RONALDO FIRST
9.5k Posting
RONALDO FIRST
Perdagangan Terbuka
Pedagang Rutin
9 Bulan
529 Mengikuti
13.6K+ Pengikut
5.8K+ Disukai
Posting
Portofolio
Semua
Kuotasi
Live
semua orang tinggalkan komentar untuk saya
akan membalas komentar
akan membalas komentar
RONALDO FIRST
·
--
BullishSaya telah memikirkan sesuatu yang sederhana, tetapi sulit untuk dijawab: seberapa banyak sebenarnya kita harus mempercayai hasil dari AI?
Melakukan verifikasi yang paling kuat setiap saat terdengar aman, tetapi tidak terasa praktis. Setiap pemeriksaan tambahan menambah biaya waktu dan tenaga. Jika sistem seperti OpenGradient memperlakukan setiap permintaan kecil seolah berisiko tinggi, itu bisa menjadi lambat dan mahal untuk penggunaan normal.
Namun verifikasi yang terlalu ringan justru lebih berbahaya.
Karena ketika sesuatu berjalan salah, itu bukan sekadar kesalahan kecil. Jika hasil AI terhubung dengan tindakan uang, atau keputusan—satu output yang buruk bisa menyebabkan kerusakan nyata. Respons yang cepat terasa hebat—sampai mengarah pada sesuatu yang tidak bisa dibatalkan.
Itulah sebabnya saya merasa ini bukan soal “selalu verifikasi” atau “hanya sedikit verifikasi,” melainkan tentang keseimbangan.
Daripada bertanya “berapa biaya verifikasi?” kita juga perlu bertanya “apa biayanya jika kita melewatkannya?” Untuk tugas kecil dengan risiko rendah, jawaban cepat sudah cukup. Untuk kasus yang lebih sensitif, pemeriksaan yang lebih kuat seperti TEE masuk akal. Dan untuk keputusan besar yang tidak dapat diubah, verifikasi yang lebih mendalam seperti ZKML layak mengeluarkan biaya tambahan.
Yang membuat OpenGradient menarik bagi saya adalah gagasan tentang kepercayaan yang fleksibel.
Verifikasi tidak seharusnya sama untuk semuanya. Ia harus menyesuaikan dengan situasi. Berikan kepercayaan lebih besar ketika risikonya tinggi, dan buat tetap ringan ketika itu aman.
Hal ini juga nyambung dengan OPG Token. Jika token digunakan untuk membayar semuanya—inferensi, verifikasi, dan settlement—maka menggunakan verifikasi terlalu banyak akan membuang sumber daya. Tetapi menggunakan verifikasi terlalu sedikit bisa merusak kepercayaan terhadap seluruh sistem.
Jadi ini bukan tentang bersikap ekstrem di kedua sisi.
Ini tentang membuat pilihan yang cerdas setiap kali. Kadang cukup yang sederhana. Kadang tidak. Dan mengetahui perbedaannya adalah hal yang benar-benar penting.
@OpenGradient #OPG $OPG
Melakukan verifikasi yang paling kuat setiap saat terdengar aman, tetapi tidak terasa praktis. Setiap pemeriksaan tambahan menambah biaya waktu dan tenaga. Jika sistem seperti OpenGradient memperlakukan setiap permintaan kecil seolah berisiko tinggi, itu bisa menjadi lambat dan mahal untuk penggunaan normal.
Namun verifikasi yang terlalu ringan justru lebih berbahaya.
Karena ketika sesuatu berjalan salah, itu bukan sekadar kesalahan kecil. Jika hasil AI terhubung dengan tindakan uang, atau keputusan—satu output yang buruk bisa menyebabkan kerusakan nyata. Respons yang cepat terasa hebat—sampai mengarah pada sesuatu yang tidak bisa dibatalkan.
Itulah sebabnya saya merasa ini bukan soal “selalu verifikasi” atau “hanya sedikit verifikasi,” melainkan tentang keseimbangan.
Daripada bertanya “berapa biaya verifikasi?” kita juga perlu bertanya “apa biayanya jika kita melewatkannya?” Untuk tugas kecil dengan risiko rendah, jawaban cepat sudah cukup. Untuk kasus yang lebih sensitif, pemeriksaan yang lebih kuat seperti TEE masuk akal. Dan untuk keputusan besar yang tidak dapat diubah, verifikasi yang lebih mendalam seperti ZKML layak mengeluarkan biaya tambahan.
Yang membuat OpenGradient menarik bagi saya adalah gagasan tentang kepercayaan yang fleksibel.
Verifikasi tidak seharusnya sama untuk semuanya. Ia harus menyesuaikan dengan situasi. Berikan kepercayaan lebih besar ketika risikonya tinggi, dan buat tetap ringan ketika itu aman.
Hal ini juga nyambung dengan OPG Token. Jika token digunakan untuk membayar semuanya—inferensi, verifikasi, dan settlement—maka menggunakan verifikasi terlalu banyak akan membuang sumber daya. Tetapi menggunakan verifikasi terlalu sedikit bisa merusak kepercayaan terhadap seluruh sistem.
Jadi ini bukan tentang bersikap ekstrem di kedua sisi.
Ini tentang membuat pilihan yang cerdas setiap kali. Kadang cukup yang sederhana. Kadang tidak. Dan mengetahui perbedaannya adalah hal yang benar-benar penting.
@OpenGradient #OPG $OPG
Saya telah memikirkan sesuatu yang sederhana, tetapi sulit untuk dijawab: seberapa banyak sebenarnya kita harus mempercayai hasil dari AI?
Melakukan verifikasi yang paling kuat setiap saat terdengar aman, tetapi tidak terasa praktis. Setiap pemeriksaan tambahan menambah biaya waktu dan tenaga. Jika sistem seperti OpenGradient memperlakukan setiap permintaan kecil seolah berisiko tinggi, itu bisa menjadi lambat dan mahal untuk penggunaan normal.
Namun verifikasi yang terlalu ringan justru lebih berbahaya.
Karena ketika sesuatu berjalan salah, itu bukan sekadar kesalahan kecil. Jika hasil AI terhubung dengan tindakan uang, atau keputusan—satu output yang buruk bisa menyebabkan kerusakan nyata. Respons yang cepat terasa hebat—sampai mengarah pada sesuatu yang tidak bisa dibatalkan.
Itulah sebabnya saya merasa ini bukan soal “selalu verifikasi” atau “hanya sedikit verifikasi,” melainkan tentang keseimbangan.
