柚泥脆芝士

昨晚翻Newton文檔時，我心裏一緊。

“The Newton Protocol is designed around three core components: Newton Model Registry, Newton Keystore, and Automation Intents.”三層架構，六個核心合約：二層合約、質押合約、代理註冊表合約、zkPermission權限合約、罰沒合約、治理合約。每一個都承載着不同的職責，但每一個都必須準確無誤地運行。

我後背有點發涼。

Gate百科寫得很清楚：Keystore是一個專門管理用戶權限的Rollup，用戶通過會話密鑰或zkPermissions授予代理可撤銷的操作權限。權限、質押、罰沒、治理——這些模塊環環相扣，邏輯嵌套極深。只要其中任何一個環節出問題，整個自動化層都可能崩塌。

代碼量有多大？目前沒有一個公開的完整審計報告給出具體數字。CertiK Skynet的數據觸目驚心：代碼安全評分僅50%，審計歷史一欄寫着“無”——未經任何認證機構審計，沒有CertiK審計，沒有第三方審計。

一個管理着10億枚代幣、承載用戶資產委託權限的協議，代碼審計欄居然是空的。

白皮書描繪的可驗證自動化願景很宏大。但現實是，這套複雜的合約體系至今沒有一份公開的第三方審計報告來證明它的安全性。二層合約、質押合約、權限合約、罰沒合約——每一個都是黑客眼中的金礦。The DAO當年就因爲一個重入漏洞，6000萬美元沒了。代碼越複雜，攻擊面就越多。@NewtonProtocol

Binance Research的文檔確認了Newton Keystore是一個“specialized rollup”——Rollup本身的跨鏈橋和狀態驗證就是額外的攻擊面。再加上zkPermissions的零知識證明邏輯，任何一個環節的代碼漏洞都可能導致質押的NEWT被盜、國庫代幣被捲走、用戶資產被清空。

一旦出事，口碑直接歸零。$NEWT

六份合約環環相扣，每一環都可能成爲黑客的突破口。你敢把資產交給一套連審計報告都沒有的複雜系統嗎？
#newt

昨晚翻 Newton 的文檔時，一段技術描述讓我心裏一緊。

官方寫得明明白白：“Newton Protocol combines trusted execution environments (TEEs), zero-knowledge proofs, and a modular agent architecture”。Rollup 做擴容、ZK 做驗證、TEE 做機密執行、AI 代理做自動化——四層技術堆在一起。

我後背有點發涼。@NewtonProtocol

Binance Research 的文檔也確認了這套架構：“Newton Keystore: a specialized rollup responsible for storing and updating user permissions”。一個專門存權限的 Rollup，加上 ZK 證明、TEE 硬件隔離、跨鏈代理執行——每一個單拎出來都是硬骨頭，疊在一起，落地難度呈指數級上升。

Gate 百科的風險評估也點出了同樣的問題：ZKP+TEE 結合做 AI 代理可驗證執行，屬於行業前沿技術，技術研發難度遠超普通 DeFi 項目。

那目前跑通了什麼？

我翻了一圈，發現唯一落地的應用是“定投 AI 代理”——設置購買頻率、支付幣種、截止時間，一個自動買入程序。用戶界面就是一個“Start a New Agent”按鈕，入個 10 U 設置定投週期。

白皮書裏寫的跨鏈套利呢？DAO 金庫自動化呢？AI 機器學習交易代理呢？

Gate 百科寫得很直白：目前代理註冊與使用尚未全面普及，生態應用正逐步擴展中。“逐步擴展”翻譯一下就是——還在規劃裏。

Magic Newton Foundation 拿了 Magic Labs 100 萬美元資金，沒有向投資者募集過資金。團隊先發幣、後做產品的路徑已經走完了第一步。但真正撐起 10 億枚代幣估值的那些複雜功能，一個都沒上線。$NEWT

技術越複雜，跳票的概率就越高。當 ZK、TEE、Rollup、AI 代理四件事必須同時跑通的時候，你敢賭它不延期嗎？#Newt

盯着@OpenGradient x402升級公告，我心裏越來越不安。

OpenGradient官方博客裏寫得很清楚：“We've solved this with an x402 settlement layer that allows users to pre-fund an account with tokens.”預存賬戶，先充值後消費，體驗更順滑。

但看到後半句，我後背一涼：“Inference requests draw from this balance, meaning async workloads aren't blocked waiting for on-chain settlement to complete before computation begins.”

