我曾經認爲路線圖主要是決定哪個功能優先構建。
現在我認爲OpenGradient面臨的更大挑戰是確保每一個新層都能加強後面的層。該項目已經提供了超過2000個模型，但僅僅有可用性並不能創造需求。只有當開發者構建出人們覺得有價值的應用時，使用量纔會增長。
公共推理次數已從超過100萬增加到200多萬，顯示出活動在增加。不過，網絡仍然處於測試網，這使得我們很難判斷這些活動中的多少會變成可持續的付費需求。對於在網絡上構建的100多位開發者也是如此。參與情況令人鼓舞，但長期價值依賴於這些實驗是否能轉化爲擁有忠實用戶的產品。
真正的飛輪很簡單：模型需要計算，計算需要驗證，驗證需要支付，而支付需要人們經常回歸的應用。如果任何環節薄弱，OPG的需求可能在指標上看起來比現實更強。
對我來說，路線圖在閉合這一循環時創造價值。持久的OPG需求將來自於一致的網絡使用，而不僅僅是更長的功能列表。關鍵問題是OpenGradient能否把日益增長的活動轉化爲一個自我維持的生態系統。
#opg @OpenGradient $OPG
現在我認爲OpenGradient面臨的更大挑戰是確保每一個新層都能加強後面的層。該項目已經提供了超過2000個模型，但僅僅有可用性並不能創造需求。只有當開發者構建出人們覺得有價值的應用時，使用量纔會增長。
公共推理次數已從超過100萬增加到200多萬，顯示出活動在增加。不過，網絡仍然處於測試網，這使得我們很難判斷這些活動中的多少會變成可持續的付費需求。對於在網絡上構建的100多位開發者也是如此。參與情況令人鼓舞，但長期價值依賴於這些實驗是否能轉化爲擁有忠實用戶的產品。
真正的飛輪很簡單：模型需要計算，計算需要驗證，驗證需要支付，而支付需要人們經常回歸的應用。如果任何環節薄弱，OPG的需求可能在指標上看起來比現實更強。
對我來說，路線圖在閉合這一循環時創造價值。持久的OPG需求將來自於一致的網絡使用，而不僅僅是更長的功能列表。關鍵問題是OpenGradient能否把日益增長的活動轉化爲一個自我維持的生態系統。
#opg @OpenGradient $OPG