Ajaz Ahmad11
1.7k Publicaciones
Ajaz Ahmad11
Abrir operación
Trader frecuente
2.2 años
158 Siguiendo
1.3K+ Seguidores
323 Me gusta
Publicaciones
Cartera
Todo
Cotizaciones
Directo
Los agentes de IA en DeFi me entusiasman y me ponen nervioso al mismo tiempo, y creo que esa es, en realidad, la reacción correcta.
La parte del entusiasmo es obvia. Programas autónomos que pueden reequilibrar carteras, gestionar posiciones de tesorería, ejecutar votos de gobernanza, gestionar estrategias de rendimiento — todo ello sin que alguien tenga que hacer clic manualmente en confirmar cada vez. Eso es verdaderamente potente y las ganancias de eficiencia son reales.
La parte de los nervios es lo que me quita el sueño. Porque un agente de IA que opera en cadena sin las protecciones adecuadas no solo toma decisiones más rápido que un humano. También puede tomar decisiones potencialmente catastróficas más rápido que un humano. Un agente comprometido, un modelo alucinando, un agente que actúa fuera de lo que realmente autorizó alguien — estos ya no son riesgos hipotéticos. Son el tipo de cosas que drenan una tesorería antes de que nadie se dé cuenta de que algo salió mal.
Esto es específicamente por lo que el enfoque temporal de Newton Protocol me parece importante. La capa de políticas que Newton está construyendo se sitúa entre la intención de un agente y la ejecución real. Antes de que cualquier transacción se confirme, se revisa según reglas que alguien definió deliberadamente — lo que a este agente se le permite hacer, cuánto puede mover, con quién puede hacer transacciones. Si se cruzan esos límites, la transacción no se ejecuta. No se marca para revisión. No se ejecuta.
Con Mainnet Beta en vivo, esa aplicación de normas es real ahora mismo, no algo teórico.
Los agentes de IA pueden ser seguros para DeFi. Pero solo si existe la infraestructura adecuada a su alrededor. @NewtonProtocol $NEWT #Newt
La parte del entusiasmo es obvia. Programas autónomos que pueden reequilibrar carteras, gestionar posiciones de tesorería, ejecutar votos de gobernanza, gestionar estrategias de rendimiento — todo ello sin que alguien tenga que hacer clic manualmente en confirmar cada vez. Eso es verdaderamente potente y las ganancias de eficiencia son reales.
La parte de los nervios es lo que me quita el sueño. Porque un agente de IA que opera en cadena sin las protecciones adecuadas no solo toma decisiones más rápido que un humano. También puede tomar decisiones potencialmente catastróficas más rápido que un humano. Un agente comprometido, un modelo alucinando, un agente que actúa fuera de lo que realmente autorizó alguien — estos ya no son riesgos hipotéticos. Son el tipo de cosas que drenan una tesorería antes de que nadie se dé cuenta de que algo salió mal.
Esto es específicamente por lo que el enfoque temporal de Newton Protocol me parece importante. La capa de políticas que Newton está construyendo se sitúa entre la intención de un agente y la ejecución real. Antes de que cualquier transacción se confirme, se revisa según reglas que alguien definió deliberadamente — lo que a este agente se le permite hacer, cuánto puede mover, con quién puede hacer transacciones. Si se cruzan esos límites, la transacción no se ejecuta. No se marca para revisión. No se ejecuta.
Con Mainnet Beta en vivo, esa aplicación de normas es real ahora mismo, no algo teórico.
Los agentes de IA pueden ser seguros para DeFi. Pero solo si existe la infraestructura adecuada a su alrededor. @NewtonProtocol $NEWT #Newt
Esta pregunta me estuvo dando vueltas en la cabeza durante más tiempo del que me gustaría admitir.
Si quieres hacer compliance onchain — es decir, verificar realmente que una billetera no está sancionada, que el usuario pasó KYC y que una transacción cumple algún requisito regulatorio — necesitas pruebas. Pero las pruebas significan datos. Y los datos en una blockchain pública significan que cualquiera, en cualquier lugar, para siempre, puede leerlos.
Entonces, ¿cómo haces un compliance real sin convertir un libro mayor público en una base de datos de la información personal de todos? En serio, durante un tiempo no tuve una respuesta satisfactoria para esto.
El enfoque de Newton Protocol fue lo primero que encontré que realmente resolvió esto en mi cabeza, en vez de simplemente pasar de largo con explicaciones vagas.
Lo importante es esto: lo que ocurre onchain con Newton nunca son los datos sensibles reales. Ni tu nombre, ni tus documentos, ni tus detalles de KYC. Lo que se escribe en la cadena es un hash criptográfico. Esencialmente, una huella. Esto demuestra que ocurrió una verificación y cuál fue el resultado, pero no te dice absolutamente nada sobre la persona o la información detrás de ello. La evaluación real ocurre offchain a través de la red de operadores de Newton, y el único registro público es la atestación: la prueba de que la verificación se ejecutó correctamente.
Así obtienes verificabilidad total sin exposición total. No porque alguien haya prometido proteger tus datos. Porque la arquitectura hace que la exposición sea estructuralmente imposible.