什麼意思？節點先把算力跑完，結算證明還在排隊上鍊，錢已經從預存賬戶裏轉走了。

文檔裏對結算模式的描述更直接：“x402 settlement mode”可選項包括“BATCH_HASHED”——也就是批量哈希結算。結算和執行的脫鉤是架構層面的設計，不是bug。

但風險就在這裏：賬戶沒有最低餘額要求、沒有實時凍結機制、對違約行爲沒有任何懲罰。HTX社區直接點名：“x402單靠'預存賬戶'這種賬本結算機制，治標不治本，惡意跑單風險依然存在。”

算一筆賬：惡意用戶發起大量推理請求，節點GPU跑滿了，結果返回後結算證明還在異步排隊，用戶已經把預存賬戶裏的代幣轉走了。節點白乾，算力白燒。

mempool的公開討論更直白：“這對節點運營商不友好，壞賬最終會轉嫁到算力提供方頭上。”

OpenGradient結合x402升級確實增加了驗證器簽名和質押懲罰來增強節點可信度。但用戶端違約的核心漏洞——預存賬戶無餘額門檻、無實時凍結、無違約懲罰——依然敞開着。

項目方只宣傳“pre-fund an account with tokens”的高效，對結算窗口期內的跑單風險，隻字未提。

作爲節點運營商，看到這套只防君子不防小人的結算機制，你還敢把GPU掛上去嗎？
#opg $OPG

翻@OpenGradient 官方文檔時，一段話讓我反覆看了好幾遍。

“LLM proxy nodes provide anonymous, private, and verifiable access to third-party LLM providers like Anthropic and OpenAI.”

LLM推理節點，本質上是“代理節點”——把用戶的請求轉發給Anthropic和OpenAI，套了一層TEE外殼，加了一道簽名上鍊。官方自己說得明明白白：“act as secure intermediaries between users and external LLM APIs.”翻譯過來：安全中介。中介就是中介，去中心化網絡解決不了上游API被掐斷的問題。

再看推理流程。用戶發一個請求到llm.opengradient.ai，指定模型openai/gpt-4o，請求經過TEE節點轉發給OpenAI，OpenAI算完返回結果，TEE生成一份“我沒篡改過”的證明，上鍊存證。整個流程裏，真正的推理計算髮生在OpenAI的服務器上。TEE能證明“請求沒被中途改過”，但證明不了OpenAI內部用的是哪個模型版本、有沒有偷偷調輸出。模型本身的“黑箱”依然存在。

更現實的風險是API依賴。OpenAI有明確的IP黑名單和地域封禁機制。中轉節點一旦觸發風控，所有依賴該路徑的推理請求全部失效。HTX社區的分析一針見血：官方測試網支持的是x402 LLM inference，路由到OpenAI和Anthropic；而真正在本地GPU上跑開源模型的ML inference，文檔裏寫着“under development”。曾經支持完整ML推理的Alpha測試網，已經被標記爲“deprecated”。

200萬次推理——多少是轉發OpenAI的代理調用，多少是真正在鏈上跑的本地模型推理？官方從不拆分披露。

OpenGradient的定位很清晰：一個給OpenAI和Anthropic API做隱私中轉和簽名上鍊的服務商。只要請求最終落到中心化API上，“去中心化”就只是一個簽名包裝。本地推理的路還長，你能接受自己用的“去中心化AI”，背後其實還是OpenAI的服務器嗎？
#opg $OPG

剛剛翻完@OpenGradient 的HACA架構文檔，我注意到一個被反覆強調的設計選擇：執行和驗證是兩條獨立的時間線。推理節點先返回結果，證明異步提交驗證上鍊。這套架構確實解決了性能問題，但問題是——驗證不通過之後呢？

