Lo primero que noté fue una prueba que existía pero que aún no se había asentado.
Estaba revisando el libro contable después de una llamada de inferencia a través de OpenGradient Chat. La atestación TEE se había generado. El nodo de inferencia la envió a la capa de nodos completos. Pero la prueba todavía no se había registrado on-chain. Estaba en un estado intermedio.
Supuse que era un retraso en la propagación de bloques. Unos segundos, quizá. Eso me pareció razonable.
Eso fue demasiado fácil.
La arquitectura de @OpenGradient separa deliberadamente la inferencia de la verificación. El usuario obtiene una respuesta de inmediato, sin confirmación de bloque en la ruta crítica. Pero la prueba se asienta de forma asíncrona, solo después de que los nodos completos ejecuten el consenso CometBFT y dos tercios de los validadores estén de acuerdo. Esa ronda de consenso tiene su propio cronograma. No sucede instantáneamente. Durante esa ventana, existe el resultado de la inferencia. La prueba, no.
El rendimiento no es calidad de servicio. Esa era la brecha con la que seguía quedándome.
La cadena de dependencias después de la inferencia es su propio sistema. El nodo de inferencia genera la prueba. La prueba se envía a los nodos completos. Los nodos completos entran en la siguiente ronda de consenso. Dos tercios de los validadores deben estar de acuerdo. Solo entonces el libro contable la registra de forma permanente. Para pruebas grandes de ZKML, incluso los propios datos de la prueba viven fuera de la cadena en Walrus: solo una referencia por ID de blob llega al libro.
Lo que no puedo resolver es el tamaño del conjunto de validadores en este momento. CometBFT necesita un acuerdo de dos tercios. No sé cuántos nodos completos están validando activamente en cualquier momento dado.
Si una ronda de consenso se atasca durante un pico de tráfico y el asentamiento de la prueba se acumula, ¿cuántas inferencias no verificadas quedan “flotando” simultáneamente en esa brecha?
#OPG #opg $OPG
¿Cuál es el desafío más grande para la IA en los próximos años?
Estaba revisando el libro contable después de una llamada de inferencia a través de OpenGradient Chat. La atestación TEE se había generado. El nodo de inferencia la envió a la capa de nodos completos. Pero la prueba todavía no se había registrado on-chain. Estaba en un estado intermedio.
Supuse que era un retraso en la propagación de bloques. Unos segundos, quizá. Eso me pareció razonable.
Eso fue demasiado fácil.
La arquitectura de @OpenGradient separa deliberadamente la inferencia de la verificación. El usuario obtiene una respuesta de inmediato, sin confirmación de bloque en la ruta crítica. Pero la prueba se asienta de forma asíncrona, solo después de que los nodos completos ejecuten el consenso CometBFT y dos tercios de los validadores estén de acuerdo. Esa ronda de consenso tiene su propio cronograma. No sucede instantáneamente. Durante esa ventana, existe el resultado de la inferencia. La prueba, no.
El rendimiento no es calidad de servicio. Esa era la brecha con la que seguía quedándome.
La cadena de dependencias después de la inferencia es su propio sistema. El nodo de inferencia genera la prueba. La prueba se envía a los nodos completos. Los nodos completos entran en la siguiente ronda de consenso. Dos tercios de los validadores deben estar de acuerdo. Solo entonces el libro contable la registra de forma permanente. Para pruebas grandes de ZKML, incluso los propios datos de la prueba viven fuera de la cadena en Walrus: solo una referencia por ID de blob llega al libro.
Lo que no puedo resolver es el tamaño del conjunto de validadores en este momento. CometBFT necesita un acuerdo de dos tercios. No sé cuántos nodos completos están validando activamente en cualquier momento dado.
Si una ronda de consenso se atasca durante un pico de tráfico y el asentamiento de la prueba se acumula, ¿cuántas inferencias no verificadas quedan “flotando” simultáneamente en esa brecha?
#OPG #opg $OPG
¿Cuál es el desafío más grande para la IA en los próximos años?
🔒 Verifiable AI outputs
60%
⚡ Faster inference
0%
🧠 Smarter models
40%
🌐
Better decentralization
0%
5 Votos • Votación cerrada