Anuu_

Before I started digging into @NewtonProtocol (NEWT), I assumed it was just another project trying to ride the AI narrative. After spending some time reading through what the team has actually shipped, my view changed a bit.

What caught my attention was the recent mainnet beta rollout, with enforcement beginning on Base and Ethereum. Instead of focusing on flashy demos, the team seems to be building the infrastructure that AI-powered applications need if they're going to handle real assets responsibly. They've also shared that curated DeFi vault TVL has grown by more than 350% over the past year, suggesting there's growing demand for stronger on-chain controls.

Most projects talk about AI automation, but the difference here is practical. Newton is designed to verify whether a transaction meets predefined rules before it happens. Think of spending limits, identity checks, or compliance policies that are enforced automatically rather than relying on trust after the fact.

That's actually pretty interesting because recent releases like VaultKit, along with integrations such as Persona and Human Passport, show the team is expanding the tools around secure AI-driven finance instead of simply marketing another AI token.

I'm not trying to predict where NEWT goes from here, and I'm only following its Binance listing as a market reference. Whether adoption follows is still an open question, but at least the project seems focused on shipping products instead of just selling a narrative.

#Newt $NEWT @NewtonProtocol

Ich habe mir etwas Zeit genommen, um das Newton Protocol (NEWT) zu lesen, und kam zu dem Eindruck, dass es KI-Infrastruktur aus einem anderen Blickwinkel angeht als die meisten Krypto-Projekte.

Anstatt Nutzer zu bitten, alles an eine KI abzugeben, baut Newton ein sicheres Rollup, in dem KI-Agenten vordefinierte On-Chain-Aktionen ausführen können, während sie gleichzeitig transparent und überprüfbar bleiben. Dadurch lässt sich die Idee viel leichter verstehen: Wiederkehrende Blockchain-Aufgaben automatisieren, ohne die Kontrolle abzugeben.

Eine Entwicklung, auf die ich es wert fand, achten zu können, war sein Launch bei Binance über das HODLer-Airdrops-Programm, gefolgt von der Eröffnung des Spot-Handels. Für ein junges Infrastrukturprojekt kann solche Sichtbarkeit die Teilnahme und Liquidität deutlich erweitern.

Die meisten Projekte versprechen KI-gestützte Automatisierung, aber die eigentliche Frage ist, ob Nutzer darauf vertrauen können, was diese Systeme tun. Der Unterschied liegt hier in der Ausrichtung darauf, dass KI-Aktivitäten nachprüfbar (auditable) gemacht werden, statt sie wie eine Blackbox zu behandeln.

Mit einem maximalen Angebot von 1 Milliarde NEWT, derzeit rund 288 Millionen im Umlauf, und mehreren Millionen Dollar an täglichem Handelsvolumen zeigt der Markt zumindest, dass er aufmerksam ist.

Ich beobachte das Ganze immer noch von der Seitenlinie aus, aber Newton Protocol fühlt sich wie eines dieser Projekte an, bei denen eine verlässliche Umsetzung am Ende vielleicht wichtiger ist als kurzfristiger Hype.

$NEWT @NewtonProtocol #Newt

$TLM $M

#defi
#MORPHORisesOver12% #OilPriceFalls
#CircleRemovedFromRussellGrowthIndexes

Ich habe mir Newton Protocol (NEWT) in den letzten Tagen angesehen, und ich komme immer wieder auf denselben Gedanken zurück: Das fühlt sich eher nach Infrastruktur an als nach einer weiteren KI-Erzählung.

Aufgefallen ist mir vor allem der Zeitpunkt einiger neuer Entwicklungen. Binance hat NEWT über sein HODLer-Airdrops-Programm eingeführt, noch bevor das Token gelistet wurde, während das Team weiter an einem sicheren Rollup arbeitet, das für KI-gestützte Automatisierung entwickelt wurde – plus an einem Marktplatz, auf dem Entwickler KI-Agenten bereitstellen können.

