超人不会飞2020

Há algum tempo jantei com um amigo que trabalha com DeFi de controle de risco. Ele disse que hoje o que mais dá dor de cabeça não são ataques de hackers, e sim operadores internos que escorregam com o dedo — ou até fazem isso de propósito. A pessoa assina os documentos e o dinheiro já sai; quando percebem que houve algo errado, não dá mais para correr atrás. Na hora me veio à mente aquele mecanismo de resolução de disputas do @NewtonProtocol — não é exatamente esse problema que ele resolve?

Ele separa totalmente “assinar” de “entrar em vigor”. Depois que o operador assina a autorização, o estado fica primeiro registrado temporariamente na cadeia. Em seguida, entra uma janela de contestação. Nesse momento, não só o registro do operador — qualquer parte de auditoria, robôs de monitoramento e até concorrentes podem vir apontar falhas. Se ninguém contestar, ou se a contestação falhar, aí sim libera oficialmente. Além disso, a contestação não é discussão: é jogar a estratégia Rego dentro da zero-knowledge virtual machine para reexecutar e gerar uma prova. Se não bater, quem assinou errado tem o ETH que depositou como garantia confiscado.

Esse mecanismo desloca a confiança das pessoas que “são honestas” para a matemática que diz a verdade. Eu gosto bastante disso: não aposta no caráter humano; aposta que ninguém vai querer colocar ouro de verdade para apostar numa mentira que pode ser desmascarada na hora.

Claro que o whitepaper também admite: no início, os operadores são autorizados (permissionados). É para manter qualidade e responsabilização; só depois, com desconto, viria a descentralização. Essas primeiras pessoas vão acabar formando conchavo? Ainda depende de se, na janela de contestação, alguém realmente vai tentar aumentar a aposta. O que eu mais me preocupo agora é: depois do lançamento na mainnet, de fato apareceu a primeira contestação bem-sucedida? Isso é bem mais concreto do que só slogans.

Do ponto de vista do usuário, o que a Newton realmente me fisgou foi a verificação antecipada (pre-check). A VaultKit fixa antes o limite de gastos, a faixa de ativos e as condições de preço; só depois de passar na validação é que vai para a cadeia. Em conjunto com TEE + ZK, fica auditável. O Mainnet Beta já roda na ETH e na BSC; antes de liquidar as transações, ele bloqueia o risco na hora. Enfim, não precisa mais autorizar e ficar olhando, impotente, enquanto o dinheiro é gasto de forma aleatória. $NEWT vincula staking, validação de risco e governança — a lógica é bem consistente.

Mas as limitações também são claras: regras personalizadas demais acabam desestimulando novatos; para operações pequenas, o custo-benefício desse fluxo é baixo; e a consulta de credenciais não é tão fluida. Esses são problemas comuns de infraestrutura nos estágios iniciais. Se depois simplificarem a interação e reduzirem a barreira de entrada, ele pode ter chance de virar padrão nas finanças on-chain — especialmente na era dos agentes de IA.

No momento eu estou observando: acompanhando casos reais de adoção da VaultKit e se pessoas comuns conseguem entender facilmente as regras de permissão. Para a IA Agent realmente ganhar escala, essa etapa de execução controlável não dá para contornar. Se esse prato vale a pena ou não, os dados on-chain do ano que vem vão dizer.

#Newt

7 negociações perfeitas seguidas: ganhei demais 😅 lucrei 90U

Este projeto: é necessário escolher apenas uma opção para concluir o texto longo e a postagem curta?

Há dez mil maneiras de uma flor desabrochar; que nossos corações permaneçam serenos, sem perder a calma.

Hoje de manhã eu queria configurar um aporte automático, mas descobri que apareceu uma tela de autorização da carteira com um monte de termos de permissão que eu não entendi. Quando fui clicar em confirmar, fiquei com o coração na mão: afinal, isso realmente consegue debitar no horário certo? E se de repente esvaziar minha carteira?

Depois, fui procurar informações sobre @NewtonProtocol e vi que ele resolve exatamente esse problema.

Diferente daqueles projetos de Agent do mercado que ficam vendendo que as estratégias “inteligentes” são tão incríveis, a Newton se concentra em uma coisa: se a estratégia consegue executar de forma segura. Pense bem: quando um Agent recebe permissões, quem sabe o que ele vai fazer, quando vai mexer no dinheiro, quanto vai mover e o que acontece quando o preço sai do esperado. Se não travar isso antes, quem teria coragem de usar?

