Binance Square
尘缘一斩缘
1.4k Публикации

尘缘一斩缘

在币圈混了几年,分享行情、热点和项目研究——币圈不易,大家互相支持,帖子欢迎互赞互评,一起提高曝光
Трейдер с частыми сделками
2.3 г
70 подписок(и/а)
285 подписчиков(а)
2.3K+ понравилось
Посты
·
--
Статья
《NEWT的代币会在什么时候开始砸——我把解锁日历翻了一遍》去年我被朋友拉进一个“低估值早期项目”。 当时看起来估值很舒服,进场也不复杂,我还挺放心。 结果三个月后,有人在群里丢出一张代币解锁表,我才第一次意识到问题在哪。 机构那一批代币,锁定期刚好就在我买入后不久开始逐步解锁。 从那之后价格一路往下走,最后我割肉出来,亏了接近40%。 那次之后我养成一个习惯:看任何项目,先看解锁结构。 最近我把 Newton Protocol 的 $NEWT 解锁表翻了一遍,大致结构是这样的: 总量10亿枚,TGE时流通约2.15亿(21.5%)。 剩下的主要分几块: 核心贡献者:18.5%,锁12个月,之后36个月线性释放 早期投资人:16.5%,同样12个月锁定 + 36个月释放 Magic Labs:5%,节奏一致 社区与生态:约37%,其中一部分TGE解锁,其余48个月释放 空投与社区奖励:10%,TGE全解锁 这个结构意味着什么? 在前12个月里,真正新增卖压其实有限。 主要压力来自: - 已流通的21.5% - 以及生态基金的持续释放 真正的拐点在12个月之后。 那时候核心贡献者、早期投资人、Magic Labs 合计接近40%的代币会进入线性释放阶段。 虽然是36个月慢慢释放,但本质上是一个“稳定流入市场”的过程。 关键问题其实只有一个: 市场需求能不能在那之后接住新增供应? 换句话说,就是 Newton 的真实使用量增长,能不能跑赢代币释放速度。 但问题也在这里。 目前 Newton 真正跑着的产品只有 Recurring Buy。 像代理市场、Keystore Rollup 这些核心叙事,大多还在路线图阶段。 如果12个月后这些没有明显落地,那么解锁开始后的那一段时间,可能就不只是“释放”,而是持续的供给压力。 和我之前踩过的那个项目,本质逻辑其实很像,只是释放节奏更平滑。 当然,12个月锁定期本身说明一件事:团队至少不属于短期收割型,这一点是成立的。 但真正的压力测试,不在现在。 而在第一次大规模解锁开始之后。 到那个时候,再回来看项目进展和市场表现,会比任何预测都更真实。 如果你做中长线,不妨把这个解锁时间标在日历上。 不是为了预测价格,而是为了验证叙事有没有兑现。 @NewtonProtocol $NEWT #Newt

《NEWT的代币会在什么时候开始砸——我把解锁日历翻了一遍》

去年我被朋友拉进一个“低估值早期项目”。
当时看起来估值很舒服,进场也不复杂,我还挺放心。
结果三个月后,有人在群里丢出一张代币解锁表,我才第一次意识到问题在哪。
机构那一批代币,锁定期刚好就在我买入后不久开始逐步解锁。
从那之后价格一路往下走,最后我割肉出来,亏了接近40%。
那次之后我养成一个习惯:看任何项目,先看解锁结构。
最近我把 Newton Protocol 的 $NEWT 解锁表翻了一遍,大致结构是这样的:
总量10亿枚,TGE时流通约2.15亿(21.5%)。
剩下的主要分几块:
核心贡献者:18.5%,锁12个月,之后36个月线性释放
早期投资人:16.5%,同样12个月锁定 + 36个月释放
Magic Labs:5%,节奏一致
社区与生态:约37%,其中一部分TGE解锁,其余48个月释放
空投与社区奖励:10%,TGE全解锁
这个结构意味着什么?
在前12个月里,真正新增卖压其实有限。
主要压力来自:
- 已流通的21.5%
- 以及生态基金的持续释放
真正的拐点在12个月之后。
那时候核心贡献者、早期投资人、Magic Labs 合计接近40%的代币会进入线性释放阶段。
虽然是36个月慢慢释放,但本质上是一个“稳定流入市场”的过程。
关键问题其实只有一个:
市场需求能不能在那之后接住新增供应?
换句话说,就是 Newton 的真实使用量增长,能不能跑赢代币释放速度。
但问题也在这里。
目前 Newton 真正跑着的产品只有 Recurring Buy。
像代理市场、Keystore Rollup 这些核心叙事,大多还在路线图阶段。
如果12个月后这些没有明显落地,那么解锁开始后的那一段时间,可能就不只是“释放”,而是持续的供给压力。
和我之前踩过的那个项目,本质逻辑其实很像,只是释放节奏更平滑。
当然,12个月锁定期本身说明一件事:团队至少不属于短期收割型,这一点是成立的。
但真正的压力测试,不在现在。
而在第一次大规模解锁开始之后。
到那个时候,再回来看项目进展和市场表现,会比任何预测都更真实。
如果你做中长线,不妨把这个解锁时间标在日历上。
不是为了预测价格,而是为了验证叙事有没有兑现。
@NewtonProtocol $NEWT #Newt
三年前刚入圈的时候,自己手抄助记词,结果写完才发现有两个单词抄错了。 当时钱包里还有两千多U,我第一反应是:这笔钱大概率没了。 盯着屏幕发了半小时呆,后来抱着试一试的心态反复校对,最后才把钱包恢复出来。 那次真的是一身冷汗,也第一次意识到一件事:在链上,最基础的东西出错,代价是实打实的。 最近看 Newton Protocol,它想做的一件事,是把这种“操作门槛”降下来。 它用 Magic Labs 的嵌入式钱包方案,不再依赖手写助记词或者浏览器插件。 用户可以直接用现有钱包连接,或者使用嵌入式钱包上手操作。 同时 AI 代理的权限,通过 ERC-4337 智能账户来管理,私钥不需要交给任何人。 简单理解就是:降低上手门槛,但不交出控制权。 不过我也有一些疑虑。 嵌入式钱包本质上和传统自托管钱包是两种安全模型,它更偏向“体验优先”的账户抽象方案。 问题在于:一旦出现风险,到底是用户问题、钱包层问题,还是协议问题? 责任边界并不清晰。 所以这件事本质上还是一个取舍: 一边是更低的使用门槛,一边是更复杂的底层信任结构。 对我来说,这种设计的关键不在于“有没有助记词”,而在于“控制权到底落在哪一层”。 @NewtonProtocol #newt $NEWT
三年前刚入圈的时候,自己手抄助记词,结果写完才发现有两个单词抄错了。

当时钱包里还有两千多U,我第一反应是:这笔钱大概率没了。

盯着屏幕发了半小时呆,后来抱着试一试的心态反复校对,最后才把钱包恢复出来。

那次真的是一身冷汗,也第一次意识到一件事:在链上,最基础的东西出错,代价是实打实的。

最近看 Newton Protocol,它想做的一件事,是把这种“操作门槛”降下来。

它用 Magic Labs 的嵌入式钱包方案,不再依赖手写助记词或者浏览器插件。

用户可以直接用现有钱包连接,或者使用嵌入式钱包上手操作。

同时 AI 代理的权限,通过 ERC-4337 智能账户来管理,私钥不需要交给任何人。

简单理解就是:降低上手门槛,但不交出控制权。

不过我也有一些疑虑。

嵌入式钱包本质上和传统自托管钱包是两种安全模型,它更偏向“体验优先”的账户抽象方案。

问题在于:一旦出现风险,到底是用户问题、钱包层问题,还是协议问题?