Daripada bertanya “berapa biaya verifikasi?” kita juga perlu bertanya “apa biayanya jika kita melewatkannya?” Untuk tugas kecil dengan risiko rendah, jawaban cepat sudah cukup. Untuk kasus yang lebih sensitif, pemeriksaan yang lebih kuat seperti TEE masuk akal. Dan untuk keputusan besar yang tidak dapat diubah, verifikasi yang lebih mendalam seperti ZKML layak mengeluarkan biaya tambahan.
Yang membuat OpenGradient menarik bagi saya adalah gagasan tentang kepercayaan yang fleksibel.
Verifikasi tidak seharusnya sama untuk semuanya. Ia harus menyesuaikan dengan situasi. Berikan kepercayaan lebih besar ketika risikonya tinggi, dan buat tetap ringan ketika itu aman.
Hal ini juga nyambung dengan OPG Token. Jika token digunakan untuk membayar semuanya—inferensi, verifikasi, dan settlement—maka menggunakan verifikasi terlalu banyak akan membuang sumber daya. Tetapi menggunakan verifikasi terlalu sedikit bisa merusak kepercayaan terhadap seluruh sistem.
Jadi ini bukan tentang bersikap ekstrem di kedua sisi.
Ini tentang membuat pilihan yang cerdas setiap kali. Kadang cukup yang sederhana. Kadang tidak. Dan mengetahui perbedaannya adalah hal yang benar-benar penting.
@OpenGradient #OPG $OPG
Melakukan verifikasi yang paling kuat setiap saat terdengar aman, tetapi tidak terasa praktis. Setiap pemeriksaan tambahan menambah biaya waktu dan tenaga. Jika sistem seperti OpenGradient memperlakukan setiap permintaan kecil seolah berisiko tinggi, itu bisa menjadi lambat dan mahal untuk penggunaan normal.
Namun verifikasi yang terlalu ringan justru lebih berbahaya.
Karena ketika sesuatu berjalan salah, itu bukan sekadar kesalahan kecil. Jika hasil AI terhubung dengan tindakan uang, atau keputusan—satu output yang buruk bisa menyebabkan kerusakan nyata. Respons yang cepat terasa hebat—sampai mengarah pada sesuatu yang tidak bisa dibatalkan.
Itulah sebabnya saya merasa ini bukan soal “selalu verifikasi” atau “hanya sedikit verifikasi,” melainkan tentang keseimbangan.
Daripada bertanya “berapa biaya verifikasi?” kita juga perlu bertanya “apa biayanya jika kita melewatkannya?” Untuk tugas kecil dengan risiko rendah, jawaban cepat sudah cukup. Untuk kasus yang lebih sensitif, pemeriksaan yang lebih kuat seperti TEE masuk akal. Dan untuk keputusan besar yang tidak dapat diubah, verifikasi yang lebih mendalam seperti ZKML layak mengeluarkan biaya tambahan.
Yang membuat OpenGradient menarik bagi saya adalah gagasan tentang kepercayaan yang fleksibel.
Verifikasi tidak seharusnya sama untuk semuanya. Ia harus menyesuaikan dengan situasi. Berikan kepercayaan lebih besar ketika risikonya tinggi, dan buat tetap ringan ketika itu aman.
Hal ini juga nyambung dengan OPG Token. Jika token digunakan untuk membayar semuanya—inferensi, verifikasi, dan settlement—maka menggunakan verifikasi terlalu banyak akan membuang sumber daya. Tetapi menggunakan verifikasi terlalu sedikit bisa merusak kepercayaan terhadap seluruh sistem.
Jadi ini bukan tentang bersikap ekstrem di kedua sisi.
Ini tentang membuat pilihan yang cerdas setiap kali. Kadang cukup yang sederhana. Kadang tidak. Dan mengetahui perbedaannya adalah hal yang benar-benar penting.
@OpenGradient #OPG $OPG
semua lc akan lc kembali
RONALDO FIRST
·
--
BearishDulu saya percaya bahwa begitu model bisa diunggah tanpa izin, semuanya akan berjalan lancar.
Siapa saja bisa berbagi model.
Model itu bisa hidup di jaringan.
Dan orang-orang akan mulai menggunakannya.
Tapi, tidak semudah itu.
Sebuah model bisa ada tapi tetap sulit untuk digunakan.
Mungkin tidak ada panduan yang jelas.
Mungkin inputnya tidak jelas.
Mungkin belum ada yang mengujinya.
Atau mungkin jaringan belum siap untuk menjalankannya.
Jadi meskipun model itu "ada," itu tidak benar-benar membantu siapa pun.
Itu membuat saya merenungkan apa yang sebenarnya penting.
Ini bukan hanya tentang membiarkan orang mengunggah model.
Ini tentang membuat model-model tersebut bisa digunakan oleh orang lain.
Ada seluruh jalur yang perlu berjalan:
upload → simpan → cek → siapkan → gunakan.
Jika satu bagian gagal, model hanya teronggok di sana.
Itulah mengapa saya melihat OPG Token sebagai lebih dari sekadar cara untuk membayar penggunaan.
Token ini bisa membantu mendukung segala sesuatu sebelum penggunaan terjadi —
seperti menguji model, meningkatkan kualitas, dan membantu jaringan tetap siap.
Karena nilai nyata tidak berasal dari berapa banyak model yang ada.
Ini berasal dari berapa banyak model yang benar-benar berfungsi.
Tanpa izin hanya menjadi berarti ketika satu orang bisa berbagi sesuatu,
dan orang lain bisa menggunakannya dengan mudah — tanpa meminta bantuan.
Saat itulah sistem benar-benar hidup.
@OpenGradient #OPG $OPG
Siapa saja bisa berbagi model.
Model itu bisa hidup di jaringan.
Dan orang-orang akan mulai menggunakannya.
Tapi, tidak semudah itu.
Sebuah model bisa ada tapi tetap sulit untuk digunakan.
Mungkin tidak ada panduan yang jelas.
Mungkin inputnya tidak jelas.
Mungkin belum ada yang mengujinya.
Atau mungkin jaringan belum siap untuk menjalankannya.
Jadi meskipun model itu "ada," itu tidak benar-benar membantu siapa pun.
Itu membuat saya merenungkan apa yang sebenarnya penting.
Ini bukan hanya tentang membiarkan orang mengunggah model.
Ini tentang membuat model-model tersebut bisa digunakan oleh orang lain.