Die meisten Projekte sprechen über KI, als würde es schon reichen, das Wort zu erwähnen. Der Unterschied hier ist, dass Newton offenbar darauf abzielt, KI für alltägliche On-Chain-Aktivitäten nützlich zu machen. Anstatt immer wieder durch dieselben Transaktionen zu klicken, ist die Idee, dass KI vordefinierte Aufgaben innerhalb klarer Grenzen übernimmt, die die Nutzer kontrollieren.

Das ist tatsächlich ziemlich interessant, denn der Wert liegt nicht wirklich in den Buzzwords – sondern darin, ob Automatisierung Zeit sparen kann, ohne dabei Transparenz oder Sicherheit zu opfern.

Das Token startete mit einer Gesamtmenge von 1 Milliarde NEWT, wobei zunächst rund 215 Millionen im Umlauf waren, während 12,5 Millionen NEWT über Binances HODLer-Airdrops verteilt wurden.

Ich schaue noch aus der Seitenlinie zu. Ich bin mir nicht sicher, wie der Markt den Preis im Zeitverlauf bewertet, aber das Team wirkt eher darauf fokussiert, aufzubauen, statt Schlagzeilen hinterherzulaufen.

$NEWT
#Newt @NewtonProtocol #newt

Ich habe mich in den letzten Tagen intensiv mit dem Newton Protocol (NEWT) beschäftigt, vor allem weil „AI Agents, die dein Krypto verwalten“ zu diesen Pitches gehört, die toll klingen, bis man fragt, wie es eigentlich unter der Haube funktioniert.

Hier die einfache Version: Du gibst dein Geld nicht irgendeinem undurchsichtigen Trading-Bot, sondern setzt enge Regeln – zum Beispiel „Rebalancing, wenn die Volatilität stark ansteigt“ – und ein KI-Agent führt die Aktionen innerhalb dieser Grenzen aus. Die Handlungen werden kryptografisch verifiziert, bevor sie durchgeführt werden, mit Zero-Knowledge-Proofs und Trusted Execution Environments. Du vertraust also nicht einfach einer Blackbox: Das System selbst prüft, dass der Agent innerhalb seiner Berechtigungen geblieben ist.

Was mich besonders interessiert hat, ist, dass der Fahrplan eher nach Infrastrukturarbeit klingt als nach Hype. Sie bauen ein Multichain-Keystore-Rollup speziell für Berechtigungen und einen Onchain-Marktplatz, auf dem Entwickler Agentenstrategien veröffentlichen und monetarisieren können. Operatoren müssen NEWT staken, um dort überhaupt einen Dienst anbieten zu können – das verknüpft die Nutzung zumindest mit dem Token, statt dass er einfach nur spekulativ herumtreibt.

Das ist tatsächlich ziemlich spannend, denn die meisten „AI x Krypto“-Projekte bleiben bei der Agenten-Schicht stehen und überspringen das Verifizierungsproblem komplett. Newton scheint darauf zu setzen, dass nicht die Intelligenz, sondern das Vertrauen der eigentliche Engpass für Onchain-Automatisierung ist.

Bei den Zahlen: NEWT hat ein festes Angebot von 1 Milliarde, davon sind derzeit etwas mehr als die Hälfte im Umlauf. Token-Unlocks laufen noch in einem allmählichen Tempo an, daher ist ein möglicher Angebotsüberhang etwas, worauf man achten sollte, wenn man die Preisbewegung beobachtet. Für alle, die damit handeln: Binance bleibt der liquideste Handelsplatz für das NEWT-Paar.

Ob der Marktplatz tatsächlich Entwickler-Zugkraft bekommt, sobald er live ist, ist der eigentliche Test. Ich bin mir nicht sicher, wie der Markt ihn langfristig bepreisen wird, aber die Grundlagen sind zumindest greifbarer als bei den meisten Projekten in dieser Kategorie.

#Newt @NewtonProtocol $NEWT

Die letzten Tage habe ich in @OpenGradient gegraben, und am Ende blieb ich mit mehr Fragen zurück als erwartet—was meistens ein gutes Zeichen ist.