Esa diferencia importa mucho para mí. Las promesas se pueden incumplir. Las matemáticas no mienten.
Mainnet Beta ya está en vivo. Esto está pasando ahora mismo en tiempo real.
@NewtonProtocol $NEWT #Newt
Si quieres hacer compliance onchain — es decir, verificar realmente que una billetera no está sancionada, que el usuario pasó KYC y que una transacción cumple algún requisito regulatorio — necesitas pruebas. Pero las pruebas significan datos. Y los datos en una blockchain pública significan que cualquiera, en cualquier lugar, para siempre, puede leerlos.
Entonces, ¿cómo haces un compliance real sin convertir un libro mayor público en una base de datos de la información personal de todos? En serio, durante un tiempo no tuve una respuesta satisfactoria para esto.
El enfoque de Newton Protocol fue lo primero que encontré que realmente resolvió esto en mi cabeza, en vez de simplemente pasar de largo con explicaciones vagas.
Lo importante es esto: lo que ocurre onchain con Newton nunca son los datos sensibles reales. Ni tu nombre, ni tus documentos, ni tus detalles de KYC. Lo que se escribe en la cadena es un hash criptográfico. Esencialmente, una huella. Esto demuestra que ocurrió una verificación y cuál fue el resultado, pero no te dice absolutamente nada sobre la persona o la información detrás de ello. La evaluación real ocurre offchain a través de la red de operadores de Newton, y el único registro público es la atestación: la prueba de que la verificación se ejecutó correctamente.
Así obtienes verificabilidad total sin exposición total. No porque alguien haya prometido proteger tus datos. Porque la arquitectura hace que la exposición sea estructuralmente imposible.
Esa diferencia importa mucho para mí. Las promesas se pueden incumplir. Las matemáticas no mienten.
Mainnet Beta ya está en vivo. Esto está pasando ahora mismo en tiempo real.
@NewtonProtocol $NEWT #Newt
Para ser honesto, cuando vi por primera vez palabras como "policies," "intents," "tasks," y "attestations" que se usan en los documentos de Newton Protocol, se me nubló un poco la vista. Suena a jerga corporativa. Pero una vez que en realidad me detuve, di un paso atrás y mapeé lo que hace cada pieza, encajó bastante rápido.
Así es como lo pienso ahora.
Un intent es básicamente lo que estás intentando hacer. Enviar fondos, ejecutar una operación, mover colateral: esa es la intención. Una policy es el libro de reglas que decide si tu intención está permitida. Piensa en límites de gasto, verificaciones de sanciones, filtros contra fraude. Un task es lo que ocurre cuando la red de operadores de Newton toma esa intención y la ejecuta contra la policy. Y una attestation es la prueba criptográfica que la red produce para confirmar que la evaluación se realizó correctamente.
Así que el flujo es: quieres hacer algo, Newton comprueba si está permitido, la red prueba que ejecutó esa verificación y solo entonces la transacción continúa.
Lo que valoro de este diseño es que cada paso deja un rastro verificable. Nadie le cree a nadie “solo porque sí”. La attestation es el recibo.
Con Mainnet Beta ya en funcionamiento, esta arquitectura está corriendo en producción. Ya no es solo un concepto.
@NewtonProtocol $NEWT #Newt
Así es como lo pienso ahora.
Un intent es básicamente lo que estás intentando hacer. Enviar fondos, ejecutar una operación, mover colateral: esa es la intención. Una policy es el libro de reglas que decide si tu intención está permitida. Piensa en límites de gasto, verificaciones de sanciones, filtros contra fraude. Un task es lo que ocurre cuando la red de operadores de Newton toma esa intención y la ejecuta contra la policy. Y una attestation es la prueba criptográfica que la red produce para confirmar que la evaluación se realizó correctamente.
Así que el flujo es: quieres hacer algo, Newton comprueba si está permitido, la red prueba que ejecutó esa verificación y solo entonces la transacción continúa.
Lo que valoro de este diseño es que cada paso deja un rastro verificable. Nadie le cree a nadie “solo porque sí”. La attestation es el recibo.
Con Mainnet Beta ya en funcionamiento, esta arquitectura está corriendo en producción. Ya no es solo un concepto.
@NewtonProtocol $NEWT #Newt
Una pregunta que seguí haciéndome cuando me adentré por primera vez en Newton Protocol fue — de acuerdo, pero ¿quién está realmente haciendo la verificación? Si estás comprobando transacciones con respecto a políticas antes de que se liquiden, tiene que haber algo ejecutando esas comprobaciones. Y eso tiene que ser confiable.
La respuesta es EigenLayer AVS, y cuando entendí cómo funciona, me sentí mucho mejor con todo el modelo.
Aquí va la versión simple. EigenLayer permite que los validadores que ya están asegurando Ethereum pongan ese mismo ETH en staking a trabajar para otras redes. Newton se integra con esto como un Servicio Activamente Validado, lo que significa que su red de operadores está respaldada por re-staking real de Ethereum. Estos operadores evalúan las transacciones contra políticas y, luego, generan atestaciones BLS: pruebas criptográficas que demuestran que la verificación se ejecutó correctamente.