官方文檔只留下一句話：“若驗證失敗，結果將被拒絕或重新計算”。誰承擔後果？已返回的錯誤結果如何回滾？用戶產生的損失誰來賠付？這些關鍵問題在文檔裏是空白的。

作爲參照，同類項目早已把驗證失敗的後果說清楚了。Chainlink節點必須質押約74,000美元的LINK才能參與，響應延遲或數據錯誤會被扣除質押金。Bittensor同樣設計了懲罰機制，驗證者的權重若偏離共識評價，其質押權益會被削減。這些項目用“質押+罰則+補償路徑”把容錯邊界劃得清清楚楚。

HTX的分析更直白：“如果一筆DeFi清算指令被路由到TEE去驗證，而TEE因硬件微碼Bug給出錯誤證明，導致清算失敗並引發連環爆倉，責任鏈條怎麼追蹤？”

OpenGradient的HACA架構在性能上確實解決了問題，但驗證層的“容錯空白”卻把風險留給了用戶。在官方明確驗證失敗後的回滾機制、賠付路徑和節點追責細則之前，我不會把高價值場景的AI推理交給這套“先信任、後驗證”的系統。
#opg $OPG

昨晚翻 @OpenGradient 文檔時，一段話讓我反覆看了幾遍：“We use AWS Nitro Enclaves, which generate attestation documents signed by AWS as a certificate authority”。TEE 節點要註冊上鍊，系統會檢查認證簽名是否來自 AWS Nitro 根證書。這意味着，你的推理請求是否“可驗證”，最終靠的是 AWS 簽發的認證文件來證明。

HTX 的分析直截了當：TEE 的信任錨點不在鏈上，在 AWS 手裏。中心化雲廠商簽發的認證，是信任結果的最終依據。有觀點更 blunt：所謂硬件級安全驗證，說到底還是把算力的終極控制權交給了英特爾或亞馬遜的“硬件黑盒”。這不是“無需信任”，這是把信任從項目方轉移到了 AWS 和 Intel——信任被轉移了，不等於信任消失了。

那 ZKML 呢？OpenGradient官方文檔寫得很清楚：ML 執行支持 ZKML、TEE 和 Vanilla 三種驗證方式。但 ZKML 的代價有多大？生成 ZKML 證明的成本遠高於運行推理本身。有研究者直言：在零知識證明裏跑推理，就像在混凝土裏游泳。OpenGradient 自己也承認，ZKML 在 alpha 測試網上可用，但生產級 LLM 推理“全部使用 TEE 驗證”。大模型場景下，ZKML 已經被默認放棄了。

文檔裏還寫着一句話：“ZKML proofs provide mathematical certainty that a specific model produced a specific output”——這是密碼學層面的理想。但現實是，OpenGradient 把所有 LLM 推理都交給了 TEE。而 TEE 的信任錨點在 AWS，在 Intel，不在鏈上。

“可驗證”的對象是執行過程，不是代碼本身。把信任從項目方轉移到 AWS 和 Intel，算不算真正的去中心化？這筆賬，我還沒算清楚。
#opg $OPG

翻完@OpenGradient 的代幣經濟學，我拿着計算器反覆算了幾遍，越算越覺得心裏沒底。

先看供給端。$OPG 總供應量10億枚，當前流通約1.9億枚，佔比19%。剩下81%都在鎖着或線性釋放的路上。核心貢獻者15%和投資者10%鎖倉12個月後36個月線性釋放，合計每月約694萬枚涌入市場；生態基金40%中TGE只解了10%，剩餘部分60個月勻速流出，每月約600萬枚。兩股力量疊加，每月超1,300萬枚的潛在拋壓。Gate的分析也指出，中長期持續的代幣釋放將對二級市場供給端施加壓力。

再看需求端。OPG的核心用途是支付推理手續費，但AI推理是高度價格競爭的市場，去中心化方案成本天然高於中心化API。定價高了沒人用，低了代幣消耗撐不起價值。更關鍵的是，整個經濟模型裏我找不到任何收入回購或銷燬機制。一個純靠需求拉動、沒有通縮支撐的代幣，在供給端持續釋放的背景下，價格能撐多久？