Was mir aufgefallen ist: Das Team versucht nicht, durch den Bau eines weiteren Chatbots mitzuhalten. Sie arbeiten an der Infrastruktur hinter KI und machen es möglich, KI-Modelle in einem dezentralen Netzwerk auszuführen und zu verifizieren—statt sich auf einen einzelnen Anbieter zu verlassen.

Das ist tatsächlich ziemlich interessant, weil alle über „dezentrale KI“ sprechen, aber nur sehr wenige erklären, warum das wichtig ist. Wenn KI für wichtige Entscheidungen eingesetzt werden soll, könnte es genauso wertvoll sein, verifizieren zu können, wo eine Antwort herkommt, wie die Antwort selbst.

Nach dem, was ich gesehen habe, verbessert OpenGradient sein Netzwerk kontinuierlich, erweitert die Entwickler-Tools und treibt die Inferenz-Infrastruktur voran, statt Schlagzeilen hinterherzulaufen. Der Unterschied liegt hier in der Fokussierung: Es wird etwas gebaut, das Entwickler wirklich nutzen können, statt auf Hype zu setzen.

Ich sage nicht, dass garantiert daraus ein großer Akteur wird. Es gibt noch viel zu beweisen—vor allem, was die Akzeptanz angeht. Aber es wirkt wie eines dieser Projekte, das im Stillen wächst, während alle anderen um Aufmerksamkeit konkurrieren.

Noch früh, aber es scheint, als würde hier gerade etwas Gestalt annehmen.

$OPG @OpenGradient #OPG

Ich schaue @OpenGradient an, weil es ein Problem berührt, das sich größer anfühlt als KI selbst. Alle reden über smartere Modelle, aber nur sehr wenige stellen die Frage, wer tatsächlich im Hintergrund überprüft, was diese Modelle tun.

Die Idee klingt auf dem Papier einfach. Bau ein Netzwerk, in dem KI-Modelle laufen, verifiziert werden können und offen bleiben, statt sich auf nur ein Unternehmen zu verlassen. Die eigentliche Herausforderung beginnt jedoch erst, wenn diese Idee auf echte Nutzer, echten Traffic und echte Erwartungen trifft.

An dieser Stelle klafft die Lücke meist auseinander. Ein System kann bei Ankündigungen stark wirken, aber sich unter Druck sehr anders verhalten. Vertrauen entsteht nicht allein durch Design – es wächst aus gleichbleibender Leistung im Laufe der Zeit.

Was @OpenGradient interessant macht, ist nicht das Versprechen der Dezentralisierung, sondern ob es still und leise beweisen kann, dass die zusätzlichen Schichten den Aufwand der zusätzlichen Komplexität wert sind. Wenn das gelingt, wird die Technologie lauter sprechen als jede Erzählung es jemals könnte.

#OPG $OPG @OpenGradient #opg

Die letzten Tage habe ich damit verbracht, mich in ein @OpenGradient Rabbit Hole hinunterzuwühlen, und anders als die meisten „KI trifft Krypto“-Projekte versucht dieses hier tatsächlich, etwas Konkretes zu lösen: Wie kann man dem Output einer KI vertrauen, wenn man nicht sehen kann, was im Modell passiert ist?

Ihre Antwort: Inferenz auf einem Netzwerk aus GPU- und TEE-Knoten ausführen und dann an jedes Ergebnis einen kryptografischen Nachweis anhängen. Statt einfach nur dem Wort einer KI zu glauben, können es alle nachgelagerten Nutzer genau prüfen: welches Modell gelaufen ist, welche Eingaben es bekommen hat und ob die Ausgabe manipuliert wurde. Es will nicht seine eigene Blockchain sein – stell es dir eher als Backend vor, in das andere Apps und Agents einsteigen, wenn sie KI-Arbeit machen müssen und dafür einen verifizierbaren Beleg brauchen.

Was meine Aufmerksamkeit geweckt hat, war die Finanzierungsrunde: insgesamt 9,5 Mio. US-Dollar, mit a16z crypto und Coinbase Ventures mit an Bord, plus Angels wie Balaji Srinivasan und Sandeep Nailwal. Das ist schon eine recht ernstzunehmende Aufstellung für ein Projekt, von dem die meisten Leute noch nie gehört haben.