Lo que esto significa en la práctica es que Newton no necesita construir su propio conjunto de validadores desde cero ni pedirte que confíes en algún nuevo mecanismo de consenso que nadie haya oído. Está aprovechando la seguridad más probada en batalla dentro de las criptomonedas. El mismo peso económico que asegura Ethereum es lo que hace que las decisiones de políticas de Newton sean creíbles.
Con Mainnet Beta en funcionamiento y VaultKit disponible para desarrolladores, esta arquitectura ya está funcionando en producción ahora mismo, no solo sobre el papel.
Eso es lo que hace que esto se sienta diferente para mí. @NewtonProtocol $NEWT #Newt
La respuesta es EigenLayer AVS, y cuando entendí cómo funciona, me sentí mucho mejor con todo el modelo.
Aquí va la versión simple. EigenLayer permite que los validadores que ya están asegurando Ethereum pongan ese mismo ETH en staking a trabajar para otras redes. Newton se integra con esto como un Servicio Activamente Validado, lo que significa que su red de operadores está respaldada por re-staking real de Ethereum. Estos operadores evalúan las transacciones contra políticas y, luego, generan atestaciones BLS: pruebas criptográficas que demuestran que la verificación se ejecutó correctamente.
Lo que esto significa en la práctica es que Newton no necesita construir su propio conjunto de validadores desde cero ni pedirte que confíes en algún nuevo mecanismo de consenso que nadie haya oído. Está aprovechando la seguridad más probada en batalla dentro de las criptomonedas. El mismo peso económico que asegura Ethereum es lo que hace que las decisiones de políticas de Newton sean creíbles.
Con Mainnet Beta en funcionamiento y VaultKit disponible para desarrolladores, esta arquitectura ya está funcionando en producción ahora mismo, no solo sobre el papel.
Eso es lo que hace que esto se sienta diferente para mí. @NewtonProtocol $NEWT #Newt
Tuve un reciente “momento de comprensión” que cambió un poco la forma en que pienso sobre los contratos inteligentes.
Hablamos de ellos como si fueran esas piezas de código imparable, omniscientes. Y en algunos sentidos lo son. Pero aquí está lo que nadie comenta de verdad: están completamente ciegos ante cualquier cosa que ocurra fuera de su pequeño mundo. No saben si la billetera que envía fondos está sancionada. No saben si el feed de precios en el que se basan acaba de ser manipulado. No saben si algún agente de IA está tomando una decisión que absolutamente no debería. El contrato no hace preguntas. Solo ejecuta.
Y durante años la “solución” básicamente ha sido poner un filtro en el frontend. Bloquear al actor malintencionado a nivel del sitio web. Ejecutar controles de cumplimiento del lado del exchange. Entiendo por qué eso se volvió lo predeterminado: era lo más fácil de hacer. Pero siempre me dio la sensación de que era como cerrar con llave la puerta principal y dejar la ventana trasera abierta de par en par. Porque si te saltas el frontend y golpeas el contrato directamente —lo cual los bots, los agregadores y los agentes de IA hacen constantemente—, ninguno de esos filtros importa en absoluto.
Honestamente, eso fue lo que me llevó a leer más sobre Newton Protocol. Porque no están parcheando el frontend. Están poniendo la aplicación de las normas dentro de la propia transacción. Las políticas —controles de sanciones, límites de gasto, reglas contra el fraude— se evalúan antes de que se asiente cualquier cosa, y el resultado viene con una prueba criptográfica de que la verificación realmente ocurrió. Nadie te pide que confíes en la palabra de nadie.
La Mainnet Beta se lanzó recientemente. El SDK de VaultKit ya está disponible. Los datos de precios en tiempo real de RedStone ahora están conectados al motor de políticas para que los controles de riesgo funcionen con números precisos y a prueba de manipulación.
Los contratos inteligentes han estado funcionando a ciegas durante años. Parece que alguien por fin hizo algo al respecto.
@NewtonProtocol $NEWT #Newt
Hablamos de ellos como si fueran esas piezas de código imparable, omniscientes. Y en algunos sentidos lo son. Pero aquí está lo que nadie comenta de verdad: están completamente ciegos ante cualquier cosa que ocurra fuera de su pequeño mundo. No saben si la billetera que envía fondos está sancionada. No saben si el feed de precios en el que se basan acaba de ser manipulado. No saben si algún agente de IA está tomando una decisión que absolutamente no debería. El contrato no hace preguntas. Solo ejecuta.
Y durante años la “solución” básicamente ha sido poner un filtro en el frontend. Bloquear al actor malintencionado a nivel del sitio web. Ejecutar controles de cumplimiento del lado del exchange. Entiendo por qué eso se volvió lo predeterminado: era lo más fácil de hacer. Pero siempre me dio la sensación de que era como cerrar con llave la puerta principal y dejar la ventana trasera abierta de par en par. Porque si te saltas el frontend y golpeas el contrato directamente —lo cual los bots, los agregadores y los agentes de IA hacen constantemente—, ninguno de esos filtros importa en absoluto.
