allobtoken
IA
Infraestructura
Descripción del Protocolo
Entendiendo Allora Network: Una Visión General Integral
Evan Zakhary
7 de enero de 2026 ⋅ 20 min de lectura
32 mins
Anuncio de Kraken
Perspectivas Clave
Allora introduce una capa de coordinación de inteligencia descentralizada construida sobre el Cosmos SDK, alineando el rendimiento del modelo, la demanda del consumidor y las recompensas de los contribuyentes a través de un bucle de retroalimentación en la cadena.
Allora Network utiliza consenso ponderado por participación a través de Reputers para asegurar que la inferencia, la previsión y la verificación converjan en una precisión medible. Los usuarios ganan recompensas proporcionales a su contribución única al rendimiento predictivo de la red.
La arquitectura alineada con los ingresos de Allora, que incluye tarifas de inferencia, patrocinios y cargos de servicio entre cadenas, crea un entorno que apoya la monetización de la red tras la entrega de inteligencia verificable.
El token ALLO potencia la participación en la red, la apuesta y la gobernanza, con un suministro fijo de 1 mil millones de tokens y un 2.5% reservado para el programa Allora Prime de nueve meses que apunta a un APY de hasta ~50% para los primeros apostadores y delegadores.
El mecanismo de financiación dinámica de temas de la red genera señales de mercado directas, asignando la atención de los contribuyentes a temas con demanda de usuarios demostrada.
Introducción
En los últimos años, ha surgido una ola de redes de IA descentralizadas para desafiar el dominio de las plataformas centralizadas. Estos sistemas combinan blockchain y aprendizaje automático para crear redes abiertas y transparentes donde cualquiera puede contribuir con modelos o datos. Al coordinar participantes independientes de IA, buscan construir inteligencia colectiva que mejora continuamente a través de la retroalimentación compartida. El cambio refleja la creciente preocupación de que los principales sistemas de IA (es decir, ChatGPT-5 de OpenAI y Claude de Anthropic) sigan aislados dentro de sus respectivas empresas tecnológicas, lo que hace que sus capacidades sean opacas y la personalización inaccesible para la comunidad de desarrolladores más amplia.
La red de Allora (ALLO) es una capa de coordinación auto-mejorativa construida sobre el SDK de Cosmos que agrega y evalúa las inferencias de modelos de aprendizaje automático contribuidas por participantes independientes. La arquitectura de Allora permite la agregación consciente del contexto utilizando modelos de pronóstico para reponderar dinámicamente las salidas de inferencia de acuerdo con las condiciones de datos en tiempo real y la fiabilidad pronosticada del modelo. La red entrega predicciones verificables como precios de activos, análisis y feeds de pronósticos a aplicaciones Web3 mientras mantiene la transparencia en cadena del rendimiento del modelo y los incentivos. Estas predicciones son probabilísticas en lugar de deterministas, reflejando la probabilidad de resultados que cambian a medida que evolucionan las condiciones subyacentes y se ajustan a cambios ambientales o de mercado. Cada tema financiado por los consumidores genera actividad económica a través de pagos en cadena en el token nativo de Allora, vinculando directamente el uso del protocolo con los ingresos. Desde el lanzamiento de la mainnet, Allora está estructurada para operar como un ciclo de retroalimentación donde la calidad de la inferencia, la demanda del usuario y las recompensas de los contribuyentes se refuerzan mutuamente, estableciendo una base escalable para la IA descentralizada.
Allora introduce dos innovaciones que gobiernan su diseño técnico y económico. La primera permite a los participantes pronosticar la precisión de las predicciones de otros, creando una red dinámica y consciente del contexto que se adapta a las condiciones cambiantes. La segunda define un marco de incentivos que recompensa a cada contribuyente según su impacto medible en la precisión colectiva, vinculando la compensación directamente al rendimiento.
Fondo de antecedentes
Allora Network, desarrollado por Allora Labs, fue fundado por Nick Emmons (Co-Fundador y CEO) y Kenny Peluso (Co-Fundador y CTO), con experiencia previa en Upshot, incorporando valoraciones de NFT y aprendizaje automático.
Allora Labs está compuesto por un conjunto de iniciativas conectadas que en conjunto forman su ecosistema de inteligencia descentralizada:
La red de Allora es la capa de protocolo que coordina inferencia, pronósticos y consenso. Como parte de Allora Labs, la red de Allora proporciona la base para construir y monetizar inteligencia descentralizada.