Ada seluruh jalur yang perlu berjalan:
upload → simpan → cek → siapkan → gunakan.
Jika satu bagian gagal, model hanya teronggok di sana.
Itulah mengapa saya melihat OPG Token sebagai lebih dari sekadar cara untuk membayar penggunaan.
Token ini bisa membantu mendukung segala sesuatu sebelum penggunaan terjadi —
seperti menguji model, meningkatkan kualitas, dan membantu jaringan tetap siap.
Karena nilai nyata tidak berasal dari berapa banyak model yang ada.
Ini berasal dari berapa banyak model yang benar-benar berfungsi.
Tanpa izin hanya menjadi berarti ketika satu orang bisa berbagi sesuatu,
dan orang lain bisa menggunakannya dengan mudah — tanpa meminta bantuan.
Saat itulah sistem benar-benar hidup.
@OpenGradient #OPG $OPG
Dulu saya percaya bahwa begitu model bisa diunggah tanpa izin, semuanya akan berjalan lancar.
Siapa saja bisa berbagi model.
Model itu bisa hidup di jaringan.
Dan orang-orang akan mulai menggunakannya.
Tapi, tidak semudah itu.
Sebuah model bisa ada tapi tetap sulit untuk digunakan.
Mungkin tidak ada panduan yang jelas.
Mungkin inputnya tidak jelas.
Mungkin belum ada yang mengujinya.
Atau mungkin jaringan belum siap untuk menjalankannya.
Jadi meskipun model itu "ada," itu tidak benar-benar membantu siapa pun.
Itu membuat saya merenungkan apa yang sebenarnya penting.
Ini bukan hanya tentang membiarkan orang mengunggah model.
Ini tentang membuat model-model tersebut bisa digunakan oleh orang lain.
Ada seluruh jalur yang perlu berjalan:
upload → simpan → cek → siapkan → gunakan.
Jika satu bagian gagal, model hanya teronggok di sana.
Itulah mengapa saya melihat OPG Token sebagai lebih dari sekadar cara untuk membayar penggunaan.
Token ini bisa membantu mendukung segala sesuatu sebelum penggunaan terjadi —
seperti menguji model, meningkatkan kualitas, dan membantu jaringan tetap siap.
Karena nilai nyata tidak berasal dari berapa banyak model yang ada.
Ini berasal dari berapa banyak model yang benar-benar berfungsi.
Tanpa izin hanya menjadi berarti ketika satu orang bisa berbagi sesuatu,
dan orang lain bisa menggunakannya dengan mudah — tanpa meminta bantuan.
Saat itulah sistem benar-benar hidup.
@OpenGradient #OPG $OPG
Siapa saja bisa berbagi model.
Model itu bisa hidup di jaringan.
Dan orang-orang akan mulai menggunakannya.
Tapi, tidak semudah itu.
Sebuah model bisa ada tapi tetap sulit untuk digunakan.
Mungkin tidak ada panduan yang jelas.
Mungkin inputnya tidak jelas.
Mungkin belum ada yang mengujinya.
Atau mungkin jaringan belum siap untuk menjalankannya.
Jadi meskipun model itu "ada," itu tidak benar-benar membantu siapa pun.
Itu membuat saya merenungkan apa yang sebenarnya penting.
Ini bukan hanya tentang membiarkan orang mengunggah model.
Ini tentang membuat model-model tersebut bisa digunakan oleh orang lain.
Ada seluruh jalur yang perlu berjalan:
upload → simpan → cek → siapkan → gunakan.
Jika satu bagian gagal, model hanya teronggok di sana.
Itulah mengapa saya melihat OPG Token sebagai lebih dari sekadar cara untuk membayar penggunaan.
Token ini bisa membantu mendukung segala sesuatu sebelum penggunaan terjadi —
seperti menguji model, meningkatkan kualitas, dan membantu jaringan tetap siap.
Karena nilai nyata tidak berasal dari berapa banyak model yang ada.
Ini berasal dari berapa banyak model yang benar-benar berfungsi.
Tanpa izin hanya menjadi berarti ketika satu orang bisa berbagi sesuatu,
dan orang lain bisa menggunakannya dengan mudah — tanpa meminta bantuan.
Saat itulah sistem benar-benar hidup.
@OpenGradient #OPG $OPG
Saya sedang mencoba skenario routing di OpenGradient dan menyadari sesuatu yang terasa kecil, tapi sebenarnya sangat penting.
Satu permintaan tidak mencapai target latensinya. Sistem memilih node terdekat, yang biasanya terdengar seperti pilihan teraman.
Tapi ternyata itu adalah pilihan yang salah.
Node itu belum siap. Ia harus menarik model terlebih dahulu. Sementara itu, node lainnya yang sedikit lebih jauh sudah siap dan tidak melakukan apa-apa. Jadi pilihan "terdekat" malah menjadi lebih lambat.
Itu mengubah cara saya berpikir tentang routing.
Ini bukan hanya tentang jarak. Ini tentang siapa yang bisa merespons dengan segera. Sebuah node mungkin dekat, tapi jika ia sibuk atau masih mempersiapkan, itu bukan pilihan terbaik.
Ada juga lapisan yang lebih dalam tentang ini.
Bahkan jika node tersebar di lokasi yang berbeda, mereka masih bisa bergantung pada infrastruktur yang sama. Itu berarti ketika sesuatu rusak, beberapa node bisa terpengaruh sekaligus.
Dan tidak semua node memiliki tujuan yang sama.
Beberapa dioptimalkan untuk kecepatan, beberapa untuk verifikasi, dan yang lainnya untuk data. Perlakuan yang sama bisa menyebabkan masalah.
Jadi mungkin fokus sebenarnya tidak seharusnya hanya pada di mana node ditempatkan.
Fokus seharusnya pada bagaimana sistem bereaksi secara real-time dan menghindari keterlambatan.
Karena pada akhirnya, pengguna tidak peduli tentang pengaturan di belakang layar.
Mereka hanya ingin semuanya cepat dan dapat diandalkan.
@OpenGradient #OPG $OPG
Apakah node terdekat benar-benar pilihan terbaik, atau seharusnya kesiapan datang lebih dulu?
Satu permintaan tidak mencapai target latensinya. Sistem memilih node terdekat, yang biasanya terdengar seperti pilihan teraman.
Tapi ternyata itu adalah pilihan yang salah.
