x402 Gateway introduce un marco de pago por llamada para las interacciones de IA. PIPE acerca la ejecución del machine learning a entornos on-chain. Mientras tanto, MemSync y Twin.fun exploran algo que mucha gente subestima: la memoria persistente y la identidad digital para agentes autónomos.
La pregunta más amplia no es si la IA se volverá más autónoma. Es si esos agentes seguirán dependiendo de infraestructura centralizada a medida que ganen capacidad.
Si los agentes autónomos eventualmente gestionan pagos, toman decisiones y mantienen interacciones a largo plazo, las capas descentralizadas de memoria, identidad y ejecución podrían volverse igual de importantes que los propios modelos.
¿Qué crees que se convierta en la capa más crítica para la IA autónoma en los próximos cinco años?
Cuanto más tiempo paso observando la intersección entre la IA y las criptomonedas, más noto una extraña contradicción.
Muchos proyectos se comercializan como "IA Web3", pero cuando miras debajo de la superficie, la propia inteligencia a menudo proviene de los mismos sistemas centralizados y de caja negra en los que hemos confiado durante años. La interfaz puede ser descentralizada, pero la parte más importante, la capa de toma de decisiones, aún exige confianza. Ese descubrimiento cambió la forma en que pienso sobre el sector.
Las criptomonedas no se construyeron solo por comodidad. Se construyeron sobre la verificación. Sobre reemplazar "confía en mí" por sistemas que puedan demostrar lo que ocurrió. Entonces, si las salidas de la IA influyen en la actividad en cadena, en decisiones de gobernanza o en resultados financieros, ¿no debería la propia inteligencia sujetarse al mismo estándar?
Por eso, la idea de una IA verificable me parece mucho más importante que el flujo interminable de bots de IA, paneles y integraciones impulsadas por el hype. Cambia la atención de lo que la IA puede hacer hacia si sus salidas realmente pueden confiarse.
Lo que llamó mi atención sobre @OpenGradient es que aborda el problema desde la capa de infraestructura en lugar de desde la capa de aplicación. En vez de añadir otra función de IA, se centra en hacer que la inteligencia sea verificable dentro de entornos que se diseñaron desde el primer día para la transparencia.
Para mí, esa es la narrativa que gran parte del mercado está pasando por alto. La oportunidad real quizá no esté en los productos de IA que todo el mundo ve, sino en los protocolos que, en silencio, resuelven el problema de la confianza que hay debajo.
Apreciamos el compromiso del equipo de CreatorPad de mantener la calidad del contenido y garantizar un entorno justo para todos los participantes.
Las directrices claras ayudan a los creadores a centrarse en ofrecer ideas genuinas, discusiones reflexivas y aportes relevantes para el proyecto que añaden un valor real al ecosistema.
Con ganas de ver más contenido auténtico y de alta calidad, y una comunidad más sólida basada en la transparencia, la creatividad y la participación significativa...
OpenGradient también necesita una buena revisión 👀
Binance Square Official
·
--
Hemos notado que algunas publicaciones recientes de CreatorPad han usado contenido no relacionado con el proyecto, como notificaciones de Alpha, airdrops, para impulsar el tráfico de manera indebida. A partir del 2026-06-26 00:00 (UTC), dichas publicaciones con contenido irrelevante se reducirán en el cálculo de puntos. Los usuarios que utilicen repetidamente contenido irrelevante para el cultivo de tráfico serán descalificados de la campaña.
Además, gracias por los reportes de los usuarios, hemos verificado las actividades de las cuentas relacionadas con las campañas de CreatorPad y hemos identificado las siguientes infracciones de acuerdo con los T&C de CreatorPad,
@BlockSamurai editó previamente publicaciones con alto nivel de participación y las volvió a enviar, y será descalificado de las campañas OpenLedger, Bedrock y Genius CreatorPad GlobalLeaderboard. https://www.binance.com/en/square/post/328902927590561 https://www.binance.com/en/square/post/329285740074690 https://www.binance.com/en/square/post/329632281241426
@NIMAT 02 editó previamente publicaciones con alto nivel de participación y las volvió a enviar, y será descalificado de la campaña Bedrock CreatorPad GlobalLeaderboard. https://www.binance.com/en/square/post/330798348710338
@Kiani Usman Jarry @Ashkaf Farzana participaron en un sobre rojo en la campaña OpenLedger, @RaYa雷亞29 participó en un sobre rojo en la campaña Genius, @Leebanon participó en un sobre rojo en la campaña Bedrock; estas cuentas serán descalificadas de las campañas correspondientes. https://www.binance.com/en/square/post/327088019906609 https://www.binance.com/en/square/post/325098956741986 https://www.binance.com/en/square/post/327570365744402 https://www.binance.com/uk-UA/square/post/333948439411282
Caída de Precios de Joyas de Oro en China el 25 de Junio; Lao Feng Xiang Baja 26 Yuanes a 1,215 Yuanes/Gramo
Los precios de las joyas de oro en China cayeron el 25 de junio, con varias marcas importantes recortando sus precios cotizados para productos de oro de 24K desde el día anterior, según 36Kr. Lao Feng Xiang colocó el precio de sus joyas de oro de 24K en 1,215 yuanes por gramo, bajando 26 yuanes; Chow Sang Sang cotizó a 1,221 yuanes por gramo, bajando 19 yuanes; Chow Tai Fook fijó 1,222 yuanes por gramo, bajando 16 yuanes; y Laomiao Gold cotizó a 1,238 yuanes por gramo, bajando 7 yuanes.