質押收益也讓我捏了把汗。10%的代幣用於質押獎勵，96個月線性釋放。你現在看到的質押收益率，本質上是把未來96個月才該釋放的代幣提前拿出來分給今天的質押者——不是協議賺錢了分給你，是還沒印出來的錢先發給你。96個月後這1億枚發完了，拿什麼維持收益率？如果屆時協議真實收入不足以支撐質押回報，質押者離開，網絡安全打折，代幣價格承壓——一個正反饋的下行螺旋。

我的判斷很簡單：OPG當前約3,000萬美元的市值，建立在81%代幣尚未解鎖的“薄冰”之上。在團隊拋壓曲線清晰、收入回購機制落地之前，我不會把它當作長期持倉標的。
#opg

朋友讓我去翻 @OpenGradient 文檔，翻的時候我注意到一個被反覆強調的設計選擇：執行和驗證是兩條獨立的時間線。傳統區塊鏈要求每個驗證者重跑每一筆交易，對 token 轉賬沒問題，但對 AI 推理——跑一個 70B 參數的 LLM 要花幾秒鐘，讓 100 個驗證者各跑一遍，等於 100 倍的算力浪費。HACA 的做法是：推理走快速路徑，毫秒級返回結果；證明走異步驗證路徑，事後上鍊存證。官方宣稱這叫“Web2 級響應速度 + 區塊鏈級信任保障”。

再看節點分工。推理節點跑模型，全節點驗證證明，數據節點通過 TEE 安全獲取外部數據。模型文件和大型證明存在 Walrus 上，鏈上只記錄 blob ID。這套設計確實降低了單節點的負擔——全節點不需要 GPU，只驗證密碼學證明。

底層兼容性也值得提一句。基於 Cosmos SDK + CometBFT 搭建，完全兼容 EVM，支持 Solidity 合約和 Hardhat、Foundry 等工具。開發者不需要學新語言就能調用 AI 推理。

但我翻完這些設計後，腦子裏冒出一個問題：架構解決了性能問題，但驗證那一步呢？ 前面幾輪討論過的 ZKML 1000-10000 倍性能開銷、TEE 對 AWS 的依賴、異步驗證的時間窗口——這些老問題在 HACA 裏一個都沒消失。架構是骨架，驗證纔是血肉。骨架搭得再好，血肉撐不起來也是白搭。
#opg $OPG .

前晚翻@OpenGradient 文檔的時候，兩組數字讓我反覆看了好幾遍。官方寫得明明白白：ZKML的開銷是普通推理的1000到10000倍。什麼概念？一個原本50毫秒的推理，用ZKML驗證可能要花50秒到8分鐘。Modulus Labs的報告也印證了這個數據——zkML比常規計算慢1000倍。

這不是工程優化能解決的問題，這是密碼學證明本身的數學代價。

更讓我在意的是模型兼容性。OpenGradient的ZKML推理依賴EZKL庫，但支持的ONNX算子集僅限於opset 9到18。2026年的主流模型用的算子版本早已超出這個範圍。想跑ZKML？先得把模型降級到幾年前的標準——這相當於讓一輛2026年的電動車去適配2018年的充電樁。大多數開發者面對這種限制，答案只會是兩個字：算了。

再說HACA架構的設計。官方文檔寫得很清楚：執行和驗證是兩條獨立的時間線。推理節點先返回結果，證明異步提交、驗證、上鍊。這中間存在一個信任窗口——惡意節點返回錯誤結果後，在證明被駁回之前完全可能逃逸。對於高頻交易、實時風控這類場景，這個延遲可能是致命的。

文檔也承認，LLM推理全部使用TEE驗證。大模型場景下，ZKML已經被默認放棄了。OpenGradient的核心賣點是“可驗證”，但開發者面對10000倍的性能代價和opset限制，最終只能選擇TEE或Vanilla——“可驗證”變成了“可選的驗證”。
#opg $OPG

前天翻 @OpenGradient 文檔時，一行字讓我反覆看了幾遍：“We use AWS Nitro Enclaves, which generate attestation documents signed by AWS as a certificate authority”。TEE 節點要註冊上鍊，系統會檢查認證簽名是否來自 AWS Nitro 根證書。這讓我想起一個老問題：信任被轉移了，不等於信任消失了。