Node itu belum siap. Ia harus menarik model terlebih dahulu. Sementara itu, node lainnya yang sedikit lebih jauh sudah siap dan tidak melakukan apa-apa. Jadi pilihan "terdekat" malah menjadi lebih lambat.
Itu mengubah cara saya berpikir tentang routing.
Ini bukan hanya tentang jarak. Ini tentang siapa yang bisa merespons dengan segera. Sebuah node mungkin dekat, tapi jika ia sibuk atau masih mempersiapkan, itu bukan pilihan terbaik.
Ada juga lapisan yang lebih dalam tentang ini.
Bahkan jika node tersebar di lokasi yang berbeda, mereka masih bisa bergantung pada infrastruktur yang sama. Itu berarti ketika sesuatu rusak, beberapa node bisa terpengaruh sekaligus.
Dan tidak semua node memiliki tujuan yang sama.
Beberapa dioptimalkan untuk kecepatan, beberapa untuk verifikasi, dan yang lainnya untuk data. Perlakuan yang sama bisa menyebabkan masalah.
Jadi mungkin fokus sebenarnya tidak seharusnya hanya pada di mana node ditempatkan.
Fokus seharusnya pada bagaimana sistem bereaksi secara real-time dan menghindari keterlambatan.
Karena pada akhirnya, pengguna tidak peduli tentang pengaturan di belakang layar.
Mereka hanya ingin semuanya cepat dan dapat diandalkan.
@OpenGradient #OPG $OPG
Apakah node terdekat benar-benar pilihan terbaik, atau seharusnya kesiapan datang lebih dulu?
Saya sudah menjelajahi OpenGradient selama beberapa waktu, dan ini benar-benar membuat saya berpikir ulang tentang betapa santainya kita memberikan data kita. Setiap pencarian, setiap permintaan, setiap interaksi—kita hanya berasumsi itu bagian dari kesepakatan. Perusahaan mengumpulkannya, meningkatkan sistem mereka dengan itu, dan kita tidak benar-benar mempertanyakannya.
Apa yang terasa berbeda di sini adalah gagasan bahwa data dan penggunaan AI Anda sebenarnya milik Anda. Alih-alih semuanya menghilang ke dalam backend perusahaan, Anda tetap terhubung dengan apa yang Anda buat dan gunakan. Ini mengubah AI dari sesuatu yang hanya Anda konsumsi menjadi sesuatu yang Anda bagian dari.
Satu hal yang saya temukan sangat menarik adalah sistem verifikasi. Setiap respons AI dapat disertai bukti yang menunjukkan apa yang terjadi di balik layar. Jadi alih-alih mempercayai output secara membabi buta, Anda bisa melihat bahwa itu diproses dengan benar. Ini adalah ide yang sederhana, tapi membuat perbedaan besar dalam membangun kepercayaan.
Tentu saja, masih ada tantangan. Menjalankan AI di jaringan terdesentralisasi tidaklah mudah. Ini bisa lebih lambat, lebih mahal, dan lebih sulit untuk diskalakan dibandingkan dengan sistem besar yang terpusat. Itu adalah sesuatu yang harus diselesaikan proyek seperti ini jika mereka ingin bersaing.
Tapi ide yang lebih besar tetap terpatri di pikiran saya. Jika orang mulai lebih peduli tentang kontrol dan kepemilikan, bahkan sedikit, itu bisa perlahan-lahan mengubah cara sistem AI dibangun dan digunakan. Pertanyaannya adalah apakah orang akan memilih kontrol itu, atau tetap dengan opsi yang lebih mudah dan lebih familiar.
@OpenGradient #OPG $OPG
Apa yang terasa berbeda di sini adalah gagasan bahwa data dan penggunaan AI Anda sebenarnya milik Anda. Alih-alih semuanya menghilang ke dalam backend perusahaan, Anda tetap terhubung dengan apa yang Anda buat dan gunakan. Ini mengubah AI dari sesuatu yang hanya Anda konsumsi menjadi sesuatu yang Anda bagian dari.
Satu hal yang saya temukan sangat menarik adalah sistem verifikasi. Setiap respons AI dapat disertai bukti yang menunjukkan apa yang terjadi di balik layar. Jadi alih-alih mempercayai output secara membabi buta, Anda bisa melihat bahwa itu diproses dengan benar. Ini adalah ide yang sederhana, tapi membuat perbedaan besar dalam membangun kepercayaan.
Tentu saja, masih ada tantangan. Menjalankan AI di jaringan terdesentralisasi tidaklah mudah. Ini bisa lebih lambat, lebih mahal, dan lebih sulit untuk diskalakan dibandingkan dengan sistem besar yang terpusat. Itu adalah sesuatu yang harus diselesaikan proyek seperti ini jika mereka ingin bersaing.
Tapi ide yang lebih besar tetap terpatri di pikiran saya. Jika orang mulai lebih peduli tentang kontrol dan kepemilikan, bahkan sedikit, itu bisa perlahan-lahan mengubah cara sistem AI dibangun dan digunakan. Pertanyaannya adalah apakah orang akan memilih kontrol itu, atau tetap dengan opsi yang lebih mudah dan lebih familiar.
@OpenGradient #OPG $OPG
Terverifikasi
Saya sudah tidak terlalu bersemangat dengan tren crypto baru lagi.
Setelah melihat beberapa siklus, semuanya mulai terasa familiar. Sebuah ide baru muncul, orang-orang menyebutnya masa depan, uang mengalir masuk, ekspektasi tumbuh, dan akhirnya semuanya berakhir di tempat yang lebih dekat dengan kenyataan.
Jadi ketika saya menemukan OpenGradient, saya tidak merasa hype atau ragu.
Hanya sebuah jeda.
Apa yang coba dipecahkan memang penting. AI semakin terpusat, meskipun seharusnya terbuka. Sejumlah kecil platform mengontrol bagaimana model dijalankan, diakses, dan digunakan. Itu sudah membentuk ruang ini lebih dari yang orang sadari.
Ide untuk mendesentralisasinya masuk akal. Sebar komputasi. Biarkan siapa pun menjalankan model. Buat hasil lebih mudah diverifikasi daripada hanya mempercayainya.
Terdengar bagus dalam teori.
Tapi penggunaan di dunia nyata berbeda.
Orang-orang peduli tentang kecepatan, kesederhanaan, dan keandalan. Jika opsi terdesentralisasi lebih lambat atau lebih sulit digunakan, sebagian besar pengembang tidak akan memilihnya. Bukan karena mereka tidak setuju dengan ide tersebut, tetapi karena mereka perlu semuanya berjalan lancar.
