M I N A

這幾天我一直在翻來覆去地研究 @OpenGradient ，確實有一件事引起了我的注意。

#OPG 在 2026 年 4 月 21 日啓動了 TGE，而在大約一週內，網絡在 Binance Alpha 上記錄了異常的 6.366 億美元 24 小時交易量——是當時市值的 13 倍以上。這比值太誇張了。

真正讓我在意的並不是這個數字本身，而是伴隨它發生的事情：儘管交易活動異常熱烈，該代幣價格在同一周內實際上卻下跌了 12.71%。

這種背離值得仔細琢磨。通常，這種超出常規的成交量意味着人們有強烈的共識、在大量涌入。但價格卻在成交量走高的同時繼續下跌，暗示着另一種情況：很可能是集中持倉的清算，或是與洗盤相鄰的交易行爲，而不是來自有機的建設者需求。鏈上敘事和市場敘事彼此背道而馳。

截至 2026 年 4 月，該項目已經處理了超過 200 萬次推理（inferences），這其實是一個真實的產品信號。我認爲這部分是可信的。但 OPG 能否把這種推理活動轉化爲“粘性”的付費需求——也就是讓構建者真正需要 $OPG 的資金流來維持他們的工作——那就是另一個完全不同的問題。

就我個人而言，我對基礎設施層更有共鳴。可驗證的 AI 推理確實是一個真實且值得解決的難題。只是我不確定，代幣市場目前是否已經找到了立足點。

我反覆想回到的未解問題是：如果推理量在增長，但代幣價格一直在流血下跌，這最終會不會打破節點運營方的激勵模型？還是說這在短期內其實沒問題？

這幾天我一直在翻來翻去 @OpenGradient 和 $OPG ，有一件事總是把我的注意力拉回去。

#OPG 的存取款完全通過 Base 來進行，而當 Upbit 在 6 月 15 日上線時，這個單一的架構選擇變得非常顯眼，而且來得很快。

上線當天的成交量飆升至 357.69M 美元——在單一時段內增長了 605.93%——這種數字會迫使你去看它背後到底發生了什麼。它所揭示的並不只是炒作輪動：它表明 Base 網絡在沒有明顯擁堵的情況下，吸收了一次重大的流動性事件，結算便宜、確認迅速、沒有戲劇性。對於那些承諾可驗證計算的 AI 推理層來說，在它最混亂的時刻，“管道”依然經受住了考驗。

OpenGradient 作爲區塊鏈的 AI 協處理器，讓智能合約把複雜的 AI 計算外包給一個專用的節點網絡；而 $OPG 則作爲連接推理支付、質押與治理的代幣。這就是論點。但讓我意識到的一點是：我看到的現階段鏈上主要活動仍然是交易驅動的，而不是推理驅動的。真正發生在 Base 上的模型調用，其可觀測性要比那些成交量柱更難。

我開始想：當主網上線、OPG 的推理費用開始流入之後，那天的日成交量會不會看起來像 6 月 15 日？還是說，那一天更多隻是噪音？

這幾天我一直在研究@OpenGradient ，最讓我注意到的一點不僅是技術，還有圍繞該代幣的行爲。

6月15日的交易所上線帶來了交易活動的急劇激增，凸顯出當今流動性中有相當一部分仍由交易所參與驅動，而非直接的協議使用。

從本質上說，OpenGradient 正通過 zkML、可信執行環境（TEEs）以及可審計的 AI 推理來構建可驗證的 AI 基礎設施。該協議還支持在 Base 上進行推理支付，爲“可驗證計算”提供框架，而不僅僅是另一種 AI 敘事。

我覺得最有意思的是，在主要交易所上線之前，OpenGradient 已經處理了超過 200 萬次 AI 推理。這表明在投機性的關注到來之前，就已經存在有意義的開發者活動。

