Six millions de nœuds. Vingt-huit millions de transactions. Vingt-trois mille modèles d'IA avant même le lancement du mainnet. Ces chiffres ne sont pas une présentation, mais un résultat de test de résistance. Ce qui a été testé, c'est la moitié inférieure de la pile à neuf couches d'OpenLedger, la partie qui est déjà opérationnelle. La partie qui n'est pas encore en ligne est là où vit la prédiction de 2027, et comprendre cela nécessite de tracer comment chaque couche supérieure se règle mécaniquement, pas conceptuellement.
Commencez par les IAO, car les IAO sont le moteur économique qui active tout ce qui se trouve au-dessus de la ligne de base actuelle. Le cycle de règlement fonctionne comme ceci sur OpenLedger : un développeur identifie un écart de domaine, ouvre un Datanet, et lance une IAO autour d'un modèle qu'il prévoit de construire en utilisant les données de ce Datanet. Les participants mettent en jeu des OPEN dans le contrat IAO, qui fonctionne à la fois comme un mécanisme de financement et comme un instrument de gouvernance. La mise en jeu donne à chaque participant des droits de vote proportionnels sur les décisions de formation, comme quelle version de Datanet utiliser, quel modèle de base partir, et quels critères d'évaluation cibler. Une fois l'objectif de financement atteint, le travail de formation se déclenche dans ModelFactory, avec chaque choix de configuration inscrit sur la chaîne par le même moteur de Preuve d'Attribution qui gère déjà la provenance de formation pour les sessions de fine-tuning standard. Lorsque le modèle est déployé via OpenLoRA et commence à recevoir des appels d'inférence, des micro-récompenses reviennent aux stakers proportionnellement à leur poids de contribution. L'IAO ne se ferme pas après le lancement. Elle reste ouverte tant que le modèle reste actif, distribuant continuellement les revenus d'attribution à la communauté de staking qui a financé l'existence du modèle.
La mise à jour du moteur d'attribution du 26 janvier 2026 est importante spécifiquement pour la manière dont les modèles dérivés se comportent à l'intérieur de ce cycle. Avant la mise à jour, la chaîne de preuve d'attribution suivait proprement la provenance lorsque qu'un modèle était ajusté une fois à partir d'une base. Le problème était la deuxième génération : lorsqu'un modèle qui était lui-même un modèle IAO ajusté était utilisé comme base pour un autre ajustement, la chaîne d'attribution ne pouvait pas tracer de manière fiable combien de l'influence des contributeurs Datanet originaux avait survécu dans le dérivé. La mise à jour a abordé cela en utilisant des approximations de fonction d'influence pour les modèles sous un seuil de paramètres spécifique et une notation d'attribution basée sur le gradient pour les plus grands. En pratique, cela signifie qu'un modèle AI légal ajusté sur un Datanet de contrat, qui est ensuite utilisé comme base pour un ajustement spécifique à une juridiction, génère toujours un revenu d'attribution traçable pour les contributeurs du Datanet de contrat d'origine chaque fois que le modèle dérivé est invoqué. Cette intégrité de chaîne est ce qui rend le staking IAO économiquement durable à travers plusieurs générations de développement de modèles plutôt que seulement pour la première version.
La couche d'infrastructure des agents, que la feuille de route de janvier 2026 cible comme une construction pour 2026, change les participants à l'intérieur de ce cycle de règlement. Sous l'infrastructure des agents, un agent IA s'enregistre sur OpenLedger en déployant un contrat de portefeuille, en stakant un montant minimum d'OPEN et en attachant une identité cryptographique qui définit son périmètre de permission. Ce périmètre spécifie quels Datanets l'agent peut accéder, quels modèles il peut invoquer et quelles catégories d'actions il est autorisé à exécuter au nom de son opérateur. L'exigence de staking n'est pas décorative. Si les résultats d'un agent divergent de ses paramètres déclarés au-delà d'un seuil défini, ou s'il engage un comportement malveillant vérifié, le stake est soumis à un slashing et à une redistribution aux parties affectées. Ce mécanisme d'application signifie qu'à mesure que plus d'agents s'enregistrent sur OpenLedger, le réseau accumule à la fois un répertoire d'agents en croissance et une couche de responsabilité de qualité qui fonctionne sans modération humaine.