责任边界并不清晰。

所以这件事本质上还是一个取舍:

一边是更低的使用门槛,一边是更复杂的底层信任结构。

对我来说,这种设计的关键不在于“有没有助记词”,而在于“控制权到底落在哪一层”。
@NewtonProtocol #newt $NEWT
Статья
跨链自动化这个问题,Newton想用一个Rollup彻底解决——但它现在还没跑起来两年前我做过一次跨链套利。 同一个资产在两条链上有价差,理论上搬砖是能赚的。 但实际操作下来,跨链桥等了四十分钟,等到账的时候价差已经消失了,手续费还亏了一截。 后来复盘才发现,问题不只是“桥慢”,而是更底层的一点: 我在A链发起的操作,和B链的执行,本质上是两套完全独立的系统,没有任何机制保证它们能按同一个条件协同完成。 一旦节奏错位,只能自己补救。 Newton Protocol 想解决的跨链问题,本质上就在这一点上。 它提出的 Keystore Rollup,大致思路是: 把用户的跨链会话密钥和权限状态,统一放进一个专用 Rollup 里管理,这个 Rollup 由 zkVM 证明层支撑。 所有跨链状态变更和权限调用,都要先在这里“验权”,再去各条链执行。 如果用一句话理解,就是: 不再在每条链上各自管理权限,而是放到一个“统一权限层”里调度所有链上的执行。 理论上,这能解决很多现在跨链自动化的混乱问题,比如: A链触发条件 → B链执行操作 → 中间不会出现授权不一致或状态不同步。 也避免了现在常见的两种问题: 要么依赖中心化跨链服务商 要么每条链都要重复部署一套逻辑,维护成本很高 如果Keystore Rollup跑通,它更像是给AI代理加了一个“跨链总闸”。 所有执行都必须回到这个总闸验权。 但我有三层疑虑。 第一,这个目前还在路线图里,并不是已经上线的能力。 现在真正跑着的还是单链的 Recurring Buy。 跨链能力的测试数据、进展细节,都还没有足够公开的信息。 第二,跨链本身是整个加密系统里最脆弱的一环。 桥被攻击、消息不同步、状态回滚,这些问题在单链环境里不存在,但在多链协同时会被放大。 即使有 zkVM 证明层,也只是增加可信度,并不能完全消除攻击面。 第三,跨链自动化的价值,强依赖“接入的链数量”。 如果最终只支持少数几条链,那套利空间和策略复杂度都会非常有限。 整体来看,这个方向确实是解决真实问题的,但现实落地难度也同样真实。 跨链自动化的问题我自己确实踩过坑,所以我能理解为什么要做 Keystore Rollup。 但“问题真实存在”不等于“方案已经成立”。 对 Newton 来说,现在更像是在验证一个长期命题,而不是已经拥有一个成熟产品。 @NewtonProtocol $NEWT #Newt

跨链自动化这个问题,Newton想用一个Rollup彻底解决——但它现在还没跑起来

两年前我做过一次跨链套利。
同一个资产在两条链上有价差,理论上搬砖是能赚的。
但实际操作下来,跨链桥等了四十分钟,等到账的时候价差已经消失了,手续费还亏了一截。
后来复盘才发现,问题不只是“桥慢”,而是更底层的一点:
我在A链发起的操作,和B链的执行,本质上是两套完全独立的系统,没有任何机制保证它们能按同一个条件协同完成。
一旦节奏错位,只能自己补救。
Newton Protocol 想解决的跨链问题,本质上就在这一点上。
它提出的 Keystore Rollup,大致思路是:
把用户的跨链会话密钥和权限状态,统一放进一个专用 Rollup 里管理,这个 Rollup 由 zkVM 证明层支撑。
所有跨链状态变更和权限调用,都要先在这里“验权”,再去各条链执行。
如果用一句话理解,就是:
不再在每条链上各自管理权限,而是放到一个“统一权限层”里调度所有链上的执行。
理论上,这能解决很多现在跨链自动化的混乱问题,比如:
A链触发条件 → B链执行操作 → 中间不会出现授权不一致或状态不同步。
也避免了现在常见的两种问题:
要么依赖中心化跨链服务商
要么每条链都要重复部署一套逻辑,维护成本很高
如果Keystore Rollup跑通,它更像是给AI代理加了一个“跨链总闸”。
所有执行都必须回到这个总闸验权。
但我有三层疑虑。
第一,这个目前还在路线图里,并不是已经上线的能力。
现在真正跑着的还是单链的 Recurring Buy。
跨链能力的测试数据、进展细节,都还没有足够公开的信息。
第二,跨链本身是整个加密系统里最脆弱的一环。
桥被攻击、消息不同步、状态回滚,这些问题在单链环境里不存在,但在多链协同时会被放大。
即使有 zkVM 证明层,也只是增加可信度,并不能完全消除攻击面。
第三,跨链自动化的价值,强依赖“接入的链数量”。
如果最终只支持少数几条链,那套利空间和策略复杂度都会非常有限。
整体来看,这个方向确实是解决真实问题的,但现实落地难度也同样真实。
跨链自动化的问题我自己确实踩过坑,所以我能理解为什么要做 Keystore Rollup。
但“问题真实存在”不等于“方案已经成立”。
对 Newton 来说,现在更像是在验证一个长期命题,而不是已经拥有一个成熟产品。
@NewtonProtocol $NEWT #Newt
去年有个朋友把钱包私钥直接给了一个“代操盘”的人,说好只操作一个月。 结果没过多久,对方把钱包里能转的资产全转走了。 事后回头看,其实没有任何技术手段能帮他追回,也没有清晰证据链。 那次之后我对一件事的理解很直接:私钥一旦交出去,边界就不存在了。 最近看 Newton Protocol 的设计,它在解决的是另一种思路。 它没有让 AI 代理直接接触你的私钥,而是通过 ERC-4337 智能账户来做权限控制。 简单说就是:你不再是“把钱包交给别人”,而是“给钱包设规则”。 比如可以限定: 只允许在某个价格区间买入某个资产 只能执行某类操作 其他任何行为一律无法触发 AI 代理只能在这些规则范围内行动,超出就直接被合约拦住。 私钥始终在用户手里。 从逻辑上,这和“交出钱包”是完全两种授权模型。 但这里也有一个现实问题。 所有规则最终是写在智能账户合约里的。 也就是说,边界本身变成了代码。 问题就变成了另一种形式: 代码有没有漏洞?合约是否安全?边界逻辑是否被绕过? 即使做了审计,也只能降低风险,而不是消除风险。 所以我的看法是: Newton 这类设计确实比“把私钥交给人”安全一个数量级,但它并没有消灭风险,只是把风险从“人”转移到了“代码”。 链上世界没有绝对安全,只有风险形态的变化。 @NewtonProtocol #newt $NEWT
去年有个朋友把钱包私钥直接给了一个“代操盘”的人,说好只操作一个月。

结果没过多久,对方把钱包里能转的资产全转走了。

事后回头看,其实没有任何技术手段能帮他追回,也没有清晰证据链。

那次之后我对一件事的理解很直接:私钥一旦交出去,边界就不存在了。

最近看 Newton Protocol 的设计,它在解决的是另一种思路。

它没有让 AI 代理直接接触你的私钥,而是通过 ERC-4337 智能账户来做权限控制。

简单说就是:你不再是“把钱包交给别人”,而是“给钱包设规则”。

比如可以限定: 只允许在某个价格区间买入某个资产
只能执行某类操作
其他任何行为一律无法触发

AI 代理只能在这些规则范围内行动,超出就直接被合约拦住。

私钥始终在用户手里。

从逻辑上,这和“交出钱包”是完全两种授权模型。

但这里也有一个现实问题。

所有规则最终是写在智能账户合约里的。

也就是说,边界本身变成了代码。

问题就变成了另一种形式:

代码有没有漏洞?合约是否安全?边界逻辑是否被绕过?

即使做了审计,也只能降低风险,而不是消除风险。

所以我的看法是:

Newton 这类设计确实比“把私钥交给人”安全一个数量级,但它并没有消灭风险,只是把风险从“人”转移到了“代码”。

链上世界没有绝对安全,只有风险形态的变化。

@NewtonProtocol #newt $NEWT
前阵子我踩过一个坑。 把一笔代币质押进某个协议之后,过了两个月才发现,所谓的“验证节点”只有三四个,而且基本都是项目方自己在控制。 当时宣传写的是去中心化,但实际体验更像是:名字是分布式,权力是中心化。 那次之后我对这类“治理 + 验证”设计一直比较谨慎。 最近看 Newton Protocol 的质押设计,思路有点不一样。 它的逻辑是:用户质押 $NEWT,把验证权委托给验证者,由这些验证者去检查 AI 代理的每一步执行是否符合用户设定的权限规则。 验证结果会上链,验证者也会获得协议奖励。 简单理解就是:谁来监督代理执行,是一组有经济约束的第三方,而不是项目方自己说了算。 这一点比我之前遇到的“只有名义验证者”的模型要更进一步。 但问题也还在。 目前 Newton 的验证者集合仍然是基金会主导,本质上还没有完全开放。 路线图里是要逐步引入第三方验证者,实现真正的去中心化。 所以关键不在设计,而在过渡: 这套验证机制到底能不能从“基金会控制的系统”,真正变成“外部参与者可以竞争的系统”。 如果这个阶段做不好,那所谓的分布式监督,可能只是换了一种更好看的中心化包装。 @NewtonProtocol #newt $NEWT
前阵子我踩过一个坑。