對我來說，真正的問題並不是基礎設施是否真實——它是的。問題在於：開發者採用與推理需求最終是否會成爲生態系統的主要驅動力，還是交易所驅動的流動性繼續主導敘事。

我會比關注短期交易量更密切地觀察鏈上推理使用量的增長。

$OPG #OPG

這幾天一直在研究 @OpenGradient 和 $OPG ，有一個問題不斷浮現。

OpenGradient 正在爲可驗證的 AI 構建基礎設施：在鏈下執行 AI 推理，同時在鏈上進行驗證確認。它的架構將可信執行環境（TEEs）與零知識機器學習（zkML）結合起來，爲開發者提供多種驗證選項，以滿足其應用的不同需求。

另一個引人注目之處是圍繞該網絡不斷壯大的生態系統，其中包括一個模型中心，彙集了成千上萬的 AI 模型供開發者構建使用。

我仍在努力理解的是：網絡使用與代幣需求之間在長期會形成怎樣的關係。

隨着更多開發者部署 AI 應用、經過驗證的推理不斷擴展，這種活動何時開始持續性地帶來對 #OPG 的需求，而不是市場主要仍聚焦於短期投機？

這是我在生態系統持續發展過程中最密切關注的問題。

@OpenGradient 這件事在我執行任務的中途突然打斷了我。不是我之前已經讀過的那個“宣講稿”。是信任菜單。

你並沒有被鎖定在某一種驗證方式上。你可以爲每一次推理選擇驗證級別：追求速度和隱私就用 TEE；在高風險、需要完全無信任（trustlessness）的情況下用 zkML；如果你只需要可追溯的證據，那就用簡單簽名。這個設計選擇經常被忽視。“可驗證 AI”（Verifiable AI）並不是單一功能，它是一個光譜。

真正讓我印象深刻的是，在市場極度波動的時期觀察網絡。代幣移動得很激進，但基礎設施在不間斷地持續處理請求。日常交易仍在進行，已經產生了數百萬個區塊，驗證層只是一直在運行。市場很吵，但協處理器（coprocessor）並不吵。

我一直在思考的正是這種對比。代幣可能在幾分鐘內重新定價，而底層基礎設施卻能保持一致。

我仍然好奇的是：大多數構建者會主動選擇他們的驗證方法，還是隻是沿用默認設置？當速度更便宜、更快時，開發者會多頻繁地刻意選擇完整的 zkML 驗證？

#OPG $OPG

Spent the afternoon digging into @OpenGradient transparency pitch every inference gets a TEE attestation or zkML proof before it touches the chain, so nothing runs on trust me.

Then I went to check on the Binance trading tournament payout (June 23, 3M OPG voucher pool, 150k to the top trader and... hold up.

The verification happens for the AI jobs. The reward distribution for the token itself? Vouchers just appeared in people's Rewards Hub. No public leaderboard, no on chain tally anyone could audit, no way to confirm the ranking math beyond Binance saying so.

The exact thing OpenGradient's whole architecture exists to remove trust the platform not the proof is precisely how its biggest recent token incentive event worked.

I caught myself almost writing this off as irrelevant, a CEX promo running on CEX rails, separate from the protocol. But that's the gap, isn't it, the verifiable layer only covers the compute, not the economics wrapped around the token that pays for it. Two different trust models stacked on top of each other and most people only ever interact with the second one.

Makes me wonder how much of verifiable AI actually reaches the person clicking claim on a voucher, versus staying contained in the inference layer nobody outside the dev docs ever looks at.

#OPG $OPG

在CreatorPad任務中花時間深入挖掘@OpenGradient ，而讓我注意到的不是提案，而是網絡已經完成的工作與大多數人似乎討論的內容之間的差距。

$OPG 已經處理了超過185萬次鏈上交易，產生了超過420萬個區塊，並且每天處理超過10,000次的交易，涉及263,500多個獨特錢包。這些數字表明，這個網絡已經在進行有意義的活動，而不僅僅是依賴未來的預期。

更引人注目的是建設者活動。模型中心託管了來自100多位開發者的2000多個模型，生成了超過500,000個加密證明，並提供了超過200萬次可驗證的推論。開發方面似乎在更廣泛的市場關注到來之前就已經在增長。