Kemudian ada sisi token. Apakah itu benar-benar membantu sistem berjalan lebih baik, atau hanya ada untuk menarik perhatian awal?
Di situlah semuanya terasa tidak jelas.
Tidak salah, tidak benar. Hanya tidak pasti.
Proyek-proyek seperti ini berada di ruang tengah itu. Ada masalah nyata, tetapi belum ada bukti jelas bahwa solusinya berhasil dalam skala besar.
Dan mungkin itulah mengapa layak untuk diperhatikan.
Bukan karena meyakinkan, tetapi karena masih mencoba mencari jati dirinya.
@OpenGradient #OPG $OPG
Setelah melihat beberapa siklus, semuanya mulai terasa familiar. Sebuah ide baru muncul, orang-orang menyebutnya masa depan, uang mengalir masuk, ekspektasi tumbuh, dan akhirnya semuanya berakhir di tempat yang lebih dekat dengan kenyataan.
Jadi ketika saya menemukan OpenGradient, saya tidak merasa hype atau ragu.
Hanya sebuah jeda.
Apa yang coba dipecahkan memang penting. AI semakin terpusat, meskipun seharusnya terbuka. Sejumlah kecil platform mengontrol bagaimana model dijalankan, diakses, dan digunakan. Itu sudah membentuk ruang ini lebih dari yang orang sadari.
Ide untuk mendesentralisasinya masuk akal. Sebar komputasi. Biarkan siapa pun menjalankan model. Buat hasil lebih mudah diverifikasi daripada hanya mempercayainya.
Terdengar bagus dalam teori.
Tapi penggunaan di dunia nyata berbeda.
Orang-orang peduli tentang kecepatan, kesederhanaan, dan keandalan. Jika opsi terdesentralisasi lebih lambat atau lebih sulit digunakan, sebagian besar pengembang tidak akan memilihnya. Bukan karena mereka tidak setuju dengan ide tersebut, tetapi karena mereka perlu semuanya berjalan lancar.
Kemudian ada sisi token. Apakah itu benar-benar membantu sistem berjalan lebih baik, atau hanya ada untuk menarik perhatian awal?
Di situlah semuanya terasa tidak jelas.
Tidak salah, tidak benar. Hanya tidak pasti.
Proyek-proyek seperti ini berada di ruang tengah itu. Ada masalah nyata, tetapi belum ada bukti jelas bahwa solusinya berhasil dalam skala besar.
Dan mungkin itulah mengapa layak untuk diperhatikan.
Bukan karena meyakinkan, tetapi karena masih mencoba mencari jati dirinya.
@OpenGradient #OPG $OPG
🎙️ Pengetahuan crypto untuk pemula; Jawaban untuk pertanyaan newbie ✅ Tetap fokus pada pembangunan komunitas jangka panjang 🦅 Menyebarkan ide kebebasan! Menjaga keseimbangan ekosistem!
Berakhir
03 j 16 m 29 d
11.7k
124
🎙️ Mari kita bangun Binance Square bersama｜Hari Minggu, apakah pasar bullish? Ayo ngobrol!
Berakhir
04 j 26 m 50 d
10.5k
35
Beberapa hari yang lalu, saya membuka file lama secara tidak sengaja.
Itu tidak penting.
Hanya catatan kecil yang tergeletak di folder penuh hal-hal yang pernah saya anggap penting.
Saya hampir melewatinya.
Tapi saya tidak melakukannya.
Itu ditulis larut malam, dekat pukul 2 pagi.
Pada saat itu, saya ingat merasa sangat yakin tentang segalanya.
Rencana yang jelas.
Kekhawatiran yang jelas.
Arah yang jelas.
Membacanya sekarang terasa aneh.
Bukan karena itu salah,
but karena itu tidak lagi sejalan dengan siapa saya sekarang.
Ada bagian di mana saya merasa stres tentang sesuatu
yang bahkan tidak saya pikirkan hari ini.
Bagian lain mencoba menyelesaikan masalah
yang entah bagaimana menghilang dengan sendirinya.
Dan beberapa ide…
mereka tidak lagi masuk akal bagi saya.
Saya terus membaca, perlahan.
Dan kemudian saya menyadari.
Versi diri saya itu terasa seperti orang yang berbeda.
Nama yang sama.
Hidup yang sama.
Tapi pola pikir yang berbeda.
Fokus yang berbeda.
Cara berpikir yang berbeda.
Kita selalu berpikir bahwa ingatan membantu kita tetap terhubung dengan diri kita sendiri.
Seperti menjaga kita tetap konsisten.
Tapi mungkin itu tidak sepenuhnya benar.
Karena ingatan juga menjaga versi lama kita tetap hidup.
Versi yang tidak cocok dengan siapa kita hari ini.
Versi yang masih ada,
meskipun kita sudah move on.
Kita banyak bicara tentang menyimpan hal-hal.
Menyimpan catatan.
Menyimpan pemikiran.
Mendokumentasikan segalanya.
Tapi kita tidak cukup berbicara tentang melepaskan hal-hal.
Tentang menerima bahwa beberapa bagian dari kita dimaksudkan untuk memudar.
Bukan karena itu salah.
Tapi karena itu tidak lagi dibutuhkan.
Mungkin pertumbuhan bukan tentang mengingat lebih banyak.
Mungkin ini tentang dengan tenang mengeluarkan hal-hal
tanpa perlu membawanya selamanya.
Dan mungkin tidak apa-apa
jika diri masa lalu Anda mulai terasa seperti orang asing.
Itu mungkin berarti Anda telah berubah.
@OpenGradient #OPG $OPG
Itu tidak penting.
Hanya catatan kecil yang tergeletak di folder penuh hal-hal yang pernah saya anggap penting.
Saya hampir melewatinya.
Tapi saya tidak melakukannya.
Itu ditulis larut malam, dekat pukul 2 pagi.
Pada saat itu, saya ingat merasa sangat yakin tentang segalanya.
Rencana yang jelas.
Kekhawatiran yang jelas.
Arah yang jelas.
Membacanya sekarang terasa aneh.
Bukan karena itu salah,
but karena itu tidak lagi sejalan dengan siapa saya sekarang.
Ada bagian di mana saya merasa stres tentang sesuatu
yang bahkan tidak saya pikirkan hari ini.
Bagian lain mencoba menyelesaikan masalah
yang entah bagaimana menghilang dengan sendirinya.
