Eu não sei se vocês acreditam no que vou dizer — mas depois de pensar muito, decidi compartilhar mesmo assim!
No ano passado, peguei um trabalho de controle de risco com IA e, depois de menos de duas semanas, o modelo de repente ficou impreciso. Revisei os logs: tudo limpo. A equipe de suporte só deu de ombros: “O modelo é interno; você não consegue ver.”
Naquele momento, percebi que não importa o que a IA produz; o importante é por que você deveria confiar nela.
O que a OpenGradient está fazendo é exatamente virar essa página — transformar “você acredita em mim ou não” em “você verifica ou não”.
No dia 21 de abril, a mainnet foi lançada na Base chain. Até agora, foram hospedados mais de 4.400 modelos, processadas mais de 2 milhões de inferências e verificadas mais de 500 mil provas. Por trás disso está um aporte de US$ 9,5 milhões liderado pela a16z crypto; tanto a Binance quanto a Upbit também já entraram com spot.
A lógica central da arquitetura HACA, em uma frase: separar execução e verificação. Os nós de inferência rodam os modelos especificamente, entregando resultados em nível de milissegundos; os nós completos não repetem o cálculo, apenas verificam se a prova está correta. A verificação é dividida em três níveis: TEE usa hardware confiável da Intel SGX como endosso — para uso diário, suficiente; ZKML usa provas matemáticas — teto de segurança alto, mas também a maior latência; Vanilla cobre cenários de baixo risco como retaguarda.
O whitepaper não “promete segurança absoluta”; ele oferece um “menu de confiança” — você escolhe o equilíbrio entre eficiência e exposição.
Mas as contas precisam ser feitas direito. O TEE depende da confiabilidade do hardware da Intel; o SGX já foi furado algumas vezes via ataques por canal lateral. Colocar a base de segurança de uma IA verificável em firmware proprietário de uma fábrica de chips é, por si só, um compromisso. O ZKML é absolutamente seguro, mas lento — e o time do projeto também sabe disso: forçar ZKML em cenários de grande escala pode travar tudo.
Agora, falando do token. Oferta total: 1 bilhão. TGE em 21 de abril; atualmente em circulação cerca de 190 milhões. Em 21 de junho, ainda haverá cerca de 9,13 milhões de tokens do “allocation” da fundação desbloqueados, no valor de aproximadamente US$ 1,62 milhão. @OpenGradient
Eu reconheço o rumo de “IA verificável”. O que a OpenGradient me convenceu foi uma frase: ela faz a IA deixar de ser “você acredita ou não” para virar “você verifica ou não”. Mas a questão real desse setor não é se a tecnologia consegue rodar; é se existe alguém disposto a pagar um prêmio extra por aquela palavra — “verificável”. Só quando ela ganhar casos reais nos cenários em que “não verificável não pode ser usado” — como auditorias de contrato e controle de risco financeiro — é que essa conta vai fazer sentido.
#OPG $OPG
No ano passado, peguei um trabalho de controle de risco com IA e, depois de menos de duas semanas, o modelo de repente ficou impreciso. Revisei os logs: tudo limpo. A equipe de suporte só deu de ombros: “O modelo é interno; você não consegue ver.”
Naquele momento, percebi que não importa o que a IA produz; o importante é por que você deveria confiar nela.
O que a OpenGradient está fazendo é exatamente virar essa página — transformar “você acredita em mim ou não” em “você verifica ou não”.
No dia 21 de abril, a mainnet foi lançada na Base chain. Até agora, foram hospedados mais de 4.400 modelos, processadas mais de 2 milhões de inferências e verificadas mais de 500 mil provas. Por trás disso está um aporte de US$ 9,5 milhões liderado pela a16z crypto; tanto a Binance quanto a Upbit também já entraram com spot.
A lógica central da arquitetura HACA, em uma frase: separar execução e verificação. Os nós de inferência rodam os modelos especificamente, entregando resultados em nível de milissegundos; os nós completos não repetem o cálculo, apenas verificam se a prova está correta. A verificação é dividida em três níveis: TEE usa hardware confiável da Intel SGX como endosso — para uso diário, suficiente; ZKML usa provas matemáticas — teto de segurança alto, mas também a maior latência; Vanilla cobre cenários de baixo risco como retaguarda.
O whitepaper não “promete segurança absoluta”; ele oferece um “menu de confiança” — você escolhe o equilíbrio entre eficiência e exposição.
Mas as contas precisam ser feitas direito. O TEE depende da confiabilidade do hardware da Intel; o SGX já foi furado algumas vezes via ataques por canal lateral. Colocar a base de segurança de uma IA verificável em firmware proprietário de uma fábrica de chips é, por si só, um compromisso. O ZKML é absolutamente seguro, mas lento — e o time do projeto também sabe disso: forçar ZKML em cenários de grande escala pode travar tudo.
Agora, falando do token. Oferta total: 1 bilhão. TGE em 21 de abril; atualmente em circulação cerca de 190 milhões. Em 21 de junho, ainda haverá cerca de 9,13 milhões de tokens do “allocation” da fundação desbloqueados, no valor de aproximadamente US$ 1,62 milhão. @OpenGradient
Eu reconheço o rumo de “IA verificável”. O que a OpenGradient me convenceu foi uma frase: ela faz a IA deixar de ser “você acredita ou não” para virar “você verifica ou não”. Mas a questão real desse setor não é se a tecnologia consegue rodar; é se existe alguém disposto a pagar um prêmio extra por aquela palavra — “verificável”. Só quando ela ganhar casos reais nos cenários em que “não verificável não pode ser usado” — como auditorias de contrato e controle de risco financeiro — é que essa conta vai fazer sentido.
#OPG $OPG