Forge, una plataforma para desarrolladores análoga a Kaggle, permite a los científicos de datos desplegar y monetizar modelos en entornos competitivos con estructuras de recompensas en cadena.
El lanzamiento de la mainnet de Allora representa la culminación de múltiples fases de prueba diseñadas para validar la precisión de la inferencia, la distribución de tarifas y la estabilidad de la red bajo condiciones reales. El protocolo transita de la evaluación de fase de prueba a un entorno de mainnet donde los incentivos están completamente operativos:
Testnet (2024–2025): La testnet de Allora produjo más de 692 millones de inferencias, 288,000 contribuciones de trabajadores y 55 temas. Los participantes ganaron Puntos Allora, convertibles en ALLO, ayudando a impulsar una comunidad de operadores tempranos. Herramientas principales para usuarios como el Explorador de Allora, el Tablero de Puntos y el grifo demostraron madurez operativa.
Beta de Mainnet para Desarrolladores (febrero de 2025): La fase orientada a desarrolladores se centró en verificar la lógica de apuesta, el peso de los temas y los módulos de emisión en un entorno controlado. Esta etapa también introdujo el programa de apuestas Allora Prime para probar la calibración temprana de recompensas.
Lanzamiento de la Mainnet (noviembre de 2025): La red de disponibilidad general de Allora activa funcionalidades clave generadoras de ingresos desde el inicio, incluyendo feeds de predicción impulsados por IA, operaciones de apuesta y validadores, herramientas para desarrolladores y contratos para consumidores entre cadenas.
Financiación y Desarrollo
El desarrollo de Allora Labs ha sido apoyado a través de cinco rondas de financiación importantes, totalizando aproximadamente $35 millones. Estas rondas han financiado el diseño y despliegue del protocolo de la red de Allora y su plataforma asociada (Forge).
A partir de noviembre de 2025, Allora Labs ha asegurado una ronda inicial de $1.26 millones (febrero de 2020), seguida de una Serie A1 de $7.5 millones (mayo de 2021), una Serie A2 de $22 millones (marzo de 2022) y una ronda estratégica de $3 millones (junio de 2024).
El lanzamiento de la mainnet de Allora introduce el token utilitario nativo del protocolo, ALLO. El token está diseñado para facilitar transacciones, pagar por acceso a inferencias y distribuir recompensas en función del impacto de las contribuciones. El lanzamiento incluye movilidad de tokens entre ecosistemas y capacidades de apuesta, con un rendimiento porcentual anual (APY) promedio esperado de aproximadamente el 12% para el primer año. La red de Allora planea lanzar Allora Prime, un programa de apuesta premium que durará nueve meses, orientado a recompensas de aproximadamente el 50% de rendimiento anual para apostadores y delegadores elegibles. Además, el Kit de Constructor Allora Forge simplifica el despliegue de modelos de aprendizaje automático (Trabajadores) en la red descentralizada, apoyando el objetivo de la red de establecer un estándar de IA colectivo y centrado en objetivos.
Tecnología
El paisaje técnico de la red de Allora está organizado como una arquitectura de tres capas que conecta la demanda de los usuarios por predicciones impulsadas por IA con la distribución de recompensas en cadena para los contribuyentes. El diseño está alineado con los ingresos desde el principio: los consumidores utilizan el token nativo de la red de Allora (ALLO) para financiar servicios de inferencia, y esos pagos fluyen a los operadores de modelos de IA de la red como incentivos. La arquitectura del protocolo vincula la compensación para los productores de inferencia directamente a la demanda de los usuarios demostrada. Los contribuyentes solo reciben recompensas cuando otros están dispuestos a pagar por sus salidas, lo que ayuda a guiar los flujos de valor económico hacia el trabajo productivo. La precisión de las predicciones también se verifica a través de las capas de Pronóstico y Consenso de Allora antes de que se finalicen las recompensas. Este enfoque establece un sistema donde las inferencias precisas se convierten en una fuente de ingresos. Este diseño de tres capas consiste en las capas de Consumo de Inferencia, Pronóstico y Síntesis, y Consenso, que juntas conectan la demanda de los usuarios por predicciones impulsadas por IA con la distribución de recompensas en cadena para los contribuyentes.