Honestamente, eso fue lo que me llevó a leer más sobre Newton Protocol. Porque no están parcheando el frontend. Están poniendo la aplicación de las normas dentro de la propia transacción. Las políticas —controles de sanciones, límites de gasto, reglas contra el fraude— se evalúan antes de que se asiente cualquier cosa, y el resultado viene con una prueba criptográfica de que la verificación realmente ocurrió. Nadie te pide que confíes en la palabra de nadie.
La Mainnet Beta se lanzó recientemente. El SDK de VaultKit ya está disponible. Los datos de precios en tiempo real de RedStone ahora están conectados al motor de políticas para que los controles de riesgo funcionen con números precisos y a prueba de manipulación.
Los contratos inteligentes han estado funcionando a ciegas durante años. Parece que alguien por fin hizo algo al respecto.
@NewtonProtocol $NEWT #Newt
Algo que he notado sobre las empresas de IA en general: todas empiezan como un pequeño laboratorio de confianza. Unas cuantas personas inteligentes construyendo algo impresionante, y confías en ellas porque, bueno, parecen saber lo que hacen. El problema es que esa confianza no se vuelve realmente más merecida a medida que la empresa escala; solo se vuelve más automática. Para cuando un laboratorio es enorme y está bien financiado, la gente confía en él por costumbre más que por algo que haya verificado de verdad.
Al leer @OpenGradient , me da la sensación de que están intentando conscientemente no caer en ese patrón.
Ahora mismo todavía funciona un poco como un laboratorio de confianza. Beta cerrada, un conjunto controlado de nodos, un equipo central que da forma a la arquitectura. Pero hacia donde va es diferente. Publican el software de TEE como open source para que cualquiera pueda ejecutar un nodo, un historial de inferencias en cadena para que la gente pueda comprobar realmente sus propias solicitudes pasadas, y un registro donde la reputación proviene de un historial visible en lugar de confiar solo en la marca.
Creo que ese es el cambio real que están buscando. No "confía menos en nosotros", sino "confía menos porque ya no lo necesitarás". OpenGradient Chat ya funciona así en cierta medida: tu privacidad no es algo que estás esperando que una empresa respete, sino que está incorporada en el cifrado, tanto si confías en ellos como si no.
Muchos proyectos hablan de volverse trustless algún día. Pocos realmente detallan cómo llegan a eso. Esto se siente como uno de los pocos que tiene un plan real, no solo un eslogan.
$OPG #OPG @OpenGradient
Al leer @OpenGradient , me da la sensación de que están intentando conscientemente no caer en ese patrón.
Ahora mismo todavía funciona un poco como un laboratorio de confianza. Beta cerrada, un conjunto controlado de nodos, un equipo central que da forma a la arquitectura. Pero hacia donde va es diferente. Publican el software de TEE como open source para que cualquiera pueda ejecutar un nodo, un historial de inferencias en cadena para que la gente pueda comprobar realmente sus propias solicitudes pasadas, y un registro donde la reputación proviene de un historial visible en lugar de confiar solo en la marca.
Creo que ese es el cambio real que están buscando. No "confía menos en nosotros", sino "confía menos porque ya no lo necesitarás". OpenGradient Chat ya funciona así en cierta medida: tu privacidad no es algo que estás esperando que una empresa respete, sino que está incorporada en el cifrado, tanto si confías en ellos como si no.
Muchos proyectos hablan de volverse trustless algún día. Pocos realmente detallan cómo llegan a eso. Esto se siente como uno de los pocos que tiene un plan real, no solo un eslogan.
$OPG #OPG @OpenGradient
He estado profundizando en Newton Protocol durante los últimos días y, sinceramente, cuanto más leo, más encaja para mí.
Aquí va lo que nadie comenta lo suficiente: los smart contracts básicamente funcionan a ciegas. Ejecutan el código a la perfección, sí, pero no tienen ni idea de si la billetera del otro lado está sancionada, si una fuente de precios fue manipulada o incluso si una transacción tiene sentido desde el punto de vista del riesgo. Hemos estado parcheando esto con filtros en el frontend y verificaciones mediante APIs centralizadas, que honestamente siempre me ha parecido una solución tipo “parche”.
El enfoque de Newton es diferente y eso fue lo que captó mi atención. Está funcionando como una capa de autorización on-chain construida sobre EigenLayer como un AVS, apoyándose en la seguridad de Ethereum para validar lo que ocurre fuera de la cadena, comprobaciones de sanciones, prevención de fraude, gestión de riesgos, todo eso. Y ya no es algo teórico: Mainnet Beta ya está en funcionamiento.
Lo que realmente me llamó la atención es el VaultKit SDK que enviaron con todo esto. Ahora los desarrolladores pueden escribir reglas reales y exigibles — límites de gasto, requisitos de colateral, con quién se te permite comerciar — y hacer que se verifiquen antes de que se asiente cualquier cosa. Luego está la integración con RedStone, donde las fuentes de precios ahora alimentan directamente las comprobaciones de políticas de Newton, así que una regla de colateral ya no depende de datos obsoletos o falsos.