Ihr Model Hub ist nebenbei über 2.000 gehostete Modelle gewachsen – das ist eher Hugging Face als typisches Krypto-Vaporware. Außerdem haben sie die Handelsverfügbarkeit auf Binance erhalten, auch wenn das eher ein Thema für den Zugang ist als für die Substanz.

Das ist tatsächlich ziemlich interessant, weil der echte Test nicht die Listung ist – sondern ob Mainnet aus OPG etwas macht, das Menschen wirklich brauchen und wofür sie Gebühren bezahlen wollen, nicht nur, um damit zu traden.

Ob das in echte Adoption übersetzt, bleibt abzuwarten, aber immerhin liefern sie etwas aus, das eine klare These hinter sich hat.

#OPG $OPG @OpenGradient

Ich habe mich in letzter Zeit mit OpenGradient beschäftigt, und anfangs dachte ich, es sei nur ein weiteres Projekt, das versucht, KI und Krypto zu kombinieren. Nachdem ich etwas Zeit damit verbracht habe, mir anzuschauen, woran sie arbeiten, habe ich jedoch gemerkt, dass die Idee etwas greifbarer ist, als ich erwartet hatte.

Was meine Aufmerksamkeit geweckt hat, ist die Tatsache, dass sie sich nicht nur darauf konzentrieren, KI-Modelle auszuführen, sondern auch darauf, nachzuweisen, woher eine KI-Antwort tatsächlich stammt. Da KI immer häufiger wird, wirkt das wie ein Problem, das früher oder später viele Menschen beschäftigen wird.

In den vergangenen Monaten haben sie OpenGradient Chat gestartet, um überprüfbare KI-Inferenz zu demonstrieren, und außerdem eine Finanzierungsrunde über 9,5 Mio. $ angekündigt, um das Netzwerk weiter auszubauen. Die meisten Projekte sprechen darüber, KI zu dezentralisieren, aber OpenGradient scheint eher daran interessiert zu sein, KI-Ausgaben verifizierbar zu machen – statt sie lediglich schneller zu machen.

So wie ich es verstehe: GPU-Knoten übernehmen die Hauptarbeit, indem sie die Modelle ausführen, während andere Knoten die Ergebnisse verifizieren, statt die gesamte Arbeit noch einmal zu wiederholen. Das macht den gesamten Prozess effizienter, ohne dabei auf Transparenz zu verzichten.

Ich beobachte weiterhin, ob Entwickler tatsächlich darauf aufbauen, denn das ist letztlich das, was zählt. Aber es ist erfrischend zu sehen, dass ein Team sich auf die Lösung eines realen Infrastrukturproblems konzentriert, statt dem neuesten KI-Narrativ hinterherzulaufen.

Noch ganz am Anfang, aber irgendetwas scheint sich hier bereits zu formen.

$OPG #OPG @OpenGradient

Ich habe in letzter Zeit @OpenGradient genauer unter die Lupe genommen, hauptsächlich weil ich immer wieder den Ausdruck „verifizierbare KI“ gelesen habe und gemerkt habe, dass nur sehr wenige Menschen erklären, was das eigentlich bedeutet.

Je mehr ich gelesen habe, desto mehr ist mir klar geworden: Sie bauen keinen weiteren KI-Chatbot. Sie bauen die Infrastruktur hinter KI – mit dem Fokus darauf, nachzuweisen, dass ein Modell tatsächlich das Ergebnis hervorgebracht hat, das man sich ansieht. In einer Welt, in der KI immer stärker Teil von allem wird, fühlt sich das wie ein Problem an, das es wert ist, gelöst zu werden.

Was meine Aufmerksamkeit geweckt hat, ist das Tempo, mit dem sie vorankommen. Kürzlich haben sie eine Finanzierungsrunde über 9,5 Mio. USD angekündigt, mehr als 2 Millionen verifizierte KI-Inferenzen verarbeitet, über 2.000 KI-Modelle unterstützt und auf mehr als 2 Millionen Nutzer angewachsen. Zahlen allein erzählen nicht die ganze Geschichte, aber sie zeigen, dass das Netzwerk nicht stillsteht.