先看 Intel SGX。安全研究人員整理過涵蓋數十種攻擊方式的清單——控制通道、推測執行、微架構數據採樣。Foreshadow（CVE-2018-3615）能從 CPU 緩存中直接提取 SGX 隔離區內的數據。2020 年的研究更直白：Intel 通過微碼更新應對側信道攻擊，但事實證明措施是無效的。

AWS Nitro Enclaves 同樣存在攻擊面。Trail of Bits 在 2024 年專門分析過：Enclave 可以從父 EC2 實例被攻擊，攻擊者可以控制父實例的內核。2024 年到 2026 年間，AWS 多次發佈針對 Nitro 組件的安全更新——廠商自己在持續打補丁，本身就說明攻擊面真實存在。

更讓我在意的是另一個盲區：TEE 能證明代碼在飛地中運行，但證明不了代碼本身沒有 bug。OpenGradient 文檔寫得很清楚，節點註冊只是確認它們“運行正確、未被篡改的軟件”。但“未被篡改”不等於“沒有漏洞”。如果 enclave 裏的代碼存在邏輯缺陷，TEE 的硬件隔離根本救不了。

OpenGradient 正在把 TEE 驗證鋪到所有 LLM 推理場景。萬一 TEE 被攻破，整個驗證層的隱私和完整性保證將失效。“可驗證”的對象是執行過程，不是代碼本身。把信任從項目方轉移到 AWS 和 Intel，算不算真正的去中心化？這筆賬，我還沒算清楚。
#opg $OPG

翻完@OpenGradient 的競品地圖和生態數據，我算了一筆賬，越算越覺得它的市場空間被夾在了兩頭。

先看同賽道。去中心化AI基礎設施已形成清晰分層：Akash和Render佔據算力層，Bittensor以128個活躍子網和近15億美元子網代幣市值壟斷模型激勵層。OpenGradient被歸入“可驗證推理”子賽道——一個比算力和模型訓練窄得多的切口。Gate學院的對比分析寫得很清楚：OpenGradient側重“推理與驗證”，Bittensor側重“訓練與激勵競爭”。差異化確實存在，但差異化的市場空間有多大？我的判斷是：可驗證推理是剛需，但剛需的規模遠小於算力和模型層。

再看中心化雲廠商。OpenGradient的核心技術是TEE和ZKML。AWS Nitro、Azure機密計算早就提供了企業級TEE服務。如果哪天AWS在自己的控制檯里加一個“一鍵可驗證推理”按鈕，OpenGradient拿什麼擋？TEE硬件來自AWS，ZKML性能開銷極高——“可驗證”的技術門檻，並沒有高到中心化雲廠商夠不着。

更讓我在意的是生態的脆弱性。項目方宣稱200萬用戶、200萬次推理、4500+模型，但“可驗證AI”本身是小衆需求——絕大多數AI用戶不關心推理是否上鍊審計。如果核心合作應用流失，推理量和OPG消耗將同步下滑。而項目方從未拆分披露付費調用比例和用戶留存率。200萬用戶聽起來不少，但空投激勵下的用戶和真實商業需求驅動的用戶，含金量能一樣嗎？

算力層有Akash和Render，模型層有Bittensor，可驗證層有中心化雲廠商虎視眈眈。OpenGradient夾在中間，上不去下不來。在它證明“可驗證”能跑出獨立的市場規模之前，我不會把這200萬用戶當作生態護城河。
#opg $OPG

翻 @OpenGradient 的資料時，一個數字反覆跳出來：200 萬用戶、200 萬次推理。多個渠道口徑完全一致，連小數點都沒差——這種“整齊劃一”反而讓我心裏打了個問號。

先不急着下結論，看看這些數據意味着什麼。“鏈上可驗證 AI”解決的是一個非常具體的問題：AI 推理過程可被第三方獨立驗證，無需信任單一運營方。但問題是，絕大多數 AI 用戶真的需要這個嗎？ 日常用 ChatGPT 寫郵件、讓 Claude 做摘要的人，誰會關心推理過程有沒有上鍊審計？Foresight News 的一篇分析也提出了同樣的質疑：大部分場景真的需要「驗證 AI」嗎？用戶會願意爲「可驗證性」付出更高成本嗎？