Una cosa que me llamó la atención mientras exploraba @OpenGradient fue cómo aborda de manera diferente un problema que la mayoría de la gente rara vez piensa: ¿qué pasa cuando la IA y la blockchain necesitan trabajar juntas a gran escala?
Las blockchains tradicionales están construidas alrededor de una idea simple, cada validador vuelve a ejecutar cada transacción. Ese modelo tiene sentido para registros financieros porque el cálculo es relativamente ligero. Pero cuando comencé a pensar en los sistemas modernos de IA, especialmente en los modelos de lenguaje grandes, se hizo obvio que el mismo enfoque simplemente no encaja. Pedir a miles de nodos alrededor del mundo que repitan la misma inferencia masiva de IA para una sola transacción se siente menos como descentralización y más como un cuello de botella esperando a suceder.
Lo que encontré interesante sobre OpenGradient es su Arquitectura de Computación Híbrida de IA. En lugar de forzar el consenso de blockchain y la ejecución de IA en el mismo proceso, los separa. El cálculo pesado ocurre donde puede ejecutarse de manera eficiente, mientras que la validación permanece anclada en la cadena.
Esa distinción importa más de lo que podría parecer. Como usuarios, queremos aplicaciones inteligentes sin sacrificar transparencia, propiedad o confianza. También no queremos sistemas ralentizados por limitaciones arquitectónicas que nunca fueron diseñadas para la IA en primer lugar.
Cuanto más lo miraba, más sentía que era un reconocimiento práctico de que la IA y la blockchain tienen diferentes fortalezas. En lugar de forzar a uno a comportarse como el otro, OpenGradient deja que cada uno haga lo que mejor sabe hacer.
Para mí, ese es el verdadero cambio: no mayores reclamos o más complejidad, sino un diseño que hace que la IA avanzada se sienta compatible con sistemas descentralizados en lugar de restringida por ellos.
Una cosa que seguí notando mientras exploraba el Image Studio de OpenGradient no era la generación de imágenes en sí, sino lo poco que tenía que pensar en las diferencias entre los modelos.
Cualquiera que haya trabajado con múltiples proveedores de imágenes conoce la fricción. Un modelo espera una estructura de prompt diferente. Otro maneja las proporciones de aspecto de manera distinta. Algunos exponen escalas de guía y controles de semilla de maneras completamente diferentes. La experiencia a menudo se siente fragmentada, incluso cuando los modelos subyacentes son potentes.
Lo que me llamó la atención en Image Studio fue el esfuerzo puesto en hacer que esas diferencias se desvanecieran en el fondo. La interfaz se siente consistente, incluso cuando los sistemas detrás de ella no lo son. En lugar de adaptar mi flujo de trabajo cada vez que cambio de modelo, puedo mantenerme enfocado en la tarea creativa o de producto que tengo delante.
Como alguien que se preocupa tanto por la ingeniería como por la experiencia del usuario, encontré esto sorprendentemente significativo. Hay una sofisticación silenciosa en estandarizar los parámetros de generación, manejar comportamientos de tokenización variables y suavizar las diferencias de latencia sin obligar a los usuarios a entender cada detalle de implementación.
La mayoría de las herramientas de IA tradicionales exponen la complejidad primero y el flujo de trabajo segundo. OpenGradient parece abordarlo desde la dirección opuesta: preservar la flexibilidad, pero proteger el flujo.
El resultado no es solo una interfaz más limpia. Es un espacio de trabajo que se siente confiable. Y cuando la experimentación se vuelve fluida, la creatividad se vuelve más fácil de mantener. Para mí, eso es lo que realmente cambia la experiencia del usuario, no más controles, sino la confianza de que cada herramienta puede trabajar en conjunto sin interponerse en tu camino.
Una cosa que no esperaba al explorar @OpenGradient Chat era cuánto desaparece la fricción mental cuando todo vive en un solo espacio de trabajo.