Das ist tatsächlich ziemlich interessant, weil die meisten Projekte viel Zeit damit verbringen, über die Zukunft zu sprechen. OpenGradient wirkt stattdessen stärker darauf ausgerichtet, Tools zu bauen, die Entwickler heute nutzen können – wie seinen Model Hub und die Verifizierungsinfrastruktur.

Der Unterschied liegt hier darin, dass der Wert nicht darin besteht, eine „intelligentere“ KI zu erzeugen – sondern darin, KI-Ausgaben leichter vertrauenswürdig zu machen. Das klingt vielleicht nicht besonders spektakulär, könnte aber mit der Zeit immer wichtiger werden, wenn KI ihren Weg in mehr reale Anwendungen findet.

Noch früh, aber es scheint sich hier etwas zu formen.

#OPG @OpenGradient $OPG
$MAGMA $ICNT

Ich habe die letzten Tage damit verbracht, in @OpenGradient einzutauchen – größtenteils, weil ich es leid bin, dass Projekte „verifizierbare KI“ auf eine Präsentationsfolie kleben, ohne zu erklären, was das eigentlich bedeutet. Diese hier hat mich zumindest kurz aufhorchen lassen.

Hier die einfache Version dessen, was sie machen: Wenn du ein KI-Modell nach etwas fragst, vertraust du normalerweise einfach dem, was zurückkommt. Du kannst nicht überprüfen, ob das Modell tatsächlich so gelaufen ist, wie es behauptet, oder ob jemand die Ausgabe unterwegs verändert hat. OpenGradient versucht, das zu lösen, indem es an jede einzelne KI-Antwort eine Art digitalen Beleg anhängt – als Nachweis, welches Modell genau lief, was du ihm gegeben hast und was dabei herauskam. Du musst also nicht einfach jemandem glauben.

Was zuerst meine Aufmerksamkeit geweckt hat, war die Finanzierung. Sie haben insgesamt 9,5 Millionen US-Dollar eingesammelt – mit a16z crypto und Coinbase Ventures als Unterstützer – das ist in diesem Bereich kein kleines Signal. Aber Finanzierung allein bedeutet nichts, wenn niemand das Ding auch tatsächlich nutzt.

Das ist dann auch ziemlich interessant, weil die Nutzungszahlen ebenfalls nicht „nichts“ sind: Bislang wurden über 2 Millionen verifizierbare Inferenzläufe durchgeführt, mit 500.000+ generierten Beweisen über mehr als 2.000 gehostete Modelle hinweg. Das OPG-Token hat sein TGE bereits im April 2026 gestartet, und Binance hat es früh aufgegriffen – dadurch hatte es von Anfang an echte Liquidität.

Die meisten Projekte reden über „Ökosystem-Wachstum“, ohne Belege vorzulegen. Hier haben über 100 Entwickler Modelle beigesteuert, und das Netzwerk scheint auf sechs verschiedene Arten Einnahmen zu generieren – zumindest deutet das darauf hin, dass Leute tatsächlich bauen, und nicht nur spekulieren.

Ob sich das in eine nachhaltige Nutzung übersetzt, bleibt abzuwarten, aber immerhin liefern sie auch wirklich.

#OPG @OpenGradient $OPG

Habe die letzten Tage damit verbracht, mich in OpenGradient einzugraben, hauptsächlich weil "verifiable AI" ständig ohne viel Substanz herumgeworfen wird.

Die Grundidee ist eigentlich ziemlich einfach, wenn man den Jargon weglässt: Jedes Mal, wenn ein KI-Modell in ihrem Netzwerk läuft, kommt es mit einer Art Quittung — ein Nachweis, welches Modell lief, welche Eingabe es erhielt und was es ausgegeben hat. Man muss niemandes Wort dafür nehmen.