把一笔代币质押进某个协议之后,过了两个月才发现,所谓的“验证节点”只有三四个,而且基本都是项目方自己在控制。

当时宣传写的是去中心化,但实际体验更像是:名字是分布式,权力是中心化。

那次之后我对这类“治理 + 验证”设计一直比较谨慎。

最近看 Newton Protocol 的质押设计,思路有点不一样。

它的逻辑是:用户质押 $NEWT ,把验证权委托给验证者,由这些验证者去检查 AI 代理的每一步执行是否符合用户设定的权限规则。

验证结果会上链,验证者也会获得协议奖励。

简单理解就是:谁来监督代理执行,是一组有经济约束的第三方,而不是项目方自己说了算。

这一点比我之前遇到的“只有名义验证者”的模型要更进一步。

但问题也还在。

目前 Newton 的验证者集合仍然是基金会主导,本质上还没有完全开放。

路线图里是要逐步引入第三方验证者,实现真正的去中心化。

所以关键不在设计,而在过渡:

这套验证机制到底能不能从“基金会控制的系统”,真正变成“外部参与者可以竞争的系统”。

如果这个阶段做不好,那所谓的分布式监督,可能只是换了一种更好看的中心化包装。
@NewtonProtocol #newt $NEWT
Статья
Newton现在真正跑着的只有一个功能——但这一个功能让我想明白了一件事去年开始我用中心化平台做BTC定投,每周自动扣款买一笔。 刚开始还挺顺滑,直到有一次平台维护,那一周的定投直接没执行。 等我发现的时候,已经错过了一个不错的低点。 更让我不舒服的不是错过行情,而是另一件事: 我完全不知道那笔订单为什么没执行,也查不到任何系统日志。 它是“自动化”,但不是“可验证的自动化”。 后来我看 Newton Protocol,现在真正上线在跑的,其实只有一个功能:Recurring Buy(链上定期买入)。 逻辑很简单: 用户设定时间、金额和标的 → 代理按规则自动执行买入。 但关键区别在于执行方式。 Newton 用 zkPermissions + TEE 做约束,每一笔执行都会留下链上记录,理论上每一步都可以被验证。 不是平台说“我帮你买了”,而是系统可以证明“确实按规则执行了”。 这个功能本身看起来很简单,甚至有点“就这?”的感觉。 但我反而觉得,这是它目前最扎实的一部分。 因为它至少解决了一件事:自动化到底有没有发生,是可查的。 我那次定投出问题的时候,没有任何追溯路径。 而在 Newton 这里,如果执行失败,理论上可以定位到是规则问题、执行问题,还是链路问题。 但我也有两个保留意见。 第一,现在真正能用的只有这个定投功能,跨链策略、AI代理市场这些核心叙事,大多还在路线图阶段。 本质上是在押注未来,而不是在使用完整系统。 第二,定投这个场景,本身对“可验证”的需求其实不强。 因为即使不用Newton,我看链上转账也能知道有没有买。 它的价值,更多体现在更复杂的代理决策场景,而那些功能目前还没上线。 所以我的结论是: 一个功能跑得很扎实的项目,比一堆功能停在PPT里的项目靠谱得多。 但“靠谱”不等于“值得重仓”。 接下来更关键的不是设计,而是两件事: 路线图兑现速度 + 真实代理使用规模。 @NewtonProtocol $NEWT #Newt

Newton现在真正跑着的只有一个功能——但这一个功能让我想明白了一件事

去年开始我用中心化平台做BTC定投,每周自动扣款买一笔。
刚开始还挺顺滑,直到有一次平台维护,那一周的定投直接没执行。
等我发现的时候,已经错过了一个不错的低点。
更让我不舒服的不是错过行情,而是另一件事:
我完全不知道那笔订单为什么没执行,也查不到任何系统日志。
它是“自动化”,但不是“可验证的自动化”。
后来我看 Newton Protocol,现在真正上线在跑的,其实只有一个功能:Recurring Buy(链上定期买入)。
逻辑很简单:
用户设定时间、金额和标的 → 代理按规则自动执行买入。
但关键区别在于执行方式。
Newton 用 zkPermissions + TEE 做约束,每一笔执行都会留下链上记录,理论上每一步都可以被验证。
不是平台说“我帮你买了”,而是系统可以证明“确实按规则执行了”。
这个功能本身看起来很简单,甚至有点“就这?”的感觉。
但我反而觉得,这是它目前最扎实的一部分。
因为它至少解决了一件事:自动化到底有没有发生,是可查的。
我那次定投出问题的时候,没有任何追溯路径。
而在 Newton 这里,如果执行失败,理论上可以定位到是规则问题、执行问题,还是链路问题。
但我也有两个保留意见。
第一,现在真正能用的只有这个定投功能,跨链策略、AI代理市场这些核心叙事,大多还在路线图阶段。
本质上是在押注未来,而不是在使用完整系统。
第二,定投这个场景,本身对“可验证”的需求其实不强。
因为即使不用Newton,我看链上转账也能知道有没有买。
它的价值,更多体现在更复杂的代理决策场景,而那些功能目前还没上线。
所以我的结论是:
一个功能跑得很扎实的项目,比一堆功能停在PPT里的项目靠谱得多。
但“靠谱”不等于“值得重仓”。
接下来更关键的不是设计,而是两件事:
路线图兑现速度 + 真实代理使用规模。
@NewtonProtocol $NEWT #Newt
Проверено
Статья
代理市场这事,我在另一个项目上吃过亏——聊聊 Newton Model Registry 的押金设计年前我在一个 DeFi 聚合器上踩过一次坑。 当时平台上有很多“高收益策略”,是第三方开发者发布出来给用户订阅的自动化交易策略,月收益写着28%,订阅费199。 我跟了一个月,发现本质就是高频梭哈高风险池子:行情好的时候确实很猛,一旦转向直接回撤腰斩。 更关键的是,开发者早就靠订阅费赚完一轮走人,平台没有任何追责机制,投诉也无从说起。 那次之后我对“策略市场”这件事一直是有阴影的。 最近看 Newton Protocol 的 Model Registry,感觉它明显是在针对这种问题做设计。 简单说,这是一个“AI代理/自动化策略的链上市场”。 开发者要把代理发布到市场供人调用,必须先质押 $NEWT 作为押金。 这个设计和我之前遇到的平台最大不同是:不是只赚订阅费,而是要对行为负责。 如果代理表现异常,或者被证明有问题,质押的代币是要承担经济损失的。 不再是“写完代码上架收钱,出了问题就跑路”的模式。 运行逻辑大致是: 代理发布到 Model Registry → 用户调用/组合不同代理 → 每次调用产生费用以 $NEWT 结算给开发者 同时系统会记录代理历史表现,并通过声誉系统逐步建立长期信用。 不过需要注意的是,这套完整市场机制目前还在路线图阶段,真正已经跑通的只有类似 Recurring Buy 这类基础自动化代理。 我的疑虑主要有两点: 第一,押金能约束的是“明显作恶”,比如逻辑作弊或偏离声明行为,但约束不了“设计很差但没有违规”的策略。我之前踩的那个坑,本质上就是后者。 第二,声誉系统有冷启动问题。新代理没有历史数据,用户无法判断风险,这个阶段押金和声誉的约束效果都有限。 整体来看,用质押+声誉去约束开发者,比传统“谁都能上架策略收订阅费”的模式要严谨得多,至少经济上是有代价的。 但这个机制最终是否有效,还要等两个东西验证: 真实纠纷案例 + 声誉系统在规模化使用后的表现。 在那之前,它更像一个设计合理但尚未经历压力测试的市场模型。 @NewtonProtocol $NEWT #Newt