La mayoría de los creadores de imágenes hoy en día terminan haciendo malabares con múltiples plataformas, suscripciones separadas y diferentes cuentas solo para comparar salidas entre modelos. Se convierte menos en crear y más en gestionar pestañas. Después de pasar tiempo dentro del panel de OpenGradient, noté que emergía una experiencia diferente: Gemini, ByteDance Seed y xAI sentados uno al lado del otro en un único entorno cifrado.
Lo que destacó no fue solo la conveniencia. Fue la sensación de continuidad. En lugar de cambiar constantemente de contexto, podía mantenerme enfocado en el problema creativo en sí. Un concepto podía moverse naturalmente entre modelos, con cada perspectiva ayudando a refinar la siguiente iteración sin romper el flujo.
También hay algo tranquilizador en tener un espacio de trabajo unificado en lugar de dispersar ideas, indicaciones y borradores a través de múltiples ecosistemas corporativos. Para los creadores cuyo trabajo depende de la experimentación, esa sensación de control y propiedad importa más de lo que la gente suele darse cuenta.
El resultado se siente menos como usar tres herramientas de IA separadas y más como trabajar dentro de un estudio creativo diseñado alrededor del usuario en lugar de la plataforma. En un espacio donde la atención está constantemente fragmentada, reunir modelos poderosos bajo un mismo techo cambia silenciosamente la experiencia.
El mayor cambio no es la tecnología en sí. Es la libertad de enfocarse en crear en lugar de gestionar las herramientas que crean.
En las últimas semanas, he estado utilizando IA para explorar casos extremos de contratos inteligentes, explotaciones de incentivos y escenarios económicos que no encajan perfectamente en un prompt estándar. Una cosa con la que seguí tropezando fue con la frecuencia con la que los modelos centralizados redirigían la conversación, se negaban a participar o enmarcaban la discusión a través de un lente predefinido.
Para los investigadores de DeFi y los hackers éticos, eso es una verdadera limitación. A veces, los insights más valiosos provienen de examinar posibilidades incómodas, modos de fallo y caminos de ataque antes de que sucedan en producción.
Lo que me llamó la atención mientras experimentaba con el despliegue privado de Nous Hermes de OpenGradient fue la sensación de libertad para pensar en esos escenarios sin interrupciones. El entorno se sentía menos como un asistente moderado y más como un sandbox lógico. No había sensación de que cada consulta estuviera siendo juzgada, filtrada o registrada. Solo había espacio para explorar ideas y seguirlas hasta sus conclusiones.
Esa diferencia importa en la práctica. Ya sea que estés auditando contratos, haciendo pruebas de estrés en la mecánica de tokens o evaluando estrategias de MEV, necesitas un entorno que te ayude a razonar a través de la complejidad en lugar de decidir qué preguntas son aceptables.
Las herramientas de IA tradicionales a menudo actúan como guardianes. Esto se sentía más como tener acceso a un espacio de trabajo privado donde la curiosidad pudiera dirigir el proceso.
Después de pasar tiempo con ello, llegué a una realización simple: el valor de un sistema de IA no es solo lo que sabe, es si le da a los constructores la libertad de pensar. Y esa libertad cambia fundamentalmente la experiencia de crear en Web3.
Una cosa que siempre me ha parecido extraña sobre la IA es lo a menudo que te olvida.
Puedes pasar semanas construyendo flujos de trabajo, refinando ideas, compartiendo preferencias, y luego comienza una nueva sesión y vuelves a ser una pizarra en blanco. Cada conversación comienza con el mismo ejercicio de establecer contexto. Con el tiempo, esa fricción se acumula.
Mientras exploraba @OpenGradient , MemSync se destacó porque aborda este problema de manera diferente. En lugar de tratar la memoria como una función encerrada dentro de una sola aplicación, actúa como una capa de memoria a largo plazo que puede llevar contexto a través de diferentes experiencias de IA.
Lo que encontré más interesante no fue solo la conveniencia. Fue el modelo de propiedad detrás de esto.
La mayoría de las plataformas mejoran la memoria al recopilar más datos de usuarios en sistemas centralizados. MemSync cambia esa suposición. Tu bóveda de memoria permanece encriptada y bajo tu control, permitiendo que los sistemas de IA recuerden lo que es relevante sin convertir tu contexto personal en otro activo para un corredor de datos corporativo.
Para las personas que trabajan en múltiples modelos, dispositivos y flujos de trabajo, esto se siente sorprendentemente práctico. La IA se vuelve más útil con el tiempo porque puede retener contexto significativo, mientras que la privacidad no tiene que ser sacrificada en el camino.
El resultado no es solo una mejor memoria. Es una relación diferente con la IA, una donde tu contexto te pertenece, te sigue donde elijas, y elimina la constante sensación de empezar de nuevo.