我開始這個任務時以爲可驗證推論的敘述可能被誇大了。經過深入觀察，這似乎並非如此。該網絡圍繞可驗證的AI推論設計，使用加密驗證機制在結算前驗證推論結果。

我仍在關注的問題是開發者的採用是否會繼續在這裏複合。早期的吸引力是一回事，而持續的生態系統增長則是另一回事。

這是我在接下來的幾個月裏將關注的指標。#OPG

今天在 CreatorPad 任務中探索 @OpenGradient ，讓我思考了一些不夠被討論的事情。

關於 AI 的對話大多集中在輸出上。模型生成了什麼，代理決定了什麼，或者做出了什麼預測。

但更有趣的問題在於這些之前：

你怎麼知道產生結果的模型實際上是該運行的那個？

這就是我覺得 $OPG 突出的地方。

這個網絡圍繞著可驗證的 AI 建設，給予開發者一種證明推理如何執行的方式，而不是要求用戶信任一個黑箱。應用程序可以將加密驗證附加到 AI 執行上，創造一個可以獨立驗證的透明記錄。

對於決策至關重要的領域——無論是金融、自動化、代理還是其他高信任環境——這種能力感覺越來越重要。

我一直在想的是：

在什麼時候，可驗證性不再是一個美好的特徵，而成為一個要求？

現在，許多應用仍然優先考慮速度和便利性。但隨著 AI 更深入地融入產品和決策系統，證明結果是如何生成的，可能會變得和結果本身一樣重要。

#OPG 似乎在為那個未來構建。

好奇想看看構建者如何迅速從信任 AI 輸出轉向要求可驗證的輸出。

下午我花時間深入研究@OpenGradient 的CreatorPad任務，有一個細節讓我一直掛念，$OPG 只在6月15日上線，只有BTC和USDT交易對，沒有本地法幣市場，存款和取款完全通過Base進行。交易在20:30開始，24小時交易量幾乎瞬間躍升了357.90%。

這就是讓我印象深刻的地方。#OPG 整個宣傳都是代理給模特打電話，工具調用在鏈上結算，可信的推理推動一個“代理經濟”。但實際上快速反應的並不是這些，而是交易者。流動性在新市場開盤的瞬間就出現了。

讓我開始思考，誰纔是真正的第一順位。投機者獲得了即時的交易通道，交易上線，交易量激增，結束。通過模型中心運行真實工作的建設者們仍然是圖表上比較安靜的一方，儘管據說有成千上萬的模型上線。

也許這就是每個基礎設施代幣演變的方式，關注度總是在使用之前到來。但我一直在想：實際的代理推理數字何時才能像市場開盤公告一樣推動價格？

下午花了一些時間翻閱$OPG 的CreatorPad任務，有個細節一直把我拉回到Upbit的6月15日上市，只有BTC/USDT交易對，沒有KRW。@OpenGradient 的存款路線完全通過Base，合約結束時間僅剩兩個小時，這是市場訂單開始之前的唯一窗口。

嗯……這顯然是個合規選擇，不是意外。韓國的旅行規則現在推動新的上市朝這個方向發展。但這讓我思考比上市本身更大的事情，#OPG 自4月以來已經在四個主要交易所上市，價格仍然大約比4月22日的歷史高點低了一半。流通供應量大約爲1.9億，而總供應量爲10億。

所以交易所的接入持續擴展，流動性不斷到來，但價格走勢卻顯示需求並沒有以相同的速度跟上。這纔是對“可驗證的AI計算”網絡而言真正重要的差距，上市證明了分佈，而非使用。我發現自己在檢查推理活動而不是中心化交易所的交易量，這似乎是更誠實的問題。
讓我想知道OPG近期的價格走勢有多少是由於交易所流動性，而不是網絡上實際購買的計算，是否已經有人在公開跟蹤這個比例。

我在@OpenGradient $OPG 上完成了CreatorPad任務，反覆思考一件事：目前實際爲推理付費的用戶和需求故事所指向的用戶之間的差距。#OPG 在Upbit上列出了6月15日的BTC和USDT交易對，僅限於Base網絡，開放時限單僅爲2小時，這個細節告訴我的信息比白皮書多。