Ver tamaño completo
Una Visión General de la Arquitectura de Allora
Capa de Consumo de Inferencia
La red de Allora conecta tres grupos principales de interesados: consumidores, que consumen predicciones; trabajadores, que generan inferencias y pronósticos; y Reputers, que evalúan la precisión. La capa de Consumo de Inferencia sirve como el punto de entrada para la demanda externa en este sistema. Procesa el consumo de inferencia por parte de consumidores que acceden a pronósticos generados por modelos de temas financiados. Los consumidores pueden financiar temas depositando una tarifa en ALLO de su elección en el tema, independientemente del eventual consumo de inferencias. Estas tarifas sirven como señales de mercado que guían a la red en la asignación de recursos y la priorización de tareas de contribuyentes según la demanda expresada. La capa de Consumo de Inferencia funciona como la interfaz técnica para el manejo de consultas y la superficie principal de ingresos de la red.
La estructura de tarifas de Allora permite que la red responda a la demanda del usuario. En la práctica, los temas que atraen constantemente tarifas más altas de los consumidores ganan peso y reciben más atención computacional, mientras que los temas con menos demanda gradualmente pierden relevancia económica. A diferencia de los modelos de subasta tradicionales, las tarifas más altas no excluyen las ofertas más bajas; simplemente señalan una mayor demanda para temas específicos, influyendo en la asignación de recursos computacionales en lugar de recompensar al postor más alto. Con el tiempo, los temas inactivos ven cómo su peso y parte de emisión se descomponen, liberando recursos para áreas que producen valor verificable.
Dentro de esta capa, los temas definen mercados de predicción discretos. Cada tema representa una tarea específica de inferencia, como la predicción de la volatilidad de activos o la clasificación de datos, y especifica una función de pérdida para evaluar la precisión de las predicciones. Los temas se crean sin permisos en la cadena, generalmente por desarrolladores o patrocinadores que los registran. Una vez en vivo, los temas sirven como centros de coordinación donde los consumidores financian la generación continua de predicciones, y los trabajadores de inferencia compiten para suministrarlas. Las tarifas generadas por la actividad del tema fluyen hacia abajo como recompensas, formando la base económica para la red más amplia.
Capa de Pronóstico y Síntesis
La capa de Pronóstico y Síntesis coordina cómo se evalúan y combinan las predicciones individuales para formar la salida de inteligencia colectiva de Allora. Esta capa rige el proceso analítico de la red antes de que se revelen los resultados, utilizando la modelización de pérdidas pronosticadas para estimar qué predicciones son más propensas a ser precisas bajo las condiciones actuales. Los Trabajadores de Pronóstico analizan patrones de error históricos, características de datos contextuales para producir estimaciones en tiempo real de la precisión esperada. Estas predicciones probabilísticas luego determinan el peso de cada modelo en el proceso de síntesis, formando el marco que posteriormente guía la asignación de recompensas en cadena.
Dos clases de contribuyentes operan en esta capa:
Trabajadores de Inferencia: generan predicciones basadas en modelos para un tema dado, produciendo las señales brutas que constituyen la oferta de inferencias de la red.
Trabajadores de Pronóstico: estos predicen cuán precisas se espera que sean esas inferencias antes de la verificación, a través de la referencia a comportamientos de pérdida pasados y el contexto de datos actuales en el modelo de pérdidas pronosticadas.
Esta separación entre la producción y la evaluación de predicciones permite que Allora opere como un mercado de precisión en vivo. Los pronosticadores generan "pérdidas pronosticadas", o estimaciones numéricas de errores esperados del modelo, que sirven como señales prospectivas de fiabilidad. La red convierte estas predicciones en pesos que determinan cuánto influye cada inferencia en la predicción agregada final. A cada inferencia se le asigna un valor de arrepentimiento, que representa su rendimiento en relación con toda la red. Al predecir los valores de arrepentimiento y normalizarlos entre los contribuyentes, los pronosticadores traducen expectativas probabilísticas en señales económicas que guían la ponderación de la inferencia. Las métricas de la testnet demostraron que la modelización de pérdidas pronosticadas distinguió con éxito el rendimiento relativo de los contribuyentes a través de diferentes regímenes de volatilidad, validando el diseño de este mecanismo de ponderación prospectiva.