代理市场这事,我在另一个项目上吃过亏——聊聊 Newton Model Registry 的押金设计

年前我在一个 DeFi 聚合器上踩过一次坑。
当时平台上有很多“高收益策略”,是第三方开发者发布出来给用户订阅的自动化交易策略,月收益写着28%,订阅费199。
我跟了一个月,发现本质就是高频梭哈高风险池子:行情好的时候确实很猛,一旦转向直接回撤腰斩。
更关键的是,开发者早就靠订阅费赚完一轮走人,平台没有任何追责机制,投诉也无从说起。
那次之后我对“策略市场”这件事一直是有阴影的。
最近看 Newton Protocol 的 Model Registry,感觉它明显是在针对这种问题做设计。
简单说,这是一个“AI代理/自动化策略的链上市场”。
开发者要把代理发布到市场供人调用,必须先质押 $NEWT 作为押金。
这个设计和我之前遇到的平台最大不同是:不是只赚订阅费,而是要对行为负责。
如果代理表现异常,或者被证明有问题,质押的代币是要承担经济损失的。
不再是“写完代码上架收钱,出了问题就跑路”的模式。
运行逻辑大致是:
代理发布到 Model Registry → 用户调用/组合不同代理 → 每次调用产生费用以 $NEWT 结算给开发者
同时系统会记录代理历史表现,并通过声誉系统逐步建立长期信用。
不过需要注意的是,这套完整市场机制目前还在路线图阶段,真正已经跑通的只有类似 Recurring Buy 这类基础自动化代理。
我的疑虑主要有两点:
第一,押金能约束的是“明显作恶”,比如逻辑作弊或偏离声明行为,但约束不了“设计很差但没有违规”的策略。我之前踩的那个坑,本质上就是后者。
第二,声誉系统有冷启动问题。新代理没有历史数据,用户无法判断风险,这个阶段押金和声誉的约束效果都有限。
整体来看,用质押+声誉去约束开发者,比传统“谁都能上架策略收订阅费”的模式要严谨得多,至少经济上是有代价的。
但这个机制最终是否有效,还要等两个东西验证:
真实纠纷案例 + 声誉系统在规模化使用后的表现。
在那之前,它更像一个设计合理但尚未经历压力测试的市场模型。
@NewtonProtocol $NEWT #Newt
去年试过把一个网格交易机器人接到自己钱包授权,半夜它判断失误连续买跌,醒来一看仓位已经面目全非,最气的是事后翻交易记录,根本看不清当时是按什么逻辑下的单,只能干瞪眼。 翻了下Newton Protocol的设计,它想解决的正是这个问题。用户通过zkPermissions给AI代理设权限边界,比如只能在特定波动区间内交易,代理的每一步操作要过TEE和零知识证明验证,理论上既能放权自动化,又能把代理框在你划的线里,出了事链上记录可查。 我的疑虑是,权限边界设得再细,也防不住"在边界内做出错误判断"这件事,这跟边界本身设计得严不严是两回事。Newton Mainnet Beta刚跑起来,这套约束在真实极端行情下顶不顶用,还得看实盘数据。 @NewtonProtocol #newt $NEWT
去年试过把一个网格交易机器人接到自己钱包授权,半夜它判断失误连续买跌,醒来一看仓位已经面目全非,最气的是事后翻交易记录,根本看不清当时是按什么逻辑下的单,只能干瞪眼。
翻了下Newton Protocol的设计,它想解决的正是这个问题。用户通过zkPermissions给AI代理设权限边界,比如只能在特定波动区间内交易,代理的每一步操作要过TEE和零知识证明验证,理论上既能放权自动化,又能把代理框在你划的线里,出了事链上记录可查。
我的疑虑是,权限边界设得再细,也防不住"在边界内做出错误判断"这件事,这跟边界本身设计得严不严是两回事。Newton Mainnet Beta刚跑起来,这套约束在真实极端行情下顶不顶用,还得看实盘数据。
@NewtonProtocol #newt $NEWT
算了一下,从HACA架构到今天这条,写OPG差不多写了快两周,账户里这笔积分加起来也没换回多少钱,倒是把这个项目的文档翻了个底朝天,比看自己持仓还认真。回头看一遍这些帖子,发现自己其实一直在问同一个问题,只是换了十几种问法。 HACA把算模型和验证模型拆开,我问的是底层硬件信任谁来保证;验证模式分ZKML和TEE几档,我问的是开发者会不会图省事全选最弱那档;Model Hub用押金防刷号,我问的是押金门槛会不会跟着币价一起塌;质押罚没机制,我问的是判罚标准细不细;代币解锁节奏,我问的是抛压拉长不等于消失;治理权,我问的是会不会变成大户说了算;推理结算绑证明,我问的是200万次里有没有藏着没被发现的异常;AI接进智能合约,我问的是幻觉比预言机延迟更难防。 这些问题拼起来其实是一句话:OpenGradient想做的事是对的,"可验证AI"这个方向解决的是真问题,不是蹭叙事。但它现在做到的,是"流程可以被验证",不是"结果一定可靠"。证明能告诉你用了哪个模型、谁批准的、钱怎么流的,证明告诉不了你这个模型本身靠不靠谱、判断对不对。这中间那道缝,目前没有任何机制能填上,靠的还是时间和真实出过的事故去验证。 机构背书是a16z和Coinbase Ventures,团队是Two Sigma和Palantir出身,这些东西能挡住团队跑路的风险,挡不住技术路线本身走不通的风险。两件事经常被混着夸,我自己也犯过这个错。 写了这么多疑虑,不是想唱衰,是觉得一个项目经不经得起反复盘问,恰恰是它值不值得花时间的标准。OPG目前经得起问,这点我认。至于答案,得交给接下来真实跑出来的数据,不是我这几篇帖子能下定论的。 这个系列先写到这儿,谢谢这段时间看下来的人。 @OpenGradient #opg $OPG
算了一下,从HACA架构到今天这条,写OPG差不多写了快两周,账户里这笔积分加起来也没换回多少钱,倒是把这个项目的文档翻了个底朝天,比看自己持仓还认真。回头看一遍这些帖子,发现自己其实一直在问同一个问题,只是换了十几种问法。
HACA把算模型和验证模型拆开,我问的是底层硬件信任谁来保证;验证模式分ZKML和TEE几档,我问的是开发者会不会图省事全选最弱那档;Model Hub用押金防刷号,我问的是押金门槛会不会跟着币价一起塌;质押罚没机制,我问的是判罚标准细不细;代币解锁节奏,我问的是抛压拉长不等于消失;治理权,我问的是会不会变成大户说了算;推理结算绑证明,我问的是200万次里有没有藏着没被发现的异常;AI接进智能合约,我问的是幻觉比预言机延迟更难防。
这些问题拼起来其实是一句话:OpenGradient想做的事是对的,"可验证AI"这个方向解决的是真问题,不是蹭叙事。但它现在做到的,是"流程可以被验证",不是"结果一定可靠"。证明能告诉你用了哪个模型、谁批准的、钱怎么流的,证明告诉不了你这个模型本身靠不靠谱、判断对不对。这中间那道缝,目前没有任何机制能填上,靠的还是时间和真实出过的事故去验证。
机构背书是a16z和Coinbase Ventures,团队是Two Sigma和Palantir出身,这些东西能挡住团队跑路的风险,挡不住技术路线本身走不通的风险。两件事经常被混着夸,我自己也犯过这个错。
写了这么多疑虑,不是想唱衰,是觉得一个项目经不经得起反复盘问,恰恰是它值不值得花时间的标准。OPG目前经得起问,这点我认。至于答案,得交给接下来真实跑出来的数据,不是我这几篇帖子能下定论的。