但讓我真正記住的是：OpenGradient上的每個經過驗證的AI調用都是用OPG支付的，結算髮生在Base網絡上。沒問題。但是，該網絡已經處理了超過200萬次可驗證的推理，支持超過500,000個zkML證明。這些是真實的數據……除了幾乎沒有這些交易量來自dApp用戶。大部分是開發者測試的基礎設施級流量、節點操作員驗證、內部工作流程。代幣的需求故事假設開發者構建→用戶來到→推理費用流入。但這個序列目前仍主要停留在第一步。

我通過Python SDK進行了一個基本的推理調用。它成功了。順暢，老實說。但是爲這個調用支付OPG感覺幾乎是附帶的，摩擦存在於驗證層，而不是支付步驟。這就是設計安靜雄心勃勃的地方，也是它可能悄然停滯的地方。
所以我一直在思考的問題是：推理需求何時不再是開發測試，而是真正能夠持續推動費用交易量的東西……

爲什麼@OpenGradient 可驗證推理模型脫穎而出，以及在這個任務中吸引我注意的不是可驗證AI敘述本身，而是其背後的架構決策。

OpenGradient沒有選擇強迫驗證者重新執行每個AI推理。相反，推理節點執行計算，而驗證則通過加密證明在之後進行。這種分離在可擴展性和信任之間創造了更實際的平衡。