El proceso de síntesis de inferencia integra las salidas de ambos tipos de contribuyentes, transformando las predicciones de modelo individuales y las señales de precisión pronosticadas en un consenso ponderado único que refleja la inteligencia en toda la red. Se lleva a cabo a través de varios pasos clave:
La red primero agrega todas las inferencias ponderadas para producir una predicción implícita en el pronóstico, que representa la estimación colectiva para un pronosticador dado basada en las confiabilidades pronosticadas para cada modelo. Se genera una inferencia implícita en el pronóstico para cada pronosticador, ya que cada pronosticador pronostica su propio conjunto de pérdidas.
La capa del protocolo combina pronósticos normalizados y salidas de inferencia en un solo valor compuesto, alineando tanto la fuerza histórica de las predicciones como la precisión anticipada dentro de una salida.
La predicción compuesta resultante pasa por un proceso de validación de red que se aplica a todas las transacciones dentro de la red.
El conjunto completo de todas las predicciones generadas utilizadas para construir la predicción compuesta de la red se envía a la Capa de Consenso, donde se revelan los resultados reales y se distribuyen las recompensas a los contribuyentes en función de la precisión verificada.
Detallado en el informe de rendimiento de la testnet del protocolo, el tema de predicción del precio de BTC de 5 minutos de Allora (aproximadamente 10,000 predicciones que abarcan un mes) produjo una precisión direccional del 53.22%. La fase de testnet de la red de Allora reforzó la tesis de diseño consciente del contexto subyacente de la red y proporcionó un banco de referencia inicial antes del lanzamiento público de la mainnet.
Capa de Consenso
La capa de Consenso proporciona la base económica y de verificación para la red de Allora. Construida sobre el SDK de Cosmos, Allora emplea un mecanismo de consenso de Prueba de Participación Delegada (DPoS) asegurado por un motor Tolerante a Fallos Bizantinos (BFT). Los validadores mantienen consenso a nivel de bloque, mientras que los Reputers operan en la capa de aplicación para verificar la precisión de la inferencia y finalizar los resultados de las predicciones. Finaliza los procesos de inferencia y pronóstico comparando los resultados predichos con los resultados reales y cuantificando la precisión de la predicción. Esta capa asegura la integridad de los datos del protocolo mientras aplica una estructura de recompensas que vincula directamente el rendimiento verificado con los ingresos. Una vez que los resultados están disponibles para un tema, los Reputers, o validadores especializados responsables de evaluar la precisión predictiva, evalúan cada inferencia en comparación con su resultado realizado. Los Reputers apuestan ALLO para participar en este proceso, actuando como validadores descentralizados de la precisión predictiva. Su función principal es evaluar la pérdida de las predicciones de los trabajadores de inferencia individuales en comparación con los resultados realizados. Para cada pronosticador, el protocolo construye una inferencia agregada implícita en el pronóstico ponderando a los trabajadores de acuerdo con la información de ese pronosticador, y los Reputers miden la pérdida de esta predicción agregada en comparación con el resultado realizado. Esta evaluación colectiva establece un consenso que ancla la lógica de recompensas de la red.
Para cuantificar la precisión, Allora evalúa la función de pérdida de las predicciones tanto de la red como individuales. Para cada tema, la red calcula una pérdida entre la inferencia agregada y el resultado realizado, y lo mismo para las predicciones de los trabajadores individuales. Las recompensas se derivan de las puntuaciones que miden el impacto marginal de cada contribuyente en la pérdida de la red. Los trabajadores de inferencia son puntuados utilizando una pérdida uno fuera, que pregunta cuánto mejor o peor habría sido la pérdida de la red si este trabajador no hubiera participado. Los trabajadores de pronóstico son evaluados en función de sus inferencias implícitas en el pronóstico y son recompensados utilizando una combinación de pérdidas uno fuera y uno dentro:
El término uno fuera mide cómo cambiaría la pérdida de la red si este pronosticador no estuviera presente.
El término uno dentro mide cómo habría funcionado la red si solo se hubiera confiado en este pronosticador.
Las decisiones de los Reputers se ponderan por su ALLO apostado, pero con ajustes anti-centralización que evitan que un único gran tenedor domine el consenso. Las participaciones por encima de un umbral definido contribuyen con una influencia marginal decreciente, asegurando participación distribuida y limitando el riesgo de colusión. Los Reputers mismos son puntuados en la corrección de sus evaluaciones en relación con sus pares. Estas puntuaciones de Reputers determinan los pagos de recompensas a los Reputers.