Dan beberapa ide…
mereka tidak lagi masuk akal bagi saya.
Saya terus membaca, perlahan.
Dan kemudian saya menyadari.
Versi diri saya itu terasa seperti orang yang berbeda.
Nama yang sama.
Hidup yang sama.
Tapi pola pikir yang berbeda.
Fokus yang berbeda.
Cara berpikir yang berbeda.
Kita selalu berpikir bahwa ingatan membantu kita tetap terhubung dengan diri kita sendiri.
Seperti menjaga kita tetap konsisten.
Tapi mungkin itu tidak sepenuhnya benar.
Karena ingatan juga menjaga versi lama kita tetap hidup.
Versi yang tidak cocok dengan siapa kita hari ini.
Versi yang masih ada,
meskipun kita sudah move on.
Kita banyak bicara tentang menyimpan hal-hal.
Menyimpan catatan.
Menyimpan pemikiran.
Mendokumentasikan segalanya.
Tapi kita tidak cukup berbicara tentang melepaskan hal-hal.
Tentang menerima bahwa beberapa bagian dari kita dimaksudkan untuk memudar.
Bukan karena itu salah.
Tapi karena itu tidak lagi dibutuhkan.
Mungkin pertumbuhan bukan tentang mengingat lebih banyak.
Mungkin ini tentang dengan tenang mengeluarkan hal-hal
tanpa perlu membawanya selamanya.
Dan mungkin tidak apa-apa
jika diri masa lalu Anda mulai terasa seperti orang asing.
Itu mungkin berarti Anda telah berubah.
@OpenGradient #OPG $OPG
Terverifikasi
Apa yang menarik perhatian saya bukanlah respons AI-nya. Itu adalah keterlambatan sebelum itu.
Satu permintaan berjalan baik-baik saja. Permintaan berikutnya melambat.
Dan tiba-tiba "akses AI terbuka" tidak terasa seperti ide besar lagi — itu terasa seperti sistem di belakang layar.
Siapa yang menangani permintaan itu?
Pekerja mana yang mengambilnya?
Apakah pembayaran berjalan lancar?
Dan bisakah Anda benar-benar mempercayai hasilnya saat kembali?
Saat itulah saya mulai melihat OpenGradient dan $OPG dengan cara yang berbeda.
Terbuka tidak berarti gratis.
Masih ada biaya, imbalan, dan langkah verifikasi.
Tapi pertanyaan sebenarnya sederhana:
Apakah Anda perlu izin untuk mengaksesnya?
Jika satu platform, satu akun, atau satu grup mengendalikan jalannya, maka itu tidak benar-benar terbuka.
Seorang pembangun kecil seharusnya dapat menggunakan AI tanpa meminta izin dari siapa pun.
Seorang agen seharusnya menyelesaikan seluruh proses — bayar, rute, terima, verifikasi — sendiri.
Dan pekerja seharusnya bersaing berdasarkan kinerja, bukan koneksi.
Saya masih hati-hati dengan apa pun yang menyebut dirinya "terbuka."
Karena ujian sebenarnya terjadi ketika segalanya berjalan salah.
Ketika lalu lintas meningkat, sistem melambat, atau bagian gagal —
Apakah akses tetap terbuka?
Atau apakah itu dengan tenang menjadi terbatas lagi?
@OpenGradient #OPG $OPG
Satu permintaan berjalan baik-baik saja. Permintaan berikutnya melambat.
Dan tiba-tiba "akses AI terbuka" tidak terasa seperti ide besar lagi — itu terasa seperti sistem di belakang layar.
Siapa yang menangani permintaan itu?
Pekerja mana yang mengambilnya?
Apakah pembayaran berjalan lancar?
Dan bisakah Anda benar-benar mempercayai hasilnya saat kembali?
Saat itulah saya mulai melihat OpenGradient dan $OPG dengan cara yang berbeda.
Terbuka tidak berarti gratis.
Masih ada biaya, imbalan, dan langkah verifikasi.
Tapi pertanyaan sebenarnya sederhana:
Apakah Anda perlu izin untuk mengaksesnya?
Jika satu platform, satu akun, atau satu grup mengendalikan jalannya, maka itu tidak benar-benar terbuka.
Seorang pembangun kecil seharusnya dapat menggunakan AI tanpa meminta izin dari siapa pun.
Seorang agen seharusnya menyelesaikan seluruh proses — bayar, rute, terima, verifikasi — sendiri.
Dan pekerja seharusnya bersaing berdasarkan kinerja, bukan koneksi.
Saya masih hati-hati dengan apa pun yang menyebut dirinya "terbuka."
Karena ujian sebenarnya terjadi ketika segalanya berjalan salah.
Ketika lalu lintas meningkat, sistem melambat, atau bagian gagal —
Apakah akses tetap terbuka?
Atau apakah itu dengan tenang menjadi terbatas lagi?
@OpenGradient #OPG $OPG
Saya terus kembali ke sebuah pertanyaan aneh tentang AI pribadi.
Orang biasanya menganggap privasi sebagai perlindungan. Menjaga data tetap aman. Menyembunyikan percakapan. Mencegah eksposur.
Tapi setelah menghabiskan waktu dengan @OpenGradient Chat, saya mulai bertanya-tanya apakah privasi sebenarnya melakukan hal yang sama sekali berbeda.
Privasi tidak hanya melindungi apa yang kita katakan. Ini mengubah apa yang kita bersedia untuk tanyakan.
Ada pemikiran yang orang ragu untuk ungkapkan bahkan dalam diam. Ide-ide setengah jadi. Pendapat yang belum dipoles. Pertanyaan yang terasa terlalu dasar, terlalu aneh, atau terlalu terbuka. Jenis yang jarang muncul dalam percakapan publik dan sering memudar sebelum benar-benar dipahami.
Lingkungan AI pribadi menurunkan ambang batas itu. Ini menciptakan ruang di mana bertanya terasa lebih mudah, kurang performatif, dan kurang final.
Perubahan itu penting.
Karena nilai sejati dari privasi mungkin bukan dalam melindungi pemikiran terbaik dan paling terasah kita. Mungkin ini tentang memberikan ruang untuk yang belum selesai, yang tidak pasti, yang berkembang, dan kadang-kadang ide yang bertentangan yang membentuk bagaimana kita sebenarnya berpikir.
Dan pemikiran yang belum selesai itu tidak dapat diprediksi. Mereka bisa memunculkan wawasan atau memperkuat kebingungan. Mereka bisa menantang asumsi atau dengan tenang menguatkannya.