Vuelvo una y otra vez a esta idea de que el cumplimiento no debería vivir en un frontend que cualquiera puede evitar. Debería formar parte de la propia transacción. Esa es la apuesta que está haciendo Newton y me interesa ver cómo sale cuando más protocolos se conecten.
Manteniéndome al tanto desde @NewtonProtocol . $NEWT #Newt @NewtonProtocol
Aquí va lo que nadie comenta lo suficiente: los smart contracts básicamente funcionan a ciegas. Ejecutan el código a la perfección, sí, pero no tienen ni idea de si la billetera del otro lado está sancionada, si una fuente de precios fue manipulada o incluso si una transacción tiene sentido desde el punto de vista del riesgo. Hemos estado parcheando esto con filtros en el frontend y verificaciones mediante APIs centralizadas, que honestamente siempre me ha parecido una solución tipo “parche”.
El enfoque de Newton es diferente y eso fue lo que captó mi atención. Está funcionando como una capa de autorización on-chain construida sobre EigenLayer como un AVS, apoyándose en la seguridad de Ethereum para validar lo que ocurre fuera de la cadena, comprobaciones de sanciones, prevención de fraude, gestión de riesgos, todo eso. Y ya no es algo teórico: Mainnet Beta ya está en funcionamiento.
Lo que realmente me llamó la atención es el VaultKit SDK que enviaron con todo esto. Ahora los desarrolladores pueden escribir reglas reales y exigibles — límites de gasto, requisitos de colateral, con quién se te permite comerciar — y hacer que se verifiquen antes de que se asiente cualquier cosa. Luego está la integración con RedStone, donde las fuentes de precios ahora alimentan directamente las comprobaciones de políticas de Newton, así que una regla de colateral ya no depende de datos obsoletos o falsos.
Vuelvo una y otra vez a esta idea de que el cumplimiento no debería vivir en un frontend que cualquiera puede evitar. Debería formar parte de la propia transacción. Esa es la apuesta que está haciendo Newton y me interesa ver cómo sale cuando más protocolos se conecten.
Manteniéndome al tanto desde @NewtonProtocol . $NEWT #Newt @NewtonProtocol
Hacer código abierto de la infraestructura central es un movimiento genuinamente arriesgado, y no creo que la gente lo reconozca lo suficiente cuando lo celebra.
Cuando @OpenGradient open-sources el software del nodo TEE, cualquiera puede inspeccionarlo, bifurcarlo y ejecutarlo. Ese es el propósito. Pero también significa que los competidores pueden estudiar exactamente cómo funciona, los actores malintencionados pueden sondear sus debilidades y el proyecto pierde el control directo sobre lo que se construye encima. La mayoría de las empresas de este sector mantienen su capa central de ejecución como propietaria precisamente por esos riesgos.
Entonces, ¿por qué hacerlo de todos modos?
La respuesta honesta es que la infraestructura de IA verificable solo funciona si las personas realmente pueden verificarla. Un nodo TEE que no se puede inspeccionar no es sin confianza (trustless); es simplemente otra parte pidiéndote tu confianza. Si OpenGradient quiere que desarrolladores y agentes confíen en esta red para cómputo sensible, la arquitectura tiene que ser auditable de punta a punta. Hacer código abierto el software del nodo es lo que hace que esa afirmación sea real en lugar de teórica.
El lado de las recompensas también es importante. El registro de nodos sin permisos permite que la red crezca sin que OpenGradient tenga que incorporar manualmente a cada operador. Los nodos gestionados por la comunidad aportan resiliencia, distribución geográfica y resistencia a la censura que un conjunto de nodos curado simplemente no puede igualar. Las garantías de privacidad de OpenGradient Chat se vuelven más fuertes a medida que la red subyacente de nodos se vuelve más difícil de capturar o apagar.
La apuesta es, en esencia, esta: la transparencia crea una confianza más duradera que el secreto. No es algo que sea evidente en todas las industrias, pero para la infraestructura que pide que las personas enruten consultas sensibles de IA a través de ella, creo que tienen razón.
$OPG #OPG @OpenGradient
Cuando @OpenGradient open-sources el software del nodo TEE, cualquiera puede inspeccionarlo, bifurcarlo y ejecutarlo. Ese es el propósito. Pero también significa que los competidores pueden estudiar exactamente cómo funciona, los actores malintencionados pueden sondear sus debilidades y el proyecto pierde el control directo sobre lo que se construye encima. La mayoría de las empresas de este sector mantienen su capa central de ejecución como propietaria precisamente por esos riesgos.
Entonces, ¿por qué hacerlo de todos modos?
La respuesta honesta es que la infraestructura de IA verificable solo funciona si las personas realmente pueden verificarla. Un nodo TEE que no se puede inspeccionar no es sin confianza (trustless); es simplemente otra parte pidiéndote tu confianza. Si OpenGradient quiere que desarrolladores y agentes confíen en esta red para cómputo sensible, la arquitectura tiene que ser auditable de punta a punta. Hacer código abierto el software del nodo es lo que hace que esa afirmación sea real en lugar de teórica.