從基礎設施的角度來看，這是一個有意義的設計選擇。

該網絡已經處理了數百萬個區塊，數百萬個經過驗證的推理，並支持由不斷增長的開發者生態系統貢獻的數千個AI模型。這些都是系統在規模上運作的有形指標。

但我一直在思考的是基礎設施增長與長期需求之間的關係。

技術似乎在運作。驗證框架已經到位。模型生態系統正在擴展。網絡上的活動仍在繼續增長。

但更大的問題是，基礎設施的使用是否最終會成爲價值的主要驅動力。

許多項目可以構建出令人印象深刻的技術。更困難的挑戰是創建一個反饋循環，使得現實世界的使用不斷增強網絡本身。

這也是我最關注的內容。

如果開發者越來越依賴可驗證推理作爲其應用程序的核心部分，OpenGradient的架構可能會成爲其最強大的優勢之一。

長期來看，這個故事可能不僅僅是關於技術本身。

它可能與可驗證的AI是否成爲開發者積極選擇構建的基礎設施有關。

#OPG $OPG

任務完成了。做了點小喫。仍在思考一件事。

@OpenGradient $OPG 的提案很清晰：每個AI推理在鏈上結算之前都是經過加密驗證的。可驗證的計算。沒有黑箱。這部分我明白。

但我查看了本週實際的市場動向。

一個主要的交易所上市在6月15日上線，24小時內交易量爆炸性增長，達到了大約$357M，市場總值接近$39M。這在單一交易中達到了9倍的交易量與市值比。

網絡統計數據真實，生產了超過4.2M個區塊，263,500+個獨特錢包，2M個可驗證推理。所以產品在運作。

但從任務中誠實的觀察是：當前驅動代幣行爲的因素幾乎與zkML證明計數或推理活動無關。是關注度、流動性、交易所流動和交易者的持倉。

信任菜單，TEE與zkML與普通簽名之間的選擇是一個深思熟慮的設計，幾乎沒有人在本週交易#OPG 時考慮這個。

我並不是說這就打破了理論。基礎設施投資通常在早期是這樣運作的。

但我總是回到關注度實際所在與所謂的實用性之間的差距。

今天花了一些時間研究 @OpenGradient 和 $OPG ，有一件事一直吸引着我的注意。

不是 AI 敘事。
不是生態系統的增長。

讓我印象深刻的是這個協議對驗證的處理方式。

OpenGradient 並不是強制採用單一的驗證模型，而是圍繞靈活性構建。根據情況可以使用不同級別的驗證，允許開發者根據他們的具體需求平衡信任、速度和效率。

這感覺比把每個工作負載都當作同樣對待要實際得多。

但這也讓我思考了一個更大的問題。

設計和架構是一回事。
實際使用是另一回事。

圍繞新興基礎設施項目的關注度來自市場活動、生態系統擴展和日益增長的可見度。這些信號很重要，但它們並不一定告訴我們網絡是如何在日常中被使用的。

我最感興趣的是開發者是否持續選擇在實際應用中使用協議的驗證能力。

因爲這纔是長期故事的書寫之處。

不是通過敘事。
不是通過交易活動。

而是基礎設施是否成爲人們定期依賴的東西。
對我來說，這仍然是最重要的指標。

#OPG

我最近一直在關注@OpenGradient ，令它與衆不同的是，它似乎並不專注於追逐最新的AI趨勢。

大多數AI項目通過承諾更強大的模型、更智能的自動化或下一個突破性代理來爭奪關注。$OPG 看起來專注於一些不那麼明顯但可以說更重要的東西：使AI生態系統能夠可持續運行的基礎設施。

對我來說，真正的考驗不是一個項目在啓動時吸引多少關注，而是建設者是否持續構建，用戶是否持續參與，以及價值是否在網絡中持續流動，幾個月後依然如此。

這也是許多AI敘事所面臨的挑戰。興奮可以推動車短期興趣，但長期成功取決於執行、信任和有意義的激勵。

#OPG 值得關注的地方在於，它試圖構建一個將AI嵌入網絡活動中的生態系統，而不是作爲一個獨立的敘事存在。如果這種方法奏效，它可能會創造出比純粹依賴市場炒作的項目更強大的基礎。

更大的問題是，投資者是否準備好獎勵穩定的生態系統增長，還是市場將繼續優先考慮那些產生最多噪音的AI故事。

花了一些時間挖掘@Bedrock 基礎設施方面的內容，主要是關於uniBTC和brBTC的BTCFi跨鏈管道，而讓我感到困擾的並不是架構圖。是解鎖日曆。

$BR 下一個定期解鎖安排在6月20日，釋放大約4063萬BR，約佔總供應量的4.1%，主要分配給創始團隊2500萬和種子投資者1563萬。等一下，這距離這個任務上線僅一週的時間，而基礎設施文檔對此完全沒有提及。所有內容都圍繞着重新質押架構、19條鏈的集成、雙代幣veBR模型……都是一些前瞻性的東西。與此同時，實際上即將發生的鏈事件將會影響流動性，卻在代幣經濟學數據中靜靜地放着，完全與敘述無關。

老實說，感覺像是兩種不同的產品。一個是“看看我們的BTCFi基礎設施有多先進”的推銷，#Bedrock 而另一個就是……無論架構故事如何，正常的解鎖數學都在進行。內部人士會準時解鎖，無論跨鏈路線圖如何。

我並不反對解鎖，這很正常。只是奇怪的是“基礎設施敘述”軌道和“誰實際上下一步會收到代幣”軌道是如此乾淨地分開。讓我想知道BTCFi的定位有多少是爲了那些在八天內獲得4000萬BR的人。

今天一直在關注@Bedrock 和$BR 這個token，特別是veBR治理層。有一件事讓我在工作中停下來了……
這個量表模型是從Curve的veCRV手冊中乾淨地借來的。你鎖定BR，獲得veBR，然後投票決定哪些流動性池量表獲得BR發放獎勵。

這聽起來挺標準的。但去年夏天，某個地址在2025年7月10日提取了超過4700萬美元的BR/USDT池，而這個token在同一交易中大約下跌了50%。這個事件仍然是相關的背景，因爲在此之後，64.5%的Binance Alpha交易量仍然通過BRUSDT對流動。集中度並沒有得到解決，只是被討論了一下。