A abordagem da Newton é colocar as regras antes. Por meio do VaultKit, você define previamente limites de gasto, o escopo de ativos e condições de preço, por exemplo. Só quando a regra passa é que a transação vai para a blockchain. Isso é especialmente útil para o vault manager, para desenvolvedores de estratégia e para participantes de protocolos DeFi — não é aquelas “mágicas” para o varejo fazer um clique e copiar tudo. É adicionar uma camada de proteção verificável à automação on-chain.

O Mainnet Beta já está rodando. A sintaxe da linguagem das estratégias em Rego é completa, dá para alternar à vontade entre Ethereum e BSC. E com TEE e provas ZK, cada execução tem um comprovante de auditoria, o que é bem mais confiável do que aquela caixa-preta de servidores fora da cadeia.

O modelo econômico de $NEWT também é relativamente consistente: staking, taxas e votação de governança — lógica fechada. Quando a migração para a própria cadeia acontecer no lançamento da mainnet, o Gas e a capacidade de concorrência ainda devem melhorar um pouco.

Em curto prazo, a febre não significa muito. Eu estou de olho em três sinais: o ritmo das atualizações dos desenvolvedores; se o VaultKit tem casos reais de estratégias; e se usuários comuns conseguem entender o escopo das permissões.

A automação Web3 está ficando cada vez mais popular. A Newton não fica empilhando conceitos; ela bate de frente com a execução controlável. Se esse caminho for bem estabelecido, $NEWT de fato consegue ocupar um espaço na corrida de AI Agent. Vamos continuar observando a evolução técnica. #Newt

Minha melhor amiga, a Shirley, fez uma coisa no mês passado que me deixou completamente sem chão. Ela conectou a chave privada da própria carteira diretamente a um robô de trading com IA, pra deixar a máquina ajudar a automatizar “airdrops” e também a fazer market making. Na hora eu entrei em pânico: “Você pirou? E se a IA fizer uma besteira e der tudo zerado numa noite?” Só que ela, tranquila, simplesmente me mandou um link: “Olha você mesmo, cada passo tem comprovação. Eu posso ver o que ela pensou, posso checar.”

Eu clico e vejo: não era brincadeira. Cada transação vem com uma prova de raciocínio por trás, explicando de forma bem clara por que a IA decidiu daquele jeito. Isso me atingiu bastante. Eu tenho usado o OpenGradient Chat por um tempo, fico vendo as pessoas conversarem sobre parâmetros dos modelos, quão rápidos são os raciocínios… mas por dentro eu sempre pensava: “Por mais inteligente que seja, ainda é uma caixa-preta. Como é que eu posso confiar?”

@OpenGradient é justamente sobre esse problema de confiança. A arquitetura é bem direta: os nós de inferência calculam, e os nós de verificação conferem as contas — uma lógica parecida com aquela separação entre execução e liquidação típica de blockchain.

Eu testei por alguns dias e a experiência foi mais sólida do que eu esperava. O diálogo do dia a dia flui bem; quando toca em coisas sensíveis como checagem de dados on-chain ou operações financeiras, o sistema muda automaticamente para o modo de verificação. Aí fica um pouquinho mais lento, mas o coração fica em paz. Todas as chamadas de computação vão para a liquidação na cadeia, e os tokens$OPG têm cenários reais de consumo — não é só “ar”. O ciclo fechado do fluxo de dados on-chain também dá pra enxergar. Como um veterano do mercado, isso me deixa mais tranquilo.

Claro, tem defeitos também: quanto mais verificação, maior o custo; e os nós ainda não são distribuídos o suficiente — a dependência de hardware precisa de otimização de tempo. Mas comparado com aqueles projetos on-chain de IA que só gritam slogans, a OPG pelo menos já botou o produto no mundo.

Pensando no longo prazo: quando os agentes de IA realmente explodirem, a demanda por inferência e verificação vai disparar de um jeito assustador. O modelo itera rápido, mas essa camada de verificabilidade — o fator de confiança — é o recurso realmente raro. Eu, por enquanto, estou com um valor pequeno, segurando$OPG , usando o produto e acompanhando as iterações.

Aquelas coisinhas do mercado cripto: não corra atrás de hype. Procure algo com cenários reais, vá com calma. Se você tiver interesse, experimente você mesmo o OpenGradient Chat e sinta como é essa experiência de uma IA verificável.#OPG

Brasil vs Japão 😅 previ 8 vezes, ganhei 5 e perdi 10U 🙃 vou parar de apostar ~

A CRCL, como emissora do USDC, deve comprar 30 ações; apoie a primeira stablecoin!