这个系列先写到这儿,谢谢这段时间看下来的人。
@OpenGradient #opg $OPG
上周盯着某个DeFi协议的清算合约看了半小时,看到最后头皮发麻。合约逻辑本身没问题,问题是它调用的价格预言机在极端行情下有过喂价延迟,就那几秒钟的窗口,历史上有人被错误清算过,钱没了,链上记录清清楚楚,申诉无门。 翻OPG文档发现它有一套链上AI SDK,让开发者能把AI推理结果直接嵌进智能合约或者代理工作流里。具体路径是:开发者通过SDK注册或调用Model Hub上的模型,推理请求被路由到节点执行,结果和证明一起返回,验证通过之后AI的输出才能被合约读取并执行后续逻辑。理论上,以前只会按死规则执行的智能合约,现在能接上一个会思考的AI判断层。 这个方向想解决的是:传统智能合约太"笨",遇到复杂的市场判断只能靠预设参数,而预设参数在极端行情下经常失灵。把可验证的AI推理接进来,合约理论上能做更动态的决策。 但我看到这里反而更不安了。预言机喂价延迟已经能造成错误清算,那AI推理层如果在某个边缘参数下产生幻觉,直接触发合约执行,速度和规模会是另一个量级的灾难。而且AI的"逻辑幻觉"比预言机延迟更难被事前发现——延迟是时间问题,幻觉是概率问题,你不知道它什么时候会出现。 可验证推理至少解决了"用的哪个模型、输入是什么"这个审计问题,出了事查得到。但查得到和防得住是两码事。在这套AI+合约的组合经历过真实极端行情压力测试之前,我不会把需要自动执行的资产操作交给它,看着用可以,托管不行。 @OpenGradient #opg $OPG
上周盯着某个DeFi协议的清算合约看了半小时,看到最后头皮发麻。合约逻辑本身没问题,问题是它调用的价格预言机在极端行情下有过喂价延迟,就那几秒钟的窗口,历史上有人被错误清算过,钱没了,链上记录清清楚楚,申诉无门。
翻OPG文档发现它有一套链上AI SDK,让开发者能把AI推理结果直接嵌进智能合约或者代理工作流里。具体路径是:开发者通过SDK注册或调用Model Hub上的模型,推理请求被路由到节点执行,结果和证明一起返回,验证通过之后AI的输出才能被合约读取并执行后续逻辑。理论上,以前只会按死规则执行的智能合约,现在能接上一个会思考的AI判断层。
这个方向想解决的是:传统智能合约太"笨",遇到复杂的市场判断只能靠预设参数,而预设参数在极端行情下经常失灵。把可验证的AI推理接进来,合约理论上能做更动态的决策。
但我看到这里反而更不安了。预言机喂价延迟已经能造成错误清算,那AI推理层如果在某个边缘参数下产生幻觉,直接触发合约执行,速度和规模会是另一个量级的灾难。而且AI的"逻辑幻觉"比预言机延迟更难被事前发现——延迟是时间问题,幻觉是概率问题,你不知道它什么时候会出现。
可验证推理至少解决了"用的哪个模型、输入是什么"这个审计问题,出了事查得到。但查得到和防得住是两码事。在这套AI+合约的组合经历过真实极端行情压力测试之前,我不会把需要自动执行的资产操作交给它,看着用可以,托管不行。
@OpenGradient #opg $OPG
前年跟着一个Telegram群冲了个"社区自发"的DeFi项目,对方主打"无VC、无机构、纯社区",我当时觉得这才是去中心化精神,进了三千U。两个月后团队跑路,群直接解散,链上合约代码事后才有人翻出来发现早就埋了后门。那三千U到现在一分没回来。从那以后看项目第一件事反而变成了先查有没有知名机构背过。 翻OPG的融资背景,a16z crypto和Coinbase Ventures领投,融了950万美元。团队出身也查得到:CEO之前在Two Sigma做过研究工程师,CTO是Palantir AI平台的前技术负责人,还有来自NASA和Google的成员。这些名字放在一起,项目突然跑路的概率跟那种Telegram社区盘不在同一个量级。 这不是说有机构背就一定没问题,但机构在早期押注是有代价的——a16z和Coinbase Ventures的尽调不是走形式,他们压错了是真的要承担声誉损失的。对散户来说,这份背书至少把"团队消失跑路"这个风险从很高压到了相对低的位置。 我的疑虑是,机构背书解决的是"跑路风险",解决不了"做不成"的风险。技术路线走得通、开发者真的愿意接入、推理需求能不能起量,这些问题a16z投没投都得自己看。而且950万美元的融资规模在AI基础设施赛道里不算大,后续还需不需要继续融、能不能融到,目前也是问号。 有硬背书的团队比黑盒社区盘安全得多,这一点我被坑过之后看得比较清楚。但安全不等于一定能涨,这两件事不要混着想。 @OpenGradient #opg $OPG
前年跟着一个Telegram群冲了个"社区自发"的DeFi项目,对方主打"无VC、无机构、纯社区",我当时觉得这才是去中心化精神,进了三千U。两个月后团队跑路,群直接解散,链上合约代码事后才有人翻出来发现早就埋了后门。那三千U到现在一分没回来。从那以后看项目第一件事反而变成了先查有没有知名机构背过。
翻OPG的融资背景,a16z crypto和Coinbase Ventures领投,融了950万美元。团队出身也查得到:CEO之前在Two Sigma做过研究工程师,CTO是Palantir AI平台的前技术负责人,还有来自NASA和Google的成员。这些名字放在一起,项目突然跑路的概率跟那种Telegram社区盘不在同一个量级。
这不是说有机构背就一定没问题,但机构在早期押注是有代价的——a16z和Coinbase Ventures的尽调不是走形式,他们压错了是真的要承担声誉损失的。对散户来说,这份背书至少把"团队消失跑路"这个风险从很高压到了相对低的位置。
我的疑虑是,机构背书解决的是"跑路风险",解决不了"做不成"的风险。技术路线走得通、开发者真的愿意接入、推理需求能不能起量,这些问题a16z投没投都得自己看。而且950万美元的融资规模在AI基础设施赛道里不算大,后续还需不需要继续融、能不能融到,目前也是问号。
有硬背书的团队比黑盒社区盘安全得多,这一点我被坑过之后看得比较清楚。但安全不等于一定能涨,这两件事不要混着想。
@OpenGradient #opg $OPG
去年把一笔USDC从Arbitrum跨到Base,用了个不知名的桥,等了四十分钟没到账,刷新了十几次,以为钱没了,吓得腿软。最后钱是到了,但那四十分钟我查了一圈根本不知道资产在哪个环节卡着,完全不透明,就是干等。后来朋友跟我说他用另一个桥直接丢过去两千U,到现在没影,我算是运气好的。 翻OPG的技术文档发现,它的跨链部分选的是LayerZero来处理桥接。OPG代币本身部署在Base链上作为主结算链,但要接入其他生态的时候,跨链通道走的是LayerZero这套协议。LayerZero的机制跟普通资产桥不太一样,它不是把代币锁在一边、在另一边铸造新的,而是走跨链消息传递,两端的合约直接通信验证,资产状态的确认不依赖单一的中间人节点。 选这条路的逻辑大概是:OPG网络要做AI推理的跨链结算,对消息传递的可靠性要求比普通转账高,普通资产桥够用,但消息桥出问题的代价不只是资产延迟,可能是整个推理结算流程断掉。 我的疑虑是,LayerZero本身也不是零风险,历史上出现过预言机和中继器被攻击的案例。OPG选它是目前跨链方案里相对主流的选择,但"相对可靠"不等于"绝对没问题",跨链这一环但凡出问题,影响的不只是转账,是整个可验证推理的结算链条。这块目前没看到OPG有额外的备用方案说明。 跨链选LayerZero是个说得通的工程决策,但跨链永远是整个系统里最容易出事的那一环,这里值得持续关注,而不是默认没问题。 @OpenGradient #opg $OPG
