Das, was in OpenGradient kaputtgehen kann, ist nicht die KI-Antwort. Es geht darum, die Antwort verifizierbar zu machen, ohne alles darin offenzulegen.
Ich habe die ganze Zeit auf die Rolle des Full Nodes gestarrt, denn dort sitzt die harte Grenze.
Die App kann bereits ein Inferenzresultat erhalten. Das Modell kann bereits laufen. Der Nutzer kann bereits eine Antwort sehen. Aber danach muss das Netzwerk noch beweisen, dass der Lauf gültig war, während die privaten Teile versiegelt bleiben.
Das ist keine normale Audit-Logik.
Für TEE-Inferenz benötigen Full Nodes nicht das Prompt, das Modell oder die Antwort. Sie überprüfen die Attestation. Für ZKML brauchen sie keine Eingabedaten oder Modellgewichte. Sie validieren den mathematischen Beweis. Die Prüfung muss stark genug sein, um der Ausführung zu vertrauen, aber eng genug, um das zu überprüfende Element nicht zu leaken.
Diese Last ist wichtig für einen Builder, der mit privaten Prompts, Risikowertungen, Agentenanweisungen oder Nutzerdaten umgeht.
Wenn die Verifizierung erfordert, dass der sensible Inhalt offengelegt wird, verliert die App den Grund, warum sie eine geschützte Inferenz benötigte. Wenn die Privatsphäre zu viel verbirgt, wird das Ergebnis schwer zu verteidigen.
Das ist der Druck, auf dem OpenGradient sitzt.
Der Verifier muss „gültig“ sagen, ohne das Geheimnis zu sehen.
#OPG $OPG @OpenGradient $XPL $GLM