Jadi pertanyaannya bukan hanya apakah AI pribadi membuat kita lebih aman.
Tapi apakah itu membuat kita lebih jujur dengan diri kita sendiri atau sekadar lebih nyaman tetap tidak ditantang dalam pemikiran kita sendiri.
@OpenGradient #OPG $OPG
Orang biasanya menganggap privasi sebagai perlindungan. Menjaga data tetap aman. Menyembunyikan percakapan. Mencegah eksposur.
Tapi setelah menghabiskan waktu dengan @OpenGradient Chat, saya mulai bertanya-tanya apakah privasi sebenarnya melakukan hal yang sama sekali berbeda.
Privasi tidak hanya melindungi apa yang kita katakan. Ini mengubah apa yang kita bersedia untuk tanyakan.
Ada pemikiran yang orang ragu untuk ungkapkan bahkan dalam diam. Ide-ide setengah jadi. Pendapat yang belum dipoles. Pertanyaan yang terasa terlalu dasar, terlalu aneh, atau terlalu terbuka. Jenis yang jarang muncul dalam percakapan publik dan sering memudar sebelum benar-benar dipahami.
Lingkungan AI pribadi menurunkan ambang batas itu. Ini menciptakan ruang di mana bertanya terasa lebih mudah, kurang performatif, dan kurang final.
Perubahan itu penting.
Karena nilai sejati dari privasi mungkin bukan dalam melindungi pemikiran terbaik dan paling terasah kita. Mungkin ini tentang memberikan ruang untuk yang belum selesai, yang tidak pasti, yang berkembang, dan kadang-kadang ide yang bertentangan yang membentuk bagaimana kita sebenarnya berpikir.
Dan pemikiran yang belum selesai itu tidak dapat diprediksi. Mereka bisa memunculkan wawasan atau memperkuat kebingungan. Mereka bisa menantang asumsi atau dengan tenang menguatkannya.
Jadi pertanyaannya bukan hanya apakah AI pribadi membuat kita lebih aman.
Tapi apakah itu membuat kita lebih jujur dengan diri kita sendiri atau sekadar lebih nyaman tetap tidak ditantang dalam pemikiran kita sendiri.
@OpenGradient #OPG $OPG
Dulu saya berpikir bahwa kecerdasan buatan akan selalu ada di tangan segelintir orang, dikendalikan diam-diam di balik antarmuka yang mengkilap dan sistem yang dijaga ketat. Itu terasa jauh dari saya, hampir seperti sesuatu yang bisa saya saksikan tapi tidak pernah benar-benar menjadi bagian dari itu. Keyakinan itu tetap bersama saya untuk waktu yang lama, sampai saya menemukan OpenGradient dan merasakan sesuatu berubah perlahan.
Ada sesuatu yang sangat manusiawi tentang ide kecerdasan terbuka. Ini bukan hanya tentang mesin yang belajar lebih cepat atau model yang menjadi lebih kuat. Ini tentang memberi kecerdasan tempat di mana ia bisa eksis dengan bebas, di mana ia dihosting, diverifikasi, dan dibagikan tanpa kontrol tersembunyi. OpenGradient tidak hanya membangun infrastruktur, tetapi menciptakan lingkungan di mana kepercayaan dapat tumbuh secara alami, tanpa paksaan.
Apa yang menarik perhatian saya adalah filosofi tenang di baliknya. Ini tidak mencoba untuk menguasai sistem, tetapi justru membentuknya dari dalam. Jaringan terdesentralisasi seperti ini membawa kepercayaan diri yang tenang, memungkinkan inovasi bergerak tanpa hambatan sambil tetap mempertahankan akuntabilitas.
Saat saya duduk dengan pemikiran ini, saya menyadari bahwa ini bukan hanya tentang meningkatkan kecerdasan buatan. Rasanya seperti kembali ke sesuatu yang lebih seimbang, di mana akses tidak dibatasi dan kecerdasan tidak lagi dimiliki, tetapi dialami oleh semua orang yang mau menjadi bagiannya.
@OpenGradient #opg $OPG
Ada sesuatu yang sangat manusiawi tentang ide kecerdasan terbuka. Ini bukan hanya tentang mesin yang belajar lebih cepat atau model yang menjadi lebih kuat. Ini tentang memberi kecerdasan tempat di mana ia bisa eksis dengan bebas, di mana ia dihosting, diverifikasi, dan dibagikan tanpa kontrol tersembunyi. OpenGradient tidak hanya membangun infrastruktur, tetapi menciptakan lingkungan di mana kepercayaan dapat tumbuh secara alami, tanpa paksaan.
Apa yang menarik perhatian saya adalah filosofi tenang di baliknya. Ini tidak mencoba untuk menguasai sistem, tetapi justru membentuknya dari dalam. Jaringan terdesentralisasi seperti ini membawa kepercayaan diri yang tenang, memungkinkan inovasi bergerak tanpa hambatan sambil tetap mempertahankan akuntabilitas.
Saat saya duduk dengan pemikiran ini, saya menyadari bahwa ini bukan hanya tentang meningkatkan kecerdasan buatan. Rasanya seperti kembali ke sesuatu yang lebih seimbang, di mana akses tidak dibatasi dan kecerdasan tidak lagi dimiliki, tetapi dialami oleh semua orang yang mau menjadi bagiannya.
@OpenGradient #opg $OPG
Saya sudah melihat ratusan proyek crypto yang berjanji untuk 'merevolusi DeFi', tetapi sangat sedikit yang benar-benar menyerang masalah nyata: pengalaman pengguna itu sendiri. Itulah sebabnya Genius Terminal menarik perhatian saya dengan cara yang berbeda.
Kebanyakan orang masih belum menyadari betapa rusaknya perdagangan on-chain di balik layar. Persetujuan dompet yang tak ada habisnya, risiko jembatan, transaksi yang gagal, perpindahan rantai, dompet yang terbuka, bot front-running — trader rata-rata menghadapi semua ini secara konstan. Genius Terminal tampaknya sedang membangun sesuatu yang jauh lebih besar dari sekadar bursa lainnya. Mereka berusaha membuat infrastruktur blockchain menjadi tidak terlihat.
Dan jujur, di situlah hal-hal menjadi menarik.