Falando sério, sempre que ouço “blockchain pública de IA”, me dá um aperto. Em dez projetos, nove e meia são basicamente “modifique, modifique” o mesmo mecanismo de Gas do Ethereum e depois gritam slogans. Rodar um Hello World custa o mesmo que rodar um modelo grande — isso não é comédia? Se você realmente quiser colocar aplicações complexas de IA na cadeia, só o custo já faz você perder até a cueca.

Nos dois dias anteriores, vi o @OpenGradient e fui conferir com a ideia: “verei quem é o encanador de Frankenstein desta vez”. Mas, ao olhar mais de perto, até que há algo. Eles não ficaram fazendo firula por fora; foram direto mexer no mercado de computação em nível de base. Conforme a complexidade da tarefa, o tamanho do modelo e o método de validação, aplicam precificação dinâmica. Transformaram o modelo antigo de “celeiro comum”, de cobrança grosseira, numa balança precisa, miligrama por miligrama. Se isso realmente conseguir rodar, então o fato de serviços de IA complexos serem postos na cadeia ganha um mínimo de base prática.

O $OPG também não é muito parecido com as outras moedas dentro desse ecossistema. Não é uma taxa “ar” de passagem, e sim uma régua em tempo real que ancora o consumo de computação real. Se quiser rodar um serviço de nível comercial no OpenGradient Chat, sem essa medição dinâmica, a conta de custos simplesmente não fecha.

Falando nisso, a atualização x402 de fevereiro deles também me agrada bastante: eles enfiaram o protocolo de pagamento dentro de uma instância TEE. As requisições de inferência chegam direto à área segura; no meio não tem aquele “traficante” tirando margem, e os dados ficam seguros. E ainda existe um registro de instâncias TEE na cadeia: cada nó vem com autenticação por assinatura AWS. Assim, o usuário pode escolher nós confiáveis, enquanto o contrato inteligente fica responsável por verificar, devolvendo a confiança de volta para fora daqueles provedores de nuvem centralizados.

E o protocolo PIPE também é bem interessante: execução e validação ficam empacotadas como uma operação atômica. Em outras palavras, é para reduzir ao máximo aquele “vazio de confiança” — você termina a inferência, mas não sabe se o resultado é confiável. Embora a velocidade de resposta possa sofrer um corte, para cenários de agentes de IA na cadeia que exigem rigor, isso na verdade dá mais segurança.

Claro, dito isso, confesso que ainda fico com um pé atrás: com essa precificação multidimensional, será que aguenta em concorrência extrema? Ninguém hoje se atreve a bater no peito com confiança total. A IA tem características emergentes; às vezes o comportamento é imprevisível. E ao encontrar um sistema de blockchain que é obcecado por determinismo, por si só é uma colisão de forças. Mas pelo menos o OpenGradient se atreveu a abrir uma brecha — e eu reconheço isso. #OPG

Pessoal, o que vocês acham do OPG?

Agradeço o nosso encontro, agradeço a nossa caminhada, agradeço a Praça Binance, agradeço a cada um de vocês ❤️❤️

Comprou?

No ano passado, minha amiga íntima, Shirley, insistiu em alugar uma lojinha na Avenida Dong Sihuan para abrir um negócio de cerveja artesanal. Ela me disse que “ao redor só tem escritórios; os profissionais de colarinho branco vão vir depois do trabalho”. E aí? Nos primeiros três meses, com descontos de inauguração, o lugar ficava lotado—gente demais. Quando tiraram a ação, até os entregadores de comida começaram a ser mais numerosos do que os clientes. Eu tinha aconselhado ela a ficar dois meses observando o fluxo de pessoas antes de assinar contrato, mas ela não quis: “o momento do mercado não espera”. No fim, ela aguentou só seis meses; nem a taxa de transferência ela conseguiu recuperar.

Quando o @OpenGradient também subiu no mainnet, foi bem por esse mesmo caminho. Os dados do testnet subiam como um brinquedo de parque de diversões, indo e voltando como uma montanha-russa. Mas quando a motivação/estímulo foi removida, as chamadas reais despencaram diretamente de volta ao nível anterior. A equipe não ficou ociosa—arquitetura HACA, Model Hub, tudo continuando a ser refinado aos poucos—, mas a empolgação do mercado já tinha passado. O token $OPG ficou ali balançando junto com o mercado amplo: não despencou, mas também não decolou. Virou aquele tipo típico de projeto que “faz as pessoas sofrerem até morrer”. Os amigos que entraram cedo foram literalmente esvaziando a paciência, um pouquinho por vez, e quem não subiu no trem acabou secretamente aliviado por ter economizado uma “taxa de aprendizado”.