Was meine Aufmerksamkeit erregte, war die Finanzierung. Sie haben 9,5 Millionen Dollar eingesammelt, unterstützt von a16z crypto und Coinbase Ventures, was nach Krypto-Standards nicht riesig ist, aber es ist ein bedeutendes Vertrauensvotum in einem Bereich, der momentan größtenteils aus Lärm besteht.

Der Token wurde im April 2026 auf Binance gelauncht, und die Adoptionszahlen seitdem sind nicht nichts — über 2 Millionen verifizierbare Inferenzverarbeitungen, mehr als 2.000 KI-Modelle, die auf ihrem Model Hub gehostet werden, und über 500.000 kryptografische Nachweise generiert. Das ist tatsächlich ziemlich interessant, denn die meisten "KI x Krypto"-Projekte zeigen dir ein Roadmap-PDF, nicht Nutzungsdaten.

Die meisten Projekte sprechen davon, KI zu dezentralisieren. Der Unterschied hier ist, dass sie etwas gebaut haben, das näher an einem erlaubnisfreien Hugging Face ist, wo jeder ein Modell hochladen und es sofort im Netzwerk abfragen kann.

Dennoch fühlt sich ein Teil der aktuellen Aktivität eher an, als wäre er an die Binance-Listung gebunden, anstatt an organische Nachfrage. Mainnet und echte Gebührennutzung stehen noch bevor.

Es ist noch früh, aber hier scheint sich etwas zu formen.

#OPG @OpenGradient $OPG

$HEI $SAHARA

Ich habe die letzten Tage damit verbracht, @OpenGradient zu durchleuchten, und ich denke, dass es einen Teil des AI-Stacks angeht, über den die meisten Leute nicht viel nachdenken.

Alle reden davon, größere Modelle zu bauen oder Zugang zu mehr Rechenleistung zu bekommen. Sehr wenige Projekte konzentrieren sich auf Verifizierung.

Was meine Aufmerksamkeit erregt hat, ist die Idee von OpenGradient, KI-Ausgaben beweisbar zu machen, anstatt sie einfach zu vertrauen. Einfach ausgedrückt, anstatt eine KI-Antwort für bare Münze zu nehmen, ist das Netzwerk so gestaltet, dass Nutzer verifizieren können, dass ein Modell tatsächlich das Ergebnis produziert hat, das es behauptet zu haben.

Das ist eigentlich ziemlich interessant, denn KI wird zunehmend in Bereichen eingesetzt, in denen Vertrauen genauso wichtig ist wie Leistung.

In den letzten Monaten hat das Projekt eine Finanzierungsrunde von 9,5 Millionen Dollar angekündigt, geleitet von a16z crypto, und einige erste Netzwerkwachstumszahlen geteilt. Laut dem Team hat OpenGradient bereits mehr als 2 Millionen verifizierbare KI-Inferenzen verarbeitet, über 500.000 Beweise generiert und unterstützt über 2.000 Modelle durch sein Ökosystem. $DEXE $ESPORTS

Die meisten Projekte reden darüber, KI zu dezentralisieren, aber die Details bleiben oft bei Infrastruktur-Buzzwords stehen. Der Unterschied hier ist, dass OpenGradient anscheinend darauf fokussiert ist, KI-Ausgaben prüfbar zu machen, was zunehmend wichtig werden könnte, da autonome Agenten und KI-gestützte Anwendungen mehr Entscheidungen in der realen Welt treffen.

Es ist noch früh, und es gibt viele Ausführungsherausforderungen, die vor uns liegen. Ich bin mir nicht sicher, wie der Markt das langfristig bewertet, aber die Grundlagen werden schwieriger zu ignorieren.

#OPG $OPG @OpenGradient #opg

Ich habe mich in letzter Zeit mit OpenGradient beschäftigt, und es taucht immer wieder auf, wenn das Gespräch auf eines der größten ungelösten Probleme der KI kommt: Vertrauen.