Después de que los Reputers hayan reportado las pérdidas relevantes, el protocolo calcula las recompensas utilizando el marco de distribución jerárquica de Allora. Las recompensas fluyen de arriba hacia abajo, mientras que las emisiones totales se determinan de abajo hacia arriba en función del total de participación entre validadores y Reputers.
La distribución de recompensas de Allora opera de la siguiente manera:
Fondo Global de Emisiones: Allora emite ALLO de acuerdo con su programa de emisiones suavizado. El 25% de las emisiones se asignan a validadores que aseguran la cadena base, y el 75% se asigna a participantes a nivel de tema dentro de la capa de inteligencia.
Recompensas para Validadores: Las emisiones de los validadores se distribuyen en proporción a la participación de los validadores.
Asignación a Nivel de Tema: Las emisiones asignadas a la capa de inteligencia se distribuyen entre temas de acuerdo con el peso de cada tema, que refleja la participación total de los Reputers y los ingresos por tarifas recientes. Esto permite que los temas con un compromiso de Reputers más profundo y una demanda de usuarios demostrada reciban mayores emisiones.
Asignación entre Clases de Contribuidores Dentro de un Tema: Las emisiones de un tema se dividen entre los trabajadores de inferencia, pronosticadores y Reputers utilizando la entropía modificada de cada clase, que representa el grado de descentralización de las recompensas de los participantes.
Asignación Dentro de Cada Clase de Contribuidores: Dentro de cada clase, las emisiones se asignan en función de la contribución verificada al rendimiento predictivo. Los trabajadores de inferencia son recompensados en función del impacto marginal uno fuera en la pérdida de la red. Los pronosticadores son recompensados utilizando funciones de pérdida uno dentro y uno fuera. Los Reputers son recompensados de acuerdo con su participación y la proximidad de sus pérdidas reportadas al consenso, con Reputers discrepantes recibiendo coeficientes de escucha más bajos que disminuyen su influencia.
El presupuesto total de emisiones se calibra para asegurar que la participación agregada entre validadores y Reputers apunte a un APY estable. Los validadores que aseguran el consenso reciben su parte de las recompensas de bloque por separado, asegurando que la seguridad computacional y económica del sistema permanezca distinta pero interdependiente.
Al combinar la evaluación estadística con el consenso ponderado por los interesados, esta capa cierra el ciclo de retroalimentación de Allora entre el rendimiento técnico y el resultado financiero. Las predicciones precisas reciben refuerzo económico y la reputación se acumula para aquellos que consistentemente brindan información confiable.
Ver tamaño completo
Temas y Ciclo de Vida
Los temas sirven como mercados discretos dentro de la red de Allora, cada uno vinculando la precisión computacional con la demanda medible del usuario. Mientras que los consumidores individuales consumen inferencias dentro de un tema, los temas mismos definen los mercados donde se produce esa inferencia. Cada tema define una tarea de inferencia específica, el alcance de los datos y un métrico de rendimiento, como la predicción del precio de BTC a corto plazo, la estimación de la volatilidad o problemas de predicción no financieros como la modelización de datos climáticos. Los temas son sin permisos para crear. Cualquier participante puede registrar un nuevo tema definiendo sus parámetros y pagando una pequeña tarifa de registro en ALLO. Una vez desplegado, un tema se convierte en un mercado abierto donde los trabajadores de inferencia, pronosticadores y Reputers apuestan su capital, compiten por recompensas y determinan colectivamente la calidad de las predicciones.
El peso de la recompensa de un tema se deriva de dos variables principales: el volumen total de tarifas generadas por los consumidores y la participación agregada de los Reputers comprometidos con su evaluación. Cada época dentro de los temas individuales representa un ciclo discreto de inferencia, puntuación y pago. Durante una época, los trabajadores de inferencia presentan predicciones, los pronosticadores anticipan su precisión y los Reputers posteriormente evalúan los resultados en comparación con los datos realizados. El protocolo distribuye recompensas entre los participantes en función de la contribución verificada a la precisión de la red, y las recompensas entre temas se distribuyen según su peso de tema.
Nuevos temas pueden ser impulsados a través de patrocinio o compromisos de liquidez temprana. Los consumidores, que van desde individuos hasta dApps, financian economías a nivel de tema pagando tarifas de inferencia en ALLO. Los temas que no logran atraer