再看數據的來源。200 萬用戶、200 萬次推理、超 4000 個模型，這些數字高度依賴生態內應用。但公開信息中，我找不到這些用戶和推理的具體構成——多少是真實付費調用，多少是測試網的空投刷量？ 項目方從未拆分披露。有分析指出，$OPG 的真正挑戰在於“需求看起來不像 farming，而更像一種人們在沒人看着時也會堅持的習慣”。空投激勵下的“用戶”和“推理”，和真實商業需求驅動的使用，含金量能一樣嗎？

更讓我在意的是用戶留存。主網上線才兩個月，200 萬用戶裏有多少還會持續使用？這個問題，目前的數據回答不了。

我的判斷很簡單：在OpenGradient項目方公開推理調用的付費比例、用戶活躍時長、以及獨立第三方驗證的留存數據之前，我不會把這些“百萬級”數字當作真實需求的證據。空投期的繁榮和補貼退潮後的留存，從來都是兩回事。
#opg

翻完@OpenGradient 的代幣經濟學，我拿着計算器反覆算了幾遍質押獎勵那部分，越算越覺得哪裏不對。

總供應量10億枚，其中10%被劃給了質押獎勵，在96個月內線性釋放。這個數字本身沒什麼問題，很多項目都這麼做。但讓我真正坐下來認真思考的是：這些獎勵從哪裏來？

答案是：從尚未釋放的代幣池子裏來，不是從協議賺到的錢裏來。換句話說，你現在看到的質押收益率，本質上是把未來96個月才應該釋放的代幣，提前拿出來分給今天的質押者。這不是“協議賺錢了分給你”，而是“把還沒印出來的錢先發給你”。

我查了一下公開資料，OpenGradient的協議收入主要來自推理費用——用戶提交AI推理請求時用OPG支付計算成本。但AI推理是一個高度價格競爭的市場，去中心化方案的成本天然高於中心化API。定價高了沒人用，定價低了代幣消耗撐不起價值。更關鍵的是，整個經濟模型裏我沒找到任何收入回購或代幣銷燬的機制。協議賺到的錢，不會用來回購OPG，也不會通過銷燬來通縮。

這就引出了一個問題：這1億枚質押獎勵發完了，拿什麼來維持質押收益率？

如果屆時協議的真實業務收入不足以支撐有吸引力的質押回報，收益率就會持續下滑。質押者會離開，網絡安全會打折，代幣價格也會跟着承壓。Gate學院的解析也指出，這類代幣的價值最終取決於網絡中的使用需求——推理需求增加，對OPG的需求上升，反之則下降。但一個純靠需求拉動、沒有價值沉澱剛性機制支撐的代幣，在供給端持續釋放的背景下，價值基礎相當脆弱。

這筆賬算到這裏，我自己的判斷是：$OPG 的質押收益在早期確實有吸引力，但這個吸引力的來源是未來代幣的提前預支，而不是協議本身的盈利能力。 在協議收入能夠獨立支撐質押回報之前，我不會把OPG的質押當作長期生息策略來看待。
#opg

翻完@OpenGradient 的代幣經濟模型，我拿着計算器反覆算了好幾遍，越算越覺得心裏沒底。

$OPG 的核心用途是支付推理費用，這個設計本身沒毛病。但真正讓我坐下來認真思考的，是AI推理這個市場本身的定價邏輯。我見過太多去中心化項目死在“比中心化更貴”這個坑裏——驗證、共識、鏈上結算，每一步都在往賬單上加錢。OpenGradient想用“信任溢價”說服用戶買單，但我自己問了自己一句：如果我是開發者，我會爲“可驗證”多付多少錢？說實話，我心裏沒數。定價高了沒人用，定價低了代幣消耗不夠支撐價值，OPG被夾在中間，兩頭都不好受。