Die heutige KI-Infrastruktur ist unglaublich leistungsstark, aber auch weitgehend undurchsichtig. Du sendest eine Anfrage, erhältst ein Ergebnis und hast wenig Einblick in das, was hinter den Kulissen passiert ist. OpenGradient verfolgt einen anderen Ansatz, indem sie eine Infrastruktur aufbaut, in der KI-Modelle betrieben und durch kryptografische Beweise verifiziert werden können.

Was meine Aufmerksamkeit erregte, war, dass das Team sich auf ein echtes Infrastrukturproblem konzentriert, anstatt einfach KI-Branding an ein Blockchain-Projekt anzuhängen.

In den letzten Monaten hat OpenGradient sein Netzwerk weiter ausgebaut, OpenGradient Chat gestartet und sich intensiver mit verifizierbarer KI-Inferenz beschäftigt. Das Projekt gab auch eine Finanzierungsrunde von 9,5 Millionen Dollar bekannt, die von a16z crypto geleitet wurde und ihm zusätzliche Ressourcen gibt, um das Netzwerk und das Entwickler-Ökosystem auszubauen.

Das ist tatsächlich ziemlich interessant, denn die meisten Projekte reden davon, KI zu dezentralisieren, aber viel weniger arbeiten daran, KI-Ausgaben unabhängig verifizierbar zu machen.

Die Zahlen deuten darauf hin, dass es bereits bedeutende Aktivitäten gibt. @OpenGradient berichtet von mehr als 2 Millionen Nutzern, über 2 Millionen verifizierten KI-Inferenzen, mehr als 500.000 generierten Beweisen und einem wachsenden Katalog von Tausenden von Modellen, die im Netzwerk verfügbar sind.

Der Unterschied hier ist, dass die Verifizierung nicht als Funktion behandelt wird. Sie wird Teil der Infrastruktur selbst.

Es ist noch früh, aber hier scheint sich etwas zu formen.

#OPG $OPG @OpenGradient

Ich habe mich in letzter Zeit mit @OpenGradient beschäftigt, und es fühlt sich an, als wäre es einer der interessanteren Versuche, ein Problem zu lösen, das in der KI immer wieder auftaucht: Wie kann man KI-Modelle betreiben und verifizieren, ohne sich auf eine Handvoll zentralisierter Anbieter zu verlassen?

Was meine Aufmerksamkeit erregte, war der Fokus des Projekts auf eine dezentrale KI-Infrastruktur anstelle einer weiteren tokenbasierten Erzählung im AI-Bereich. Die Idee ist relativ einfach: Entwickler können Modelle über ein verteiltes Netzwerk bereitstellen, Inferenzanfragen ausführen und Ausgaben transparent verifizieren.

In den letzten Monaten hat OpenGradient weiterhin seine Netzwerk-Infrastruktur ausgebaut, die Möglichkeiten zur Bereitstellung von Modellen verbessert und weiter in die verifiable AI-Ausführung investiert. Das Team konzentriert sich auch darauf, die Inferenzkapazität zu skalieren und die Werkzeuge zu stärken, die Entwicklern zur Verfügung stehen, um KI-Anwendungen auf dem Netzwerk aufzubauen.

Das ist tatsächlich ziemlich interessant, weil die meisten Projekte über Dezentralisierung sprechen, aber KI-Arbeitslasten sind notorisch schwer effizient zu verteilen. Der Unterschied hier ist, dass OpenGradient versucht, dezentrale KI für echte Anwendungen nutzbar zu machen, anstatt die Verifizierung als nachträglichen Gedanken zu behandeln.

Ich beobachte, wie sich die Adoption von hier aus entwickelt. Infrastrukturprojekte erzeugen selten über Nacht Aufregung, aber sie sind oft wichtiger als erwartet, wenn Entwickler tatsächlich anfangen, darauf aufzubauen.

Es ist noch früh, aber es scheint sich hier etwas zu formen. Ob es in eine sinnvolle Adoption umschlägt, bleibt abzuwarten, aber zumindest liefern sie ab.