El lado de las recompensas también es importante. El registro de nodos sin permisos permite que la red crezca sin que OpenGradient tenga que incorporar manualmente a cada operador. Los nodos gestionados por la comunidad aportan resiliencia, distribución geográfica y resistencia a la censura que un conjunto de nodos curado simplemente no puede igualar. Las garantías de privacidad de OpenGradient Chat se vuelven más fuertes a medida que la red subyacente de nodos se vuelve más difícil de capturar o apagar.
La apuesta es, en esencia, esta: la transparencia crea una confianza más duradera que el secreto. No es algo que sea evidente en todas las industrias, pero para la infraestructura que pide que las personas enruten consultas sensibles de IA a través de ella, creo que tienen razón.
$OPG #OPG @OpenGradient
Sinceramente, antes me quedaba en blanco cada vez que alguien mencionaba el token nativo de un proyecto. Por lo general, solo significa “compra esto para especular”, con alguna utilidad añadida por encima para que suene legítimo. Así que también dudé de OPG hasta que en realidad seguí el rastro de lo que pasa durante una solicitud real de inferencia en @OpenGradient
Esto fue lo que cambió mi opinión.
Cuando un desarrollador hace una llamada a un LLM a través del SDK, su billetera paga en OPG automáticamente. No mediante un panel, no a través de una factura mensual: simplemente el token liquida la transacción en el mismo momento en que ocurre la solicitud. Eso es x402 haciendo su trabajo y es un modelo genuinamente distinto a cómo funciona normalmente la facturación de IA. El token no es decorativo: es literalmente el mecanismo que hace posible el pago por inferencia sin que una persona apruebe nada.
Lo que encontré más interesante, sin embargo, fueron los modos de liquidación. Puedes mantener todo fuera de la cadena para máxima privacidad, o permitir que las pruebas agregadas se registren on-chain si quieres transparencia. Esa elección solo es posible porque la capa económica es programable a través del propio token.
Para agentes autónomos de IA esto importa mucho. Un agente que gestiona su propio presupuesto de cómputo, hace llamadas de inferencia, liquida pagos, todo ello sin intervención humana: eso solo funciona si la capa de pagos habla el mismo idioma que la red. $OPG es ese idioma.
La mayoría de los tokens financian una visión. Este está corriendo dentro de infraestructura en vivo ahora mismo.
$OPG #OPG @OpenGradient
Esto fue lo que cambió mi opinión.
Cuando un desarrollador hace una llamada a un LLM a través del SDK, su billetera paga en OPG automáticamente. No mediante un panel, no a través de una factura mensual: simplemente el token liquida la transacción en el mismo momento en que ocurre la solicitud. Eso es x402 haciendo su trabajo y es un modelo genuinamente distinto a cómo funciona normalmente la facturación de IA. El token no es decorativo: es literalmente el mecanismo que hace posible el pago por inferencia sin que una persona apruebe nada.
Lo que encontré más interesante, sin embargo, fueron los modos de liquidación. Puedes mantener todo fuera de la cadena para máxima privacidad, o permitir que las pruebas agregadas se registren on-chain si quieres transparencia. Esa elección solo es posible porque la capa económica es programable a través del propio token.
Para agentes autónomos de IA esto importa mucho. Un agente que gestiona su propio presupuesto de cómputo, hace llamadas de inferencia, liquida pagos, todo ello sin intervención humana: eso solo funciona si la capa de pagos habla el mismo idioma que la red. $OPG es ese idioma.
La mayoría de los tokens financian una visión. Este está corriendo dentro de infraestructura en vivo ahora mismo.
$OPG #OPG @OpenGradient
Durante mucho tiempo, trabajar con múltiples modelos de IA significó mantener múltiples integraciones. Una clave de OpenAI aquí, una configuración de Anthropic allá, un flujo de trabajo separado para Google. Cada proveedor tiene su propio SDK, su propia autenticación, sus propias particularidades. Se vuelve un caos rápido y te ata a quien configuraste primero.
Lo que @OpenGradient hace con su SDK de Python es realmente práctico: una única API que enruta entre modelos de OpenAI, Anthropic y Google con streaming en tiempo real y modos de liquidación configurables. Haces la llamada una vez y eliges el modelo, en lugar de reconstruir tu pila cada vez que quieras probar algo diferente.
Pero la parte que lo separa de otras herramientas tipo agregador es lo que ocurre por debajo. Las solicitudes no solo se reenvían a quien sea más barato. Se enrutan a través de nodos TEE verificados, lo que significa que cada inferencia incluye una prueba criptográfica de ejecución, independientemente de qué proveedor la haya gestionado. La liquidación ocurre automáticamente mediante x402 usando $OPG , así que el pago está integrado en el flujo de la solicitud en vez de administrarse por separado mediante facturas o paneles de facturación de la API.