更讓我在意的是，整個經濟模型裏我翻遍了也沒找到收入回購或代幣銷燬的機制。總供應量10億枚固定，但沒有通縮設計來對抗持續的釋放。代幣的價值完全取決於網絡中推理需求的增長——推理越多，OPG需求越高；推理少了，價格就撐不住。一個純靠需求拉動、沒有價值沉澱剛性機制支撐的代幣，在供給端持續釋放的背景下，我實在不敢給它太高的估值。

從結構上看，OPG正在從“講故事”轉向“承載實際功能”。但承載功能的賽道偏偏是一個極度內卷的價格市場，而協議又沒有設計價值迴流的通道。我琢磨了一圈，OPG的長期價值似乎只繫於一件事：推理量能不能一直高速增長。

在沒有回購或銷燬機制的情況下，我持有的OPG分享的不是協議的利潤，而是協議的使用量。這兩者之間的距離，比我之前想象的要寬得多。這筆賬，我暫時還不打算用真金白銀去驗證。
#opg

翻一翻 @OpenGradient 文档，我注意到一个被包装得很精巧的表述：“LLM proxy nodes provide anonymous, private, and verifiable access to third-party LLM providers like Anthropic and OpenAI”。翻译一下：这些节点本质上是给 OpenAI、Anthropic 的 API 套了一层 TEE 外壳，帮用户做匿名转发和签名上链。

问题来了。OpenGradient 宣称自己是“decentralized, high-performance, and verifiable computing infrastructure”。但主流大模型推理的实际执行方是谁？是 OpenAI 的服务器、Anthropic 的 Claude API。TEE 能证明你的请求被安全送到了 OpenAI、没有被中间人篡改。但 OpenAI 内部用哪个版本的模型处理你的请求？有没有偷偷调整输出？这些核心问题，TEE 证明不了，签名上链也证明不了。模型本身的“黑箱”依然存在。

更现实的风险是 API 依赖。OpenAI 有明确的 IP 黑名单和地域封禁机制，违规账号会被永久封停。中转节点一旦触发风控，所有依赖该路径的推理请求全部失效。OpenGradient 自己也承认这些节点是“secure intermediaries”——中介就是中介，去中心化网络解决不了上游 API 被掐断的问题。

文档里提到两种节点：LLM Proxy Nodes（中转第三方 API）和 Local Inference Nodes（本地跑开源模型）。前者才是大模型场景的主力，后者目前只能跑 Llama、Mistral 等开源模型。开源模型的能力和商业化大模型之间的差距，短期内填不平。

我的判断很简单：OpenGradient 的“去中心化”叙事，在本地推理场景下是有意义的——用 TEE 或 ZKML 验证开源模型的执行过程。但只要你的请求最终落到 OpenAI 的服务器上，“去中心化”就只是一个签名包装。模型本身的黑箱和 API 厂商的单点依赖，这两层风险始终存在。
#opg $OPG

昨晚翻完@OpenGradient 的HACA架构文档，我注意到一个被轻描淡写的设计选择：执行和验证是两条独立的时间线。用户发起推理请求后，推理节点直接返回结果，验证和结算在后面异步完成。官方管这叫“Web2级速度配Web3级信任”——听着很高级，但我最关心的问题，文档里没写。

验证不通过怎么办？Gate学院的解析文章说得很直白：“若验证未通过，则会拒绝该结果或重新计算”。可用户已经拿到结果了——如果结果被用于智能合约执行、借贷审批或交易决策，等验证节点说“这结果是错的”，造成的损失谁来承担？文档里没有任何关于结果回滚或用户赔付的机制说明。

节点作恶怎么追责？官方文档确实提到节点需质押OPG作为抵押，提供错误结果或存在恶意行为可能被罚没抵押物。但罚没的是节点，用户已经发生的损失呢？谁来赔？怎么赔？全链路可审计是一回事，用户权益得到保障是另一回事。

OpenGradient的设计在技术层面确实解决了“AI黑箱”问题，但目前这套架构更像是在“验证”这个环节画了个圈，却没说明圈外的事谁来兜底。对于高价值场景——比如DeFi借贷中用AI做信用评分——用户等不起“验证失败后重新计算”的补救流程。