$OPG #OPG @OpenGradient
$BULLA $UB

Habe die letzten paar Tage damit verbracht, mich in OpenGradient einzugraben, und es ist ein interessanteres Setup, als ich erwartet hatte. Die Kernidee ist einfach: Statt dass KI-Modelle auf den Servern eines einzelnen Unternehmens laufen, versucht OpenGradient, diese Arbeit über ein dezentrales Netzwerk zu verteilen, wo jeder hosten, ausführen oder die Ergebnisse der Modelle überprüfen kann.

Ein paar Dinge sind mir aufgefallen. Sie treiben ihre Modell-Inferenzschicht voran, die Entwicklern erlaubt, KI-Vorhersagen direkt in Smart Contracts einzubauen. Außerdem haben sie Tools herausgebracht, die es einfacher machen, dass KI-Agenten mit On-Chain-Daten interagieren, und es gab Gespräche über eine erweiterte Validatoren-Teilnahme zur Überprüfung der Modellergebnisse.

Was meine Aufmerksamkeit erregte, war der Verifizierungsaspekt. Die meisten Projekte sprechen über "dezentralisierte KI", aber tatsächlich zu beweisen, dass ein Modell korrekt lief, ohne das Ganze neu auszuführen, ist ein schwierigeres Problem. Das ist eigentlich ziemlich interessant, da es generell Vertrauen in automatisierte Systeme betrifft, nicht nur in Krypto.

OPG wird auf Binance gehandelt, was ihm zumindest echte Liquidität und Sichtbarkeit verleiht, die die meisten Infrastruktur-Token zu Beginn nicht bekommen.

Es ist noch früh, aber hier scheint sich etwas zu formen. Ob das Netzwerk tatsächlich über Spekulation hinaus echte Nutzung erfährt, ist die offene Frage.

#OPG @OpenGradient $OPG

$ALICE $BEL

OpenGradient: Wenn die Nutzungszahlen nach dem Token-Launch auftauchen, nicht davor

Ich habe mich in letzter Zeit mit @OpenGradient beschäftigt, hauptsächlich weil "KI-Infrastruktur auf einer Blockchain" einer dieser Pitchs ist, der in einer Präsentation großartig klingt, aber selten echte Nutzung zeigt, wenn man nachprüft.

Ein paar Dinge haben mich tatsächlich aufmerksam gemacht. Sie haben eine Finanzierung von 9,5 Millionen Dollar abgeschlossen, geleitet von a16z crypto, mit Coinbase Ventures und Foresight Ventures ebenfalls im Boot. Keine massive Runde, aber die Namen, die dahinterstehen, sind auch keine Zufallsbekanntschaften.

Der OPG-Token wurde am 21. April über das TGE von Binance Wallet in Partnerschaft mit PancakeSwap gelauncht. Ein ganz normaler Launch. Was meine Aufmerksamkeit erregte, war, was danach passierte: Bis Mai hatte das Netzwerk über 3,2 Millionen überprüfbare Inferenzprozesse verarbeitet, wobei etwa 1,2 Millionen davon nach dem Live-Gang des Tokens kamen. Die Nutzung stieg nach dem Launch, nicht nur davor, was das Gegenteil von dem ist, was normalerweise passiert. $OPG

Der Model Hub ist der einfachste Teil, um ihn einer nicht-technischen Person zu erklären. Es ist im Grunde ein Marktplatz, auf dem Entwickler KI-Modelle auflisten, und jeder kann bezahlen, um sie auszuführen, mit kryptografischem Nachweis, dass die Ausgabe nicht gefälscht oder verändert wurde. Diese Auflistungsanzahl stieg von etwa 2.000 Modellen auf über 4.500 in ein paar Monaten, mit Beiträgen von über 100 verschiedenen Entwicklern. $BASED

Das ist tatsächlich ziemlich interessant, denn die meisten "verifizierbaren KI"-Projekte schaffen es kaum über das Testnetz, geschweige denn, externe Entwickler anzuziehen, die darauf aufbauen. $VELVET

Ich bin mir nicht sicher, wie der Markt das letztendlich bewertet, aber die Nutzungszahlen sind schwerer abzutun als die meisten Infrastruktur-Narrative, die ich so sehe. #opg

#OPG