去年把一笔USDC从Arbitrum跨到Base,用了个不知名的桥,等了四十分钟没到账,刷新了十几次,以为钱没了,吓得腿软。最后钱是到了,但那四十分钟我查了一圈根本不知道资产在哪个环节卡着,完全不透明,就是干等。后来朋友跟我说他用另一个桥直接丢过去两千U,到现在没影,我算是运气好的。
翻OPG的技术文档发现,它的跨链部分选的是LayerZero来处理桥接。OPG代币本身部署在Base链上作为主结算链,但要接入其他生态的时候,跨链通道走的是LayerZero这套协议。LayerZero的机制跟普通资产桥不太一样,它不是把代币锁在一边、在另一边铸造新的,而是走跨链消息传递,两端的合约直接通信验证,资产状态的确认不依赖单一的中间人节点。
选这条路的逻辑大概是:OPG网络要做AI推理的跨链结算,对消息传递的可靠性要求比普通转账高,普通资产桥够用,但消息桥出问题的代价不只是资产延迟,可能是整个推理结算流程断掉。
我的疑虑是,LayerZero本身也不是零风险,历史上出现过预言机和中继器被攻击的案例。OPG选它是目前跨链方案里相对主流的选择,但"相对可靠"不等于"绝对没问题",跨链这一环但凡出问题,影响的不只是转账,是整个可验证推理的结算链条。这块目前没看到OPG有额外的备用方案说明。
跨链选LayerZero是个说得通的工程决策,但跨链永远是整个系统里最容易出事的那一环,这里值得持续关注,而不是默认没问题。
@OpenGradient #opg $OPG
上个月做了一次体检,报告出来一堆指标,医生说"整体正常",我自己看着那些数字完全不知道哪个跟哪个有关联。后来花了一百多块在某个健康App买了个"AI分析",给我出了四页报告,写得头头是道,但我根本不知道这个模型是拿谁的数据训练的、有没有医学依据,最后那份报告打印出来也就当个心理安慰,根本没敢按上面的建议调整饮食方案。花了钱,还不如没看。 翻OPG产品线发现有个叫Digital Twin的东西,中文直译就是数字孪生。简单说,是给现实中的人或资产建一个可持续更新的AI镜像,这个镜像的推理过程走OpenGradient的可验证框架,每次输出的分析有链上证明,能追溯用了哪个模型、输入了什么数据。跟我那个健康App的区别在于,后者给你一份结论,Digital Twin理论上给你一份可审计的推理过程。 这个方向想解决的问题是AI分析结果的可信度问题——特别是在医疗、金融这类一旦出错代价很大的领域,"这个结论是怎么来的"比结论本身更重要。 我的疑虑是,数字孪生这个概念本身很大,OPG目前公开的信息里关于Digital Twin的具体实现细节不多,不清楚现在是真的可用的产品还是更偏概念阶段。另外"建立一个持续更新的个人镜像",数据从哪来、谁来维护更新、隐私边界在哪,这些问题比BitQuant或MemSync更复杂,目前没看到足够细的说明。 方向是对的,可验证AI用在需要长期跟踪的个人场景上确实有真实需求。但在这块的细节文档补全之前,我不太敢把它当成已经跑通的产品来看,更像是一个还在落地过程中的方向。 @OpenGradient #opg $OPG
上个月做了一次体检,报告出来一堆指标,医生说"整体正常",我自己看着那些数字完全不知道哪个跟哪个有关联。后来花了一百多块在某个健康App买了个"AI分析",给我出了四页报告,写得头头是道,但我根本不知道这个模型是拿谁的数据训练的、有没有医学依据,最后那份报告打印出来也就当个心理安慰,根本没敢按上面的建议调整饮食方案。花了钱,还不如没看。
翻OPG产品线发现有个叫Digital Twin的东西,中文直译就是数字孪生。简单说,是给现实中的人或资产建一个可持续更新的AI镜像,这个镜像的推理过程走OpenGradient的可验证框架,每次输出的分析有链上证明,能追溯用了哪个模型、输入了什么数据。跟我那个健康App的区别在于,后者给你一份结论,Digital Twin理论上给你一份可审计的推理过程。
这个方向想解决的问题是AI分析结果的可信度问题——特别是在医疗、金融这类一旦出错代价很大的领域,"这个结论是怎么来的"比结论本身更重要。
我的疑虑是,数字孪生这个概念本身很大,OPG目前公开的信息里关于Digital Twin的具体实现细节不多,不清楚现在是真的可用的产品还是更偏概念阶段。另外"建立一个持续更新的个人镜像",数据从哪来、谁来维护更新、隐私边界在哪,这些问题比BitQuant或MemSync更复杂,目前没看到足够细的说明。
方向是对的,可验证AI用在需要长期跟踪的个人场景上确实有真实需求。但在这块的细节文档补全之前,我不太敢把它当成已经跑通的产品来看,更像是一个还在落地过程中的方向。
@OpenGradient #opg $OPG
Статья
世界杯活动简易攻略|每天稳定薅宝盒这几天研究了一下活动规则,发现这个活动属于操作简单、稳定薅小毛的类型。 坚持每天参加的话,运气不错基本能开到2个奖励宝盒,我开出来的大多在0.5~2U左右。当然也有机会开到大毛,只是目前我还没遇到😂。 宝盒获取规则 同一比赛日: ✅ 猜对2场:1个宝盒 ✅ 猜对3场:2个宝盒 ✅ 猜对5场:3个宝盒 另外,每周累计竞猜8场,还能参与一次专属奖池。 这里一定要注意一个细节: 同一比赛日指的是当天8:00—次日8:00开赛的比赛,和每日任务刷新时间一致,不是自然日。 我的建议 我认为每天竞猜5场性价比最高。 因为猜对3场就有2个宝盒,猜对5场能拿满3个宝盒,只要命中率不错,平均每天拿2个宝盒问题不大。 每日任务全部做完,竞猜次数刚好够5次。 如果当天不想竞猜,次数也不会每日清零,可以先攒着以后再用。 但是要注意两点: ❌ 不要每天只竞猜1次,这样很难触发奖励,等于浪费机会。 ❌ 也不要一次攒十几次竞猜。因为同一比赛日就算猜对超过5场,奖励最多也只有3个宝盒,多出来的竞猜并不会额外增加奖励。 每日任务小技巧 1.第一个分享任务,如果有小号,可以互相分享链接。 浏览器打开后跳转APP即可完成任务,建议把链接保存下来,每天进入活动会更方便。 如果只有一个账号,也可以找固定搭子互点,或者在币安广场发帖互助。 另外,一个用户一天可以打开多个分享链接,帮助不同的人完成任务,并没有“一天只能助力一个人”的限制。 2.每日交易满100U给2次机会,可以搭配现货大赛的低保去做,每天买卖51U即可 3.预测市场买一笔20U的给2次机会,这个需要去钱包完成,在predict里找到文化板块,找到 耶稣会在2027年之前降临这个事件,市价购买否 20U,然后转手市价卖掉,磨损大约0.06U 最后提醒两点 ① **尽量选择同一比赛日的比赛竞猜。**如果跨比赛日,竞猜结果会分开计算,很可能少拿宝盒。 ② **优先选择双方实力差距较大的比赛。**虽然不能保证百分百猜中,但整体命中率通常会更高。 之前我也是随便玩,没开到几个宝盒。这次认真研究了一下规则,准备按照这个思路坚持参加,希望能开个大毛😂。 如果大家还有其他技巧或者发现新的玩法,欢迎评论区一起交流!#世界杯