Les économies d'agents, la couche au-dessus de l'infrastructure des agents, est l'endroit où l'architecture de règlement devient une voie de paiement pour l'activité machine-à-machine. Une fois que les agents ont des identités sur la chaîne et des positions stakées, ils peuvent transiger entre eux en utilisant OPEN comme monnaie native. Un agent de trading qui a besoin d'une analyse de marché spécialisée peut invoquer un agent d'analyse et payer par appel, avec le paiement acheminé automatiquement à travers la couche d'attribution : une portion à l'opérateur de l'agent d'analyse, une portion aux contributeurs Datanet dont les données ont façonné le modèle d'analyse. Chaque événement de paiement est enregistré sur la chaîne. L'intégration LayerZero à travers 130 blockchains, terminée le 25 octobre 2025, rend cela cross-chain par défaut : un agent opérant sur un réseau peut régler le paiement à un contributeur Datanet sur un réseau différent sans pontage manuel. En 2027, si les économies d'agents atteignent la production avec même une fraction des enregistrements d'agents que les déploiements de modèles de test suggèrent qu'il est possible, le volume de transactions sur la chaîne généré par les paiements agent-à-agent seul pourrait dépasser les 28 millions de transactions que le réseau a enregistrées avant le mainnet.
OpenFin, annoncé le 23 mars 2026, est la couche où les économies d'agents entrent directement sur les marchés financiers. Le cadre DeFAI signifie que les agents AI exécutent des stratégies de trading vérifiables sur la chaîne avec des chaînes d'attribution intactes de l'exécution au modèle en passant par le Datanet. Chaque décision de trading que l'agent prend est enregistrée. Chaque modèle qui a informé cette décision est identifié. Chaque contributeur Datanet dont les données ont façonné le modèle gagne un revenu proportionnel aux résultats de la trade. Des systèmes automatisés exécutent déjà environ 70 à 80 % de tout le volume du marché crypto, qui traite plus de 50 milliards de dollars par jour. OpenFin n'a pas besoin de créer cette automatisation. Il a besoin de mettre une couche d'attribution vérifiable sous une automatisation qui fonctionne déjà à grande échelle.
Du côté de l'offre, l'approvisionnement total de 1 milliard de jetons d'OPEN comprend des allocations pour l'équipe et les investisseurs de 15 % et 18,29 % respectivement, toutes deux avec des cliffs de 12 mois et des déblocages linéaires sur 36 mois commençant vers septembre 2026. L'atténuation côté demande provient du staking des agents accumulant une offre verrouillée à mesure que le registre des agents grandit, et des contrats de staking IAO maintenant OPEN en séquestre pendant la durée des tours de financement de modèles actifs. Aucun de ces mécanismes n'est spéculatif. Les deux sont des résultats directs de l'activité du réseau.
Le problème d'attribution qui reste véritablement non résolu est celui des chaînes de décisions séquentielles. Lorsqu'un agent prend cinquante décisions en séquence, chacune informée par un appel de modèle différent, et que le résultat combiné produit un résultat financier, le système doit pondérer l'attribution de chaque appel de modèle par rapport à son influence réelle sur le résultat final, et pas seulement sa présence dans la séquence. L'architecture actuelle de preuve d'attribution d'OpenLedger gère cela au niveau de l'entraînement de manière propre. Au niveau de la séquence d'inférence à l'intérieur des économies d'agents, la solution n'a pas été spécifiquement précisée publiquement. C'est le fossé technique entre où se trouve le réseau en mai 2026 et où les économies d'agents doivent être pour fonctionner sans disputes d'attribution en production. Comment ce fossé se ferme est la question d'ingénierie la plus importante qu'OpenLedger devra résoudre avant 2027.
@OpenLedger $OPEN #OpenLedger