Esto también se conecta directamente con lo que OpenGradient Chat ofrece en el lado del consumidor. El mismo acceso a múltiples modelos, ChatGPT, Claude, Gemini y alternativas sin censura, todo respaldado por una capa de privacidad que cifra antes de que cualquier dato salga de tu dispositivo. El acceso unificado no es solo una comodidad para desarrolladores: es la misma arquitectura orientada a usuarios cotidianos que quieren respuestas sin adjuntar su identidad a la pregunta.
Un solo SDK, todos los modelos principales, cada solicitud verificada. Ese es un cambio significativo en la forma en que funciona el acceso a la IA hoy.
$OPG #OPG @OpenGradient
Lo que @OpenGradient hace con su SDK de Python es realmente práctico: una única API que enruta entre modelos de OpenAI, Anthropic y Google con streaming en tiempo real y modos de liquidación configurables. Haces la llamada una vez y eliges el modelo, en lugar de reconstruir tu pila cada vez que quieras probar algo diferente.
Pero la parte que lo separa de otras herramientas tipo agregador es lo que ocurre por debajo. Las solicitudes no solo se reenvían a quien sea más barato. Se enrutan a través de nodos TEE verificados, lo que significa que cada inferencia incluye una prueba criptográfica de ejecución, independientemente de qué proveedor la haya gestionado. La liquidación ocurre automáticamente mediante x402 usando $OPG , así que el pago está integrado en el flujo de la solicitud en vez de administrarse por separado mediante facturas o paneles de facturación de la API.
Esto también se conecta directamente con lo que OpenGradient Chat ofrece en el lado del consumidor. El mismo acceso a múltiples modelos, ChatGPT, Claude, Gemini y alternativas sin censura, todo respaldado por una capa de privacidad que cifra antes de que cualquier dato salga de tu dispositivo. El acceso unificado no es solo una comodidad para desarrolladores: es la misma arquitectura orientada a usuarios cotidianos que quieren respuestas sin adjuntar su identidad a la pregunta.
Un solo SDK, todos los modelos principales, cada solicitud verificada. Ese es un cambio significativo en la forma en que funciona el acceso a la IA hoy.
$OPG #OPG @OpenGradient
Algo a lo que vuelvo una y otra vez al pensar en la infraestructura de IA es cuánto control tiene una sola plataforma sobre qué modelos existen, quién puede acceder a ellos y qué se elimina sin explicación. Hugging Face es increíble en muchos sentidos, pero sigue siendo un guardián centralizado. Un cambio de política, una presión legal, una decisión empresarial y los modelos desaparecen.
El Model Hub de @OpenGradient se construye sobre un planteamiento completamente distinto.
Es un registro descentralizado donde cualquiera puede subir, versionar y gestionar modelos de IA de forma permissionless. No hay un proceso de aprobación, ni una autoridad central decidiendo qué está permitido. La capa de almacenamiento corre sobre Walrus, un socio de almacenamiento descentralizado, así que los modelos no están alojados en servidores que controla una sola empresa. El acceso funciona tanto a través de una interfaz web en hub.opengradient.ai como mediante integración directa con SDK, lo que significa que los desarrolladores pueden incorporar modelos en sus flujos de trabajo sin pasar por ningún intermediario.
Lo que hace que esto sea más que una simple solución de almacenamiento es cómo se conecta con el resto de la red. Los modelos alojados en el Hub pueden ejecutar inferencias mediante nodos TEE verificados, así que no solo estás almacenando un modelo de forma descentralizada: lo estás ejecutando con garantías criptográficas sobre cómo se realizó. Esa combinación—alojamiento resistente a la censura más ejecución verificable—es algo que los registros centralizados no pueden ofrecer estructuralmente.
Para la IA de código abierto, en particular, esto importa muchísimo. Los modelos que tocan áreas de investigación sensibles o que operan fuera de las narrativas dominantes necesitan una infraestructura que no pueda eliminarlos en silencio. OpenGradient Chat funciona sobre esta misma base: modelos a los que se accede a través de un sistema donde la privacidad y la verificabilidad están integradas, no añadidas a posteriori.
$OPG #OPG @OpenGradient
El Model Hub de @OpenGradient se construye sobre un planteamiento completamente distinto.
Es un registro descentralizado donde cualquiera puede subir, versionar y gestionar modelos de IA de forma permissionless. No hay un proceso de aprobación, ni una autoridad central decidiendo qué está permitido. La capa de almacenamiento corre sobre Walrus, un socio de almacenamiento descentralizado, así que los modelos no están alojados en servidores que controla una sola empresa. El acceso funciona tanto a través de una interfaz web en hub.opengradient.ai como mediante integración directa con SDK, lo que significa que los desarrolladores pueden incorporar modelos en sus flujos de trabajo sin pasar por ningún intermediario.
Lo que hace que esto sea más que una simple solución de almacenamiento es cómo se conecta con el resto de la red. Los modelos alojados en el Hub pueden ejecutar inferencias mediante nodos TEE verificados, así que no solo estás almacenando un modelo de forma descentralizada: lo estás ejecutando con garantías criptográficas sobre cómo se realizó. Esa combinación—alojamiento resistente a la censura más ejecución verificable—es algo que los registros centralizados no pueden ofrecer estructuralmente.