世界杯活动简易攻略|每天稳定薅宝盒

这几天研究了一下活动规则,发现这个活动属于操作简单、稳定薅小毛的类型。
坚持每天参加的话,运气不错基本能开到2个奖励宝盒,我开出来的大多在0.5~2U左右。当然也有机会开到大毛,只是目前我还没遇到😂。
宝盒获取规则
同一比赛日:
✅ 猜对2场:1个宝盒
✅ 猜对3场:2个宝盒
✅ 猜对5场:3个宝盒
另外,每周累计竞猜8场,还能参与一次专属奖池。
这里一定要注意一个细节:
同一比赛日指的是当天8:00—次日8:00开赛的比赛,和每日任务刷新时间一致,不是自然日。
我的建议
我认为每天竞猜5场性价比最高。
因为猜对3场就有2个宝盒,猜对5场能拿满3个宝盒,只要命中率不错,平均每天拿2个宝盒问题不大。
每日任务全部做完,竞猜次数刚好够5次。
如果当天不想竞猜,次数也不会每日清零,可以先攒着以后再用。
但是要注意两点:
❌ 不要每天只竞猜1次,这样很难触发奖励,等于浪费机会。
❌ 也不要一次攒十几次竞猜。因为同一比赛日就算猜对超过5场,奖励最多也只有3个宝盒,多出来的竞猜并不会额外增加奖励。
每日任务小技巧
1.第一个分享任务,如果有小号,可以互相分享链接。
浏览器打开后跳转APP即可完成任务,建议把链接保存下来,每天进入活动会更方便。
如果只有一个账号,也可以找固定搭子互点,或者在币安广场发帖互助。
另外,一个用户一天可以打开多个分享链接,帮助不同的人完成任务,并没有“一天只能助力一个人”的限制。
2.每日交易满100U给2次机会,可以搭配现货大赛的低保去做,每天买卖51U即可
3.预测市场买一笔20U的给2次机会,这个需要去钱包完成,在predict里找到文化板块,找到 耶稣会在2027年之前降临这个事件,市价购买否 20U,然后转手市价卖掉,磨损大约0.06U
最后提醒两点
① **尽量选择同一比赛日的比赛竞猜。**如果跨比赛日,竞猜结果会分开计算,很可能少拿宝盒。
② **优先选择双方实力差距较大的比赛。**虽然不能保证百分百猜中,但整体命中率通常会更高。
之前我也是随便玩,没开到几个宝盒。这次认真研究了一下规则,准备按照这个思路坚持参加,希望能开个大毛😂。
如果大家还有其他技巧或者发现新的玩法,欢迎评论区一起交流!#世界杯
今年三月在某个Telegram群买了个量化机器人使用权,580块,对方说回测年化40%。实盘跑了两个月,亏了1200,加上使用权一共出去快两千。最气的不是亏钱,是这个机器人用的哪个模型、策略逻辑是什么、历史信号是不是真实数据跑出来的,到现在一概不知道,完全黑盒,亏了也没处说理。 翻OPG产品线发现有个叫BitQuant的东西,定位是跑在OpenGradient网络上的链上AI量化分析代理。跟普通量化工具不一样的地方是,它的推理走的是OPG可验证推理框架——每次分析信号的生成,理论上能追溯到调用了哪个模型、喂进去的是什么数据、证明是不是有效。不是说"我们算法很厉害",而是每次推理本身在链上有记录,查得到。 这个方向想解决的问题我亲身经历过。量化工具的黑盒不只是信任感问题,是真亏了钱之后没法验证——是策略烂了、数据喂错了、还是信号被动过手脚,三个可能性完全分不清楚。可验证推理至少给了事后审计的入口。 我的疑虑是,"推理过程可验证"和"策略本身正确"是两码事。就算链上能证明这次推理用了指定模型、指定数据跑出来的,但如果模型本身就是烂的、回测数据是精心挑选过的,证明只能告诉你"它确实跑了",不能告诉你"它跑对了"。我那个亏两千的机器人要是也给我一份链上证明,可能一样亏,只是多了张收据。 量化分析做到推理可验证是个进步,起码解决了"到底用了什么模型"这个最基础的黑盒问题。但拿这个工具真的做决策之前,策略逻辑本身还是得自己看清楚,不能因为有证明就跳过对策略本身的审查。 @OpenGradient #opg $OPG
今年三月在某个Telegram群买了个量化机器人使用权,580块,对方说回测年化40%。实盘跑了两个月,亏了1200,加上使用权一共出去快两千。最气的不是亏钱,是这个机器人用的哪个模型、策略逻辑是什么、历史信号是不是真实数据跑出来的,到现在一概不知道,完全黑盒,亏了也没处说理。
翻OPG产品线发现有个叫BitQuant的东西,定位是跑在OpenGradient网络上的链上AI量化分析代理。跟普通量化工具不一样的地方是,它的推理走的是OPG可验证推理框架——每次分析信号的生成,理论上能追溯到调用了哪个模型、喂进去的是什么数据、证明是不是有效。不是说"我们算法很厉害",而是每次推理本身在链上有记录,查得到。
这个方向想解决的问题我亲身经历过。量化工具的黑盒不只是信任感问题,是真亏了钱之后没法验证——是策略烂了、数据喂错了、还是信号被动过手脚,三个可能性完全分不清楚。可验证推理至少给了事后审计的入口。
我的疑虑是,"推理过程可验证"和"策略本身正确"是两码事。就算链上能证明这次推理用了指定模型、指定数据跑出来的,但如果模型本身就是烂的、回测数据是精心挑选过的,证明只能告诉你"它确实跑了",不能告诉你"它跑对了"。我那个亏两千的机器人要是也给我一份链上证明,可能一样亏,只是多了张收据。
量化分析做到推理可验证是个进步,起码解决了"到底用了什么模型"这个最基础的黑盒问题。但拿这个工具真的做决策之前,策略逻辑本身还是得自己看清楚,不能因为有证明就跳过对策略本身的审查。
@OpenGradient #opg $OPG
上周用AI分析一个项目,光是让它搞清楚"我的持仓背景"这一步就花了将近二十分钟——上个月跟另一个AI工具说过的话,这次一个字都用不上,得重新从头解释一遍。前天换了个工具,又是同样的流程,同样的背景,说到第三遍我自己都烦了。算了一下,这半年光是"让AI认识我"这件事,重复说过的内容加起来估计超过一万字。 翻OPG的产品线发现有个叫MemSync的东西,做的就是这件事。它的定位是跨应用的统一AI记忆层——你在一个应用里跟AI交互产生的上下文,理论上能被其他接入这套系统的应用调用,不用每次换工具都从零开始介绍自己。OpenGradient把它定位成自己产品矩阵的一部分,跟Model Hub、BitQuant这些并列,底层记忆存储走的是去中心化路径,不是某个平台自己的私有数据库。 这个方向想解决的问题很真实,AI工具现在最大的摩擦之一就是"记忆不互通"——每个平台都想把用户数据锁在自己这里,跨平台记忆共享反而成了奢侈品。 我的疑虑是两个:一是愿不愿意把自己的使用记忆放到链上,跟"聊天内容加密、运营商看不到"是两回事,记忆数据本身存在哪、谁能调用、怎么删除,这些文档里目前没看到足够细的说明。二是接入的应用够不够多,记忆层如果只有几个OPG自家产品用,跨应用的价值就大打折扣,得等第三方开发者真的接进来才算跑通。 这个需求本身是真实痛点,思路也对。但对我来说,在搞清楚"我的记忆数据存在哪、谁能动"之前,不会急着用。 @OpenGradient #opg $OPG
上周用AI分析一个项目,光是让它搞清楚"我的持仓背景"这一步就花了将近二十分钟——上个月跟另一个AI工具说过的话,这次一个字都用不上,得重新从头解释一遍。前天换了个工具,又是同样的流程,同样的背景,说到第三遍我自己都烦了。算了一下,这半年光是"让AI认识我"这件事,重复说过的内容加起来估计超过一万字。
翻OPG的产品线发现有个叫MemSync的东西,做的就是这件事。它的定位是跨应用的统一AI记忆层——你在一个应用里跟AI交互产生的上下文,理论上能被其他接入这套系统的应用调用,不用每次换工具都从零开始介绍自己。OpenGradient把它定位成自己产品矩阵的一部分,跟Model Hub、BitQuant这些并列,底层记忆存储走的是去中心化路径,不是某个平台自己的私有数据库。
这个方向想解决的问题很真实,AI工具现在最大的摩擦之一就是"记忆不互通"——每个平台都想把用户数据锁在自己这里,跨平台记忆共享反而成了奢侈品。
我的疑虑是两个:一是愿不愿意把自己的使用记忆放到链上,跟"聊天内容加密、运营商看不到"是两回事,记忆数据本身存在哪、谁能调用、怎么删除,这些文档里目前没看到足够细的说明。二是接入的应用够不够多,记忆层如果只有几个OPG自家产品用,跨应用的价值就大打折扣,得等第三方开发者真的接进来才算跑通。
这个需求本身是真实痛点,思路也对。但对我来说,在搞清楚"我的记忆数据存在哪、谁能动"之前,不会急着用。
@OpenGradient #opg $OPG
上周用某个链上DeFi工具帮朋友做了一次资产风险评估,结果出来了但完全不知道这个模型是谁训练的、数据喂的什么、跑出来的结论有没有被动过手脚,最后还是没敢按那个建议操作。钱没损失,但花了两个小时查背景,最后发现根本查不清楚。 翻OPG的文档才明白,它想解决的就是这个"结果出来了但不知道过程"的问题,而且是靠钱流动的方式来解决的。具体的结算路径是这样:用户发起一次AI推理请求,用OPG支付费用;请求被路由到推理节点,节点跑完模型生成结果和证明;链上验证这份证明有效,结算才完成,OPG才真的到节点手里。整个流程里,"证明有效"是付款的前提,不是事后审计,是实时卡在结算环节里的。目前网络已经处理了超过200万次可验证推理,每次都走这套流程。 这个设计的逻辑在于:如果每次付款都绑着一份可验证的证明,节点作假的直接代价就是拿不到这笔钱,而不是事后被发现再罚。经济激励本身就是约束。 我的疑惑是,这条结算路径在正常情况下逻辑自洽,但200万次里有没有出现过证明通过了、结算完成了、但实际推理结果有问题的情况,这类异常数据没有公开。链上的结算记录透明,但证明的质量本身是不是足够可靠,还是得靠长期数据说话,不是靠"已处理200万次"这个总量数字证明的。 每次推理结算都绑着证明这个思路,比"信任节点自觉"扎实一些。但这条链最终够不够可靠,我倾向于再等一段时间看看有没有异常案例被翻出来,再下判断。 @OpenGradient #opg $OPG
上周用某个链上DeFi工具帮朋友做了一次资产风险评估,结果出来了但完全不知道这个模型是谁训练的、数据喂的什么、跑出来的结论有没有被动过手脚,最后还是没敢按那个建议操作。钱没损失,但花了两个小时查背景,最后发现根本查不清楚。
翻OPG的文档才明白,它想解决的就是这个"结果出来了但不知道过程"的问题,而且是靠钱流动的方式来解决的。具体的结算路径是这样:用户发起一次AI推理请求,用OPG支付费用;请求被路由到推理节点,节点跑完模型生成结果和证明;链上验证这份证明有效,结算才完成,OPG才真的到节点手里。整个流程里,"证明有效"是付款的前提,不是事后审计,是实时卡在结算环节里的。目前网络已经处理了超过200万次可验证推理,每次都走这套流程。