Ide untuk berdagang di berbagai rantai dari satu terminal sambil menyembunyikan kompleksitas di bawahnya bisa sepenuhnya mengubah cara orang berinteraksi dengan crypto. Tambahkan Ghost Orders, lapisan eksekusi pribadi, likuiditas teragregasi, dan perdagangan tanpa tanda tangan ke dalam campuran, dan tiba-tiba ini mulai terasa kurang seperti aplikasi DeFi biasa dan lebih seperti sistem operasi perdagangan profesional.
Apa yang benar-benar menonjol bagi saya adalah arahnya. Mereka tidak menjual meme. Mereka menjual efisiensi, privasi, dan kecepatan. Itulah biasanya tempat di mana modal serius bergerak pada akhirnya.
Jika Genius Terminal menjalankan visi ini dengan baik, saya benar-benar berpikir kita bisa melihat kembali nanti dan menyadari bahwa ini adalah salah satu proyek awal yang mencoba merancang ulang seluruh pengalaman perdagangan on-chain dari bawah ke atas.
@GeniusOfficial #genius $GENIUS
Kebanyakan orang masih belum menyadari betapa rusaknya perdagangan on-chain di balik layar. Persetujuan dompet yang tak ada habisnya, risiko jembatan, transaksi yang gagal, perpindahan rantai, dompet yang terbuka, bot front-running — trader rata-rata menghadapi semua ini secara konstan. Genius Terminal tampaknya sedang membangun sesuatu yang jauh lebih besar dari sekadar bursa lainnya. Mereka berusaha membuat infrastruktur blockchain menjadi tidak terlihat.
Dan jujur, di situlah hal-hal menjadi menarik.
Ide untuk berdagang di berbagai rantai dari satu terminal sambil menyembunyikan kompleksitas di bawahnya bisa sepenuhnya mengubah cara orang berinteraksi dengan crypto. Tambahkan Ghost Orders, lapisan eksekusi pribadi, likuiditas teragregasi, dan perdagangan tanpa tanda tangan ke dalam campuran, dan tiba-tiba ini mulai terasa kurang seperti aplikasi DeFi biasa dan lebih seperti sistem operasi perdagangan profesional.
Apa yang benar-benar menonjol bagi saya adalah arahnya. Mereka tidak menjual meme. Mereka menjual efisiensi, privasi, dan kecepatan. Itulah biasanya tempat di mana modal serius bergerak pada akhirnya.
Jika Genius Terminal menjalankan visi ini dengan baik, saya benar-benar berpikir kita bisa melihat kembali nanti dan menyadari bahwa ini adalah salah satu proyek awal yang mencoba merancang ulang seluruh pengalaman perdagangan on-chain dari bawah ke atas.
@GeniusOfficial #genius $GENIUS
Saya sudah mengamati ruang AI dan crypto untuk waktu yang lama, dan sejujurnya, sebagian besar proyek akhirnya terdengar identik bagi saya. Setiap platform mengklaim akan "merevolusi AI" atau "mengubah masa depan," tetapi sangat sedikit yang benar-benar fokus pada menyelesaikan sesuatu yang nyata.
Itulah mengapa OpenLedger menarik perhatian saya dengan cara yang berbeda.
Semakin dalam saya melihatnya, semakin saya menyadari bahwa ini bukan sekadar token AI lain yang mengejar hype. Saya rasa OpenLedger mencoba menantang salah satu masalah tersembunyi terbesar dalam kecerdasan buatan saat ini: kepemilikan.
Saat ini, model AI menjadi sangat kuat dengan menggunakan data yang dibuat oleh jutaan orang biasa, namun sebagian besar kontributor sama sekali tidak mendapatkan imbalan. Saya pikir ketidakseimbangan itu akan menjadi masalah besar di masa depan.
Yang membuat OpenLedger menarik bagi saya adalah fokusnya pada atribusi dan transparansi. Alih-alih kecerdasan yang ada di balik sistem korporat tertutup, saya melihat OpenLedger mendorong menuju masa depan di mana kontribusi dapat benar-benar dilacak, diverifikasi, dan dihargai dengan adil.
Dan sejujurnya, itu mengubah segalanya.
Saya tidak berpikir sebagian besar orang sepenuhnya memahami seberapa berharga data yang semakin berkembang. Perusahaan-perusahaan yang mengendalikan dataset terbaik secara diam-diam mengendalikan masa depan AI itu sendiri. OpenLedger tampaknya memahami hal itu lebih awal.
Jika mereka dapat mengeksekusi dengan baik, saya benar-benar percaya proyek ini bisa menjadi jauh lebih besar dari yang diperkirakan kebanyakan orang saat ini — bukan karena hype, tetapi karena masalah yang mereka coba selesaikan adalah nyata, terus berkembang, dan tidak bisa diabaikan.
@OpenLedger #OpenLedger $OPEN
Itulah mengapa OpenLedger menarik perhatian saya dengan cara yang berbeda.
Semakin dalam saya melihatnya, semakin saya menyadari bahwa ini bukan sekadar token AI lain yang mengejar hype. Saya rasa OpenLedger mencoba menantang salah satu masalah tersembunyi terbesar dalam kecerdasan buatan saat ini: kepemilikan.
Saat ini, model AI menjadi sangat kuat dengan menggunakan data yang dibuat oleh jutaan orang biasa, namun sebagian besar kontributor sama sekali tidak mendapatkan imbalan. Saya pikir ketidakseimbangan itu akan menjadi masalah besar di masa depan.
Yang membuat OpenLedger menarik bagi saya adalah fokusnya pada atribusi dan transparansi. Alih-alih kecerdasan yang ada di balik sistem korporat tertutup, saya melihat OpenLedger mendorong menuju masa depan di mana kontribusi dapat benar-benar dilacak, diverifikasi, dan dihargai dengan adil.
Dan sejujurnya, itu mengubah segalanya.
Saya tidak berpikir sebagian besar orang sepenuhnya memahami seberapa berharga data yang semakin berkembang. Perusahaan-perusahaan yang mengendalikan dataset terbaik secara diam-diam mengendalikan masa depan AI itu sendiri. OpenLedger tampaknya memahami hal itu lebih awal.
Jika mereka dapat mengeksekusi dengan baik, saya benar-benar percaya proyek ini bisa menjadi jauh lebih besar dari yang diperkirakan kebanyakan orang saat ini — bukan karena hype, tetapi karena masalah yang mereka coba selesaikan adalah nyata, terus berkembang, dan tidak bisa diabaikan.
@OpenLedger #OpenLedger $OPEN
Masuk untuk menjelajahi konten lainnya