等官方把验证失败后的用户保护细则写清楚之前，我不会把OpenGradient当作高价值场景的可信基础设施。
#opg $OPG

昨晚翻完@OpenGradient 的代币经济学，我第一反应是：当前市场交易的OPG，只是冰山露出水面的那一小块。

总供应量10亿枚，目前流通约1.9亿枚，占比19%。剩下的81%去哪了？我逐条拆了一下分配表：40%给生态系统，TGE解锁10%，剩余60个月线性释放；15%给基金会，48个月解锁；15%给核心贡献者，锁12个月后36个月线性释放；10%给投资者及顾问，同样锁12个月后36个月线性释放；10%给质押奖励，96个月解锁；6%和4%分别用于流动性和空投，TGE已全解。

真正让我警觉的是两组数字的叠加。第一组是12个月锁仓期结束后，核心贡献者（15%）和投资者（10%）合计25%的代币将开始36个月的线性释放。以10亿总量算，每月释放约694万枚——这还没算生态基金和基金会同时在释放的部分。第二组是生态基金40%中TGE只解了10%，剩余90%在60个月里匀速流出，相当于每个月还有约600万枚来自生态侧的持续供给。

两股力量加在一起，每个月超过1,000万枚的潜在抛压。Gate的解析文章也指出，中长期持续的代币释放将对二级市场供给端施加压力，市场在每次解锁节点前后容易提前反应。

6月21日，OPG将解锁约913万枚代币，价值约162万美元。这还只是开始。等12个月锁仓期结束，核心团队和投资者的代币开始线性释放，那才是真正的压力测试。

我现在的判断很简单：OPG的叙事和需求端能不能跑赢供给端的释放节奏，决定了中期走势。在团队和投资者的抛压曲线清晰之前，我不会把它当作长期持仓标的。
#opg $OPG

最近在翻 @OpenGradient 的時候，我一直被一個問題卡住：它說的“密碼學可驗證 AI”，到底是在驗證什麼？

官方文檔裏列了三種驗證方式：ZKML、TEE 和 Vanilla。Vanilla 就是不加驗證的裸奔，ZKML 用零知識證明從頭到尾密碼學閉環，而 TEE 跑在 AWS Nitro 硬件飛地裏，靠 AWS 簽發的認證文件來證明計算沒被篡改。它給開發者留了選擇權——每個場景自己挑，速度、成本、安全之間互相權衡。

問題恰恰出在“權衡”這兩個字上。ZC 圈子公開論證的數據顯示，把模型放進零知識證明裏跑，開銷高達 10 萬到 100 萬倍。有研究者甚至直言：“在零知識證明裏跑推理，就像在混凝土裏游泳”。這組數字直接澆滅了 ZKML 在可預見的未來進入大規模商用的幻想。頂尖團隊 DSperse 在去年 9 月的論文裏也挑明瞭同一個困境——當前 zkML 的計算成本高得離譜，大到需要把整個模型電路化的方案，在大多數真實場景里根本跑不起來。不是方向錯了，是現在的硬件和工程能力還沒追上想法。

那 TEE 呢？跑得動，而且明顯是 OpenGradient 目前用力最多的一條線。從 x402 升級開始，他們已經部署了一個鏈上 TEE 實例註冊表，明確標註使用 AWS Nitro Enclaves。問題是，TEE 的信任錨點不在鏈上，在 AWS 手裏。AWS 簽發的認證文件是 TEE 節點可信的最終依據——相當於項目把“驗證”的最後一環，交給了中心化雲廠商。

更讓我在意的是，OpenGradient 文檔裏寫，對於 LLM 推理，“所有推斷都用 TEE 驗證”。也就是說，大模型的應用場景，項目方已經替你選了 TEE。ZKML 路徑上，官方頁面至今掛着“目前僅在 alpha 測試網上可用”的標籤。一個號稱“可驗證 AI 計算層”的網絡，在所有高價值場景中，唯一可用的路徑卻是把信任錨點移交給中心化雲廠商。

這筆賬，我覺得算清楚了。

#opg $OPG