所以，實際的價值問題並不是關於治理敘事，而是關於veBR鎖定機制是否能在結構上減少對單一交易場所的依賴。

對投票權的季節性重置應該能防止治理壟斷，這聽起來在紙面上不錯，但7月的崩盤表明，誰控制深度流動性，誰就更能控制價格底線，而不是誰控制量表。

嗯……BR/veBR模型讓你影響排放去向。它沒有給你任何權力去決定一個鯨魚是否退出那個所有東西都依賴的池。這是兩回事。

老實說，我仍然在思考這個差距。對激勵分配的治理與對實際流動性行爲的治理，Bedrock有沒有涉及第二個的機制，還是僅僅是第一個？

#Bedrock

完成了 CreatorPad 的任務，@Bedrock ，而讓我印象深刻的不是 BTCFi 的推介，而是治理的底層結構。

$BR → veBR 理論上是乾淨的。鎖定代幣，獲得投票權重，直接將計量排放引導到你想要獎勵的池子。季節性重置機制旨在平衡局面，所有投票權力在季末迴歸基線，因此早期的鯨魚不能永久控制計量。從紙面上看，這是民主的。DAO 過渡文檔甚至提到，最初 #Bedrock 團隊保留合約的管理控制權，社區接手暗示在後期進行。文檔中埋藏的這一行做了很多工作。

讓我停下思考的是：去年七月，當 4700 萬美元的流動性在幾天內退出 PancakeSwap 時，團隊發佈了 LP 地址並手動重新平衡了 BR/USDT 池。這不是治理，而是一箇中心化的手在穩住一個去中心化的輪子。計量模型是真實的，但其底層基礎尚未建立。

嗯……季節性重置確實在鏈上重新分配投票權，這部分是對的。但我一直在想，如果團隊在 DAO "過渡" 期間仍然持有管理員密鑰，而沒有明確的結束日期，這其中有多少是治理，多少隻是……一個有額外步驟的儀表板？

我在@Bedrock 上做CreatorPad任務時，突然被一點小事打斷了。6月20日將有一個代幣解鎖——4063萬$BR #Bedrock 個代幣將被釋放，價值大約421萬美元，分給創始團隊和種子投資者。這是總供應量的4.1%，將在十天內進入流動性市場。好吧，這個時間表是定好的。但看到它在鏈上靜靜待着，讓我真的思考這個系統首先是爲誰而建立的。

veBR指標模型在紙面上確實優雅——鎖定BR，獲得投票權，將獎勵直接分配到你關心的流動池。但現實是：有足夠BR可以有意義地鎖定的人已經是內部人士，正在獲取解鎖。

他們是操控指標權重的人。其他人基本上是在一個系統中質押，而早期分配的持有者在決定他們自己的獎勵流向。
季節性重置應該能解決這個問題——重置投票權，讓新參與者進入。嗯……或許吧。又或者只是刷新表面，而同樣的錢包又重新加載。
我不認爲這有惡意。

這個機制是透明的，一切都在鏈上，可以驗證。但“透明”和“公平進入”不是一回事，我一直在思考這個。這裏誰真正先受益，以及平等待遇的承諾需要多長時間才能縮小這個差距？

上週通過@GeniusOfficial 完成了一個CreatorPad的任務，基本上期待另一個打扮過的聚合器。讓我停下來的是煤氣贊助層。

你可以在11個以上的鏈上執行，而無需在每個鏈上持有本地煤氣。這並沒有被大聲宣傳，但一旦它運作，就安靜地消除了開發者們接受的一個摩擦類別，作爲基準。
#genius 在2026年初達到了150億美元的累計交易量。

直到8月10日的Genius Points計劃顯然正在從想要空投分配的重度用戶那裏拉動交易量。Ghost Orders MPC將執行分散到最多500個錢包，並與BullX或Photon提供的服務有明顯區別。這部分是真實的。

不過我一直感到的摩擦是… 高級功能聚合器路由控制、幽靈訂單、在USDC中共享45%費用的推薦等級解鎖都被限制在$GENIUS 的持有和交易量閾值後。默認用戶獲得的是簡化的體驗。

真正進行壓力測試基礎設施的建設者和交易者並不是那些承諾收益的人，收益流向的是那些首先達到交易量基準的人。
而平臺費用激活的日期仍待定，沒有確認的日期… 現在這對誰最有效呢？