这个设计的逻辑在于:如果每次付款都绑着一份可验证的证明,节点作假的直接代价就是拿不到这笔钱,而不是事后被发现再罚。经济激励本身就是约束。
我的疑惑是,这条结算路径在正常情况下逻辑自洽,但200万次里有没有出现过证明通过了、结算完成了、但实际推理结果有问题的情况,这类异常数据没有公开。链上的结算记录透明,但证明的质量本身是不是足够可靠,还是得靠长期数据说话,不是靠"已处理200万次"这个总量数字证明的。
每次推理结算都绑着证明这个思路,比"信任节点自觉"扎实一些。但这条链最终够不够可靠,我倾向于再等一段时间看看有没有异常案例被翻出来,再下判断。
@OpenGradient #opg $OPG
Проверено
去年跟朋友合伙做了一套Excel财务模板,挂到某个付费平台上卖,当初就想着回回成本。没想到这一年多陆陆续续有人下载,现在加起来收了差不多6000块,自己基本没再碰过这个文件。这种做一次收多次的感觉,我之前只在版权类内容上见过。 翻OPG的Model Hub文档发现,它给AI开发者设计的分成逻辑跟这个几乎一样。开发者把训练好的模型上传到这个去中心化模型库,设定好调用价格,之后每次有人调用你的模型跑推理,费用就直接以$OPG结算给你。目前Model Hub上托管了2000+个模型,每笔结算发生在Base链上,不经过平台手动审核,代码写好之后基本是自动分账。这跟应用商店里发插件收分成是同一套逻辑,区别是结算在链上,没有中间商延迟打款或者突然改规则。 这个设计想做到的是:让"模型被更多人用"和"开发者挣更多钱"直接绑定,顺便让$OPG的消耗跟实际调用量挂钩,不是空转的治理代币。 我的疑惑是,2000+模型这个数字看起来不小,但这些模型的调用量分布是什么样的没有公开数据——是头部二三十个模型拿走了绝大多数调用量,还是相对均匀分布,直接决定了这套分成机制对普通开发者有没有实际吸引力。如果跟应用商店一样,头部效应极端,大部分上传的模型每个月只有个位数调用,那"上传模型挣OPG"更像是理论上的可能性,不是真的被动收入。 思路本身是对的,给开发者一个可持续的变现路径才能让模型库活起来。但这条路走不走得通,得等有人把调用量分布数据翻出来看一看,而不是只看"已有2000+模型"这个总量数字。 @OpenGradient #opg $OPG
去年跟朋友合伙做了一套Excel财务模板,挂到某个付费平台上卖,当初就想着回回成本。没想到这一年多陆陆续续有人下载,现在加起来收了差不多6000块,自己基本没再碰过这个文件。这种做一次收多次的感觉,我之前只在版权类内容上见过。
翻OPG的Model Hub文档发现,它给AI开发者设计的分成逻辑跟这个几乎一样。开发者把训练好的模型上传到这个去中心化模型库,设定好调用价格,之后每次有人调用你的模型跑推理,费用就直接以$OPG 结算给你。目前Model Hub上托管了2000+个模型,每笔结算发生在Base链上,不经过平台手动审核,代码写好之后基本是自动分账。这跟应用商店里发插件收分成是同一套逻辑,区别是结算在链上,没有中间商延迟打款或者突然改规则。
这个设计想做到的是:让"模型被更多人用"和"开发者挣更多钱"直接绑定,顺便让$OPG 的消耗跟实际调用量挂钩,不是空转的治理代币。
我的疑惑是,2000+模型这个数字看起来不小,但这些模型的调用量分布是什么样的没有公开数据——是头部二三十个模型拿走了绝大多数调用量,还是相对均匀分布,直接决定了这套分成机制对普通开发者有没有实际吸引力。如果跟应用商店一样,头部效应极端,大部分上传的模型每个月只有个位数调用,那"上传模型挣OPG"更像是理论上的可能性,不是真的被动收入。
思路本身是对的,给开发者一个可持续的变现路径才能让模型库活起来。但这条路走不走得通,得等有人把调用量分布数据翻出来看一看,而不是只看"已有2000+模型"这个总量数字。
@OpenGradient #opg $OPG
上个月小区业委会换届投票,我家那一票其实没怎么当回事,随手在群里点了个"同意",后来才发现新规矩改了停车收费方式,自己天天用的车位费涨了200,想反悔已经来不及了。从那以后但凡是跟自己利益沾边的投票,我都会先看清楚条款再点头。 翻OPG的代币用途发现,治理这块也是类似的设计。代币持有者能对协议升级、网络参数这些事投票,文档里写的原话大概意思是持有$OPG就有权利去决定网络接下来怎么调整。比如以后要不要改验证模式的默认档位、要不要调整质押门槛的高低、要不要给某类节点提高奖励,这些直接影响节点收益和用户成本的参数,理论上都得过持有人这一关。 这个设计想解决的问题是,怕项目方关起门来自己改规则,把决定权摊给代币持有人,至少形式上多了一道民主程序。 我的疑惑是,治理这事跟我那次业委会投票的处境很像——大部分持币人根本没空去看每一项提案的具体条款,真正会认真研究、认真投票的往往是持币量大的机构或早期投资人,普通持有人要么弃权要么跟风。如果治理权最后集中在少数大户手里,"代币持有者共同决定"听着公平,实际投票结果可能跟几个大户的意愿差不多,普通人手里那点治理权象征意义大于实际话语权。 治理权写进代币用途里是个加分项,至少给了参与的可能性。但可能性归可能性,真正用不用得上,得看以后具体提案出来的时候,自己愿不愿意花时间看完条款再投,而不是跟我那次一样随手点个同意。 @OpenGradient #opg $OPG
上个月小区业委会换届投票,我家那一票其实没怎么当回事,随手在群里点了个"同意",后来才发现新规矩改了停车收费方式,自己天天用的车位费涨了200,想反悔已经来不及了。从那以后但凡是跟自己利益沾边的投票,我都会先看清楚条款再点头。
翻OPG的代币用途发现,治理这块也是类似的设计。代币持有者能对协议升级、网络参数这些事投票,文档里写的原话大概意思是持有$OPG 就有权利去决定网络接下来怎么调整。比如以后要不要改验证模式的默认档位、要不要调整质押门槛的高低、要不要给某类节点提高奖励,这些直接影响节点收益和用户成本的参数,理论上都得过持有人这一关。
这个设计想解决的问题是,怕项目方关起门来自己改规则,把决定权摊给代币持有人,至少形式上多了一道民主程序。
我的疑惑是,治理这事跟我那次业委会投票的处境很像——大部分持币人根本没空去看每一项提案的具体条款,真正会认真研究、认真投票的往往是持币量大的机构或早期投资人,普通持有人要么弃权要么跟风。如果治理权最后集中在少数大户手里,"代币持有者共同决定"听着公平,实际投票结果可能跟几个大户的意愿差不多,普通人手里那点治理权象征意义大于实际话语权。
治理权写进代币用途里是个加分项,至少给了参与的可能性。但可能性归可能性,真正用不用得上,得看以后具体提案出来的时候,自己愿不愿意花时间看完条款再投,而不是跟我那次一样随手点个同意。
@OpenGradient #opg $OPG
上周帮我表弟算他公司期权解锁日期,算到一半发现他自己都没搞清楚"锁定期"和"归属期"是两码事,白白错过一次能卖的窗口,账面亏了小一万,回头跟我说"早知道我自己看一眼解锁日历"。 翻OPG的代币经济学才发现,这事跟期权解锁是同一套逻辑,只是换成了协议层面。总量锁死10亿枚,TGE时只解锁了大概1.9亿,剩下的不是想卖就能卖。团队、投资人、顾问那部分代币TGE时一分不解锁,先卡12个月归属期,过了这12个月才开始按36个月线性往外放;质押奖励那块更长,分96个月慢慢释放。倒是流动性、空投这两部分比较干脆,TGE当天就全解锁了。 这个设计想解决的问题挺直接:怕团队和早期投资人一上线就砸盘跑路,所以用归属期和线性释放把抛压拉长拉平,不让它在某一天集中爆发。 我的疑惑是,拉长不等于消失。12个月归属期一过,团队那部分代币会开始持续往市场释放,这笔解锁节奏跟链上推理需求的增长速度谁跑得快,决定了这几年价格扛不扛得住这股稳定的卖压。光看"总量恒定不超发"容易让人安心,但恒定总量不代表流通节奏对你友好,该解锁的还是会解锁。 代币设计本身不算激进,至少没有无限增发那种隐患。但接下来这一两年,归属期满后的释放曲线值得自己对着日历看一眼,而不是只盯着上线消息和日内涨跌。 @OpenGradient #opg $OPG
上周帮我表弟算他公司期权解锁日期,算到一半发现他自己都没搞清楚"锁定期"和"归属期"是两码事,白白错过一次能卖的窗口,账面亏了小一万,回头跟我说"早知道我自己看一眼解锁日历"。
翻OPG的代币经济学才发现,这事跟期权解锁是同一套逻辑,只是换成了协议层面。总量锁死10亿枚,TGE时只解锁了大概1.9亿,剩下的不是想卖就能卖。团队、投资人、顾问那部分代币TGE时一分不解锁,先卡12个月归属期,过了这12个月才开始按36个月线性往外放;质押奖励那块更长,分96个月慢慢释放。倒是流动性、空投这两部分比较干脆,TGE当天就全解锁了。
这个设计想解决的问题挺直接:怕团队和早期投资人一上线就砸盘跑路,所以用归属期和线性释放把抛压拉长拉平,不让它在某一天集中爆发。
我的疑惑是,拉长不等于消失。12个月归属期一过,团队那部分代币会开始持续往市场释放,这笔解锁节奏跟链上推理需求的增长速度谁跑得快,决定了这几年价格扛不扛得住这股稳定的卖压。光看"总量恒定不超发"容易让人安心,但恒定总量不代表流通节奏对你友好,该解锁的还是会解锁。
代币设计本身不算激进,至少没有无限增发那种隐患。但接下来这一两年,归属期满后的释放曲线值得自己对着日历看一眼,而不是只盯着上线消息和日内涨跌。
@OpenGradient #opg $OPG
Войдите, чтобы посмотреть больше материала
Присоединяйтесь к пользователям криптовалют по всему миру на Binance Square
⚡️ Получайте новейшую и полезную информацию о криптоактивах.
💬 Нам доверяет крупнейшая в мире криптобиржа.
👍 Получите достоверные аналитические данные от верифицированных создателей контента.
Эл. почта/номер телефона
Структура веб-страницы
Настройки cookie
Правила и условия платформы