Naquela época, eu não tomei ação, não porque eu fosse tão esperto, mas porque havia alguns pontos bem difíceis no documento que simplesmente não dava para contornar. O custo de desempenho do ZKML: até os próprios dados oficiais colocam isso em evidência—é milhares a dezenas de milhares de vezes mais lento do que uma inferência comum. Uma verificação de inferência que levaria dezenas de milissegundos a milhares de vezes gastaria minutos. Isso não é um problema que “otimização” resolve: é o custo matemático. O que complicava ainda mais era a compatibilidade do modelo. O conjunto de operadores suportado pelo EZKL ainda ficou nos padrões de alguns anos atrás; em 2026, os modelos já iteraram várias rodadas. Para usar ZKML, primeiro teria de degradar o modelo—e, para muita gente, a escolha direta vira TEE ou inferência comum. Assim, a IA verificável virou só enfeite.

A HACA separa execução e verificação, e a “janela de confiança” que fica no meio é particularmente cruel para cenários em tempo real. A ideia do Model Hub é boa, mas o sistema do comitê de auditoria—aquele de caução e de aprovação—faz os desenvolvedores ficarem com pulga atrás da orelha.

Claro, se de fato alguns clientes empresariais aterrissarem e sustentarem as chamadas, eu posso ter me enganado, e aquela fatia consegue morder um “grande pedaço”. Mas essa chance é a menor. O risco de colapso fica na segunda posição: com o destravamento e depois a retirada dos incentivos, os dados ficam expostos, e é bem fácil formar uma tendência de queda. Hoje ninguém sabe qual caminho final vai ser escolhido, nem a própria equipe. Pensar com probabilidade é mais seguro do que ficar correndo atrás da narrativa. #OPG

Pessoal, o que vocês acham do OPG? Escolham um

Vocês podem abrir a carteira web3 para fazer o pedido. Amanhã de manhã, nesta partida, eu aposto na vitória da Inglaterra 🏴🏅#web3钱包

Neste fim de semana, quero usar IA para planejar a rota da minha viagem a Jeju. Primeiro, perguntei várias coisas no ChatGPT, e ele me deu um itinerário bem detalhado, que pareceu bem confiável. Mas surgiu o problema: como posso confirmar se os restaurantes recomendados por ele ainda estão funcionando de verdade? E aquela praia mais alternativa que ele mencionou—agora será que está bloqueada por causa de obras?

Eu só consigo copiar as respostas dele e abrir o navegador para verificar um por um manualmente. Dá um trabalho de meia hora e, no fim, parece quase a mesma coisa de antes, antes de perguntar para a IA. Se esse tipo de tarefa de raciocínio e validação pudesse ser automatizado diretamente na cadeia, o resultado já viria naturalmente confiável, sem eu ter que atuar como um “verificador humano” no meio do caminho. Seria muito melhor.

Quando estava pensando nesse ponto de dor, acabei esbarrando no projeto @OpenGradient e realmente me fez parar mais alguns segundos.

A embalagem técnica desse projeto é bem “pesada”: experiência em quantificação da Two Sigma, plataforma de IA da Palantir, além de ambientes de execução confiáveis TEE e raciocínio verificável por criptografia. E, por trás de tudo, estão apoiando a a16z crypto e a Coinbase Ventures. À primeira vista, parece mesmo aquele “cheiro” de uma solução definitiva de IA descentralizada.

Mas o que realmente me deixou com um certo interesse é que ele não segue aquele caminho antigo de IA chatbot emitindo moedas. O que $OPG quer fazer é mover o raciocínio da IA para a cadeia, tornando os resultados naturalmente confiáveis por meio de verificações. E então integrar com contratos inteligentes. Se der para funcionar de verdade, como no meu exemplo do planejamento de viagem: daqui em diante, contratos inteligentes poderiam chamar diretamente os resultados do raciocínio da IA, com validação e execução automáticas, sem eu precisar ficar fazendo todas aquelas confirmações no meio. Esse espaço de imaginação realmente existe.

Mas, pensando com calma, também há vários problemas. Raciocínio de IA exige clusters de GPU, alta largura de banda e baixa latência; já blockchain fala de consenso, validação e descentralização. Os dois conceitos, na essência, estão “se puxando em direções opostas”. O custo e o tempo de resposta de fazer uma inferência na cadeia são muito maiores do que simplesmente chamar a API da OpenAI. Para a maioria dos desenvolvedores, sem essa proposta de “não precisa confiar”, o apelo pode não ser tão grande.

Além disso, ainda existem questões como centralização de poder computacional, a suposição de confiança do hardware do TEE e uma nova variante de ataques MEV. Depois do TGE, a euforia com a IA disparou e depois corrigiu—o mercado, na verdade, já demonstrou alguma atitude quanto a isso. #OPG