Para la IA de código abierto, en particular, esto importa muchísimo. Los modelos que tocan áreas de investigación sensibles o que operan fuera de las narrativas dominantes necesitan una infraestructura que no pueda eliminarlos en silencio. OpenGradient Chat funciona sobre esta misma base: modelos a los que se accede a través de un sistema donde la privacidad y la verificabilidad están integradas, no añadidas a posteriori.
$OPG #OPG @OpenGradient
Antes asumía que "cifrado" significaba que mis datos estaban a salvo en algún servidor. Tardé un tiempo en darme cuenta de que la mayoría de las plataformas de IA cifran los datos en tránsito, pero los descifran en el momento en que llegan a sus servidores. En ese punto, tu prompt simplemente está ahí, en texto plano, legible para la plataforma, registrado, potencialmente vinculado a tu cuenta, y a un solo fallo de seguridad de quedar expuesto.
@OpenGradient Chat hace algo que es realmente diferente, y vale la pena entender por qué importa.
El cifrado ocurre en tu dispositivo antes de que el prompt salga de tu navegador. Las claves que realizan el cifrado tampoco salen de tu dispositivo. Así que, para cuando tu mensaje viaja a través de internet, ya es texto cifrado. Nadie que lo intercepte en tránsito puede leerlo. Pero, más importante aún, ni siquiera los propios servidores de OpenGradient ven tu prompt en texto plano.
A partir de ahí, se enruta a través de un relay HTTP “oblivious” que separa tu dirección IP del contenido de tu mensaje. El relay sabe quién eres, pero no lo que pediste. La pasarela (gateway) de destino ve lo que pediste, pero no quién eres. Ningún punto único de la cadena tiene ambas piezas.
Finalmente, se procesa dentro de un TEE donde el descifrado ocurre únicamente en cómputo aislado por hardware. La propia plataforma no puede leer lo que se ejecuta dentro de él.
La mayoría de las personas no se da cuenta de lo raro que es esta arquitectura. Casi cualquier otro producto de IA descifra tus datos al llegar y te pide que confíes en su política de privacidad. OpenGradient Chat hace que la confianza sea innecesaria por diseño.
$OPG #OPG @OpenGradient
@OpenGradient Chat hace algo que es realmente diferente, y vale la pena entender por qué importa.
El cifrado ocurre en tu dispositivo antes de que el prompt salga de tu navegador. Las claves que realizan el cifrado tampoco salen de tu dispositivo. Así que, para cuando tu mensaje viaja a través de internet, ya es texto cifrado. Nadie que lo intercepte en tránsito puede leerlo. Pero, más importante aún, ni siquiera los propios servidores de OpenGradient ven tu prompt en texto plano.
A partir de ahí, se enruta a través de un relay HTTP “oblivious” que separa tu dirección IP del contenido de tu mensaje. El relay sabe quién eres, pero no lo que pediste. La pasarela (gateway) de destino ve lo que pediste, pero no quién eres. Ningún punto único de la cadena tiene ambas piezas.
Finalmente, se procesa dentro de un TEE donde el descifrado ocurre únicamente en cómputo aislado por hardware. La propia plataforma no puede leer lo que se ejecuta dentro de él.
La mayoría de las personas no se da cuenta de lo raro que es esta arquitectura. Casi cualquier otro producto de IA descifra tus datos al llegar y te pide que confíes en su política de privacidad. OpenGradient Chat hace que la confianza sea innecesaria por diseño.
$OPG #OPG @OpenGradient
Una cosa que he notado sobre OpenGradient es que la hoja de ruta no es solo una lista de características. Se lee más como una secuencia deliberada, cada paso desbloqueando el siguiente, y eso merece la pena prestarle atención.
Dónde están las cosas ahora mismo: @OpenGradient tiene un SDK de Python funcionando, inferencia LLM en vivo a través de nodos TEE verificados, liquidación de pagos x402, y OpenGradient Chat ya funcionando con privacidad reforzada por hardware para usuarios cotidianos. Eso no es una promesa de libro blanco. Es infraestructura en funcionamiento.
Lo que viene a continuación es donde se pone interesante. Hacer open-source el software del nodo TEE significa que cualquiera puede registrar un nodo sin permisos, no solo los operadores aprobados. El historial de inferencia en cadena significa que los usuarios podrán navegar y auditar sus propias solicitudes pasadas. Un registro de nodos ampliado con métricas de rendimiento y señales de reputación significa que la red comienza a desarrollar una verdadera responsabilidad en la capa de infraestructura.
Cada uno de esos parece incremental en papel, pero en realidad son cambios estructurales. Pasar de un conjunto de nodos gestionados a uno sin permisos cambia quién controla la red. Pasar de inferencia privada a un historial en cadena navegable cambia cómo se ve la responsabilidad para las salidas de IA. Estas no son características, son transiciones en cómo se distribuyen el poder y la confianza en el sistema.
La mayoría de los proyectos de infraestructura de IA comienzan abiertos y se centralizan lentamente a medida que escalan. OpenGradient parece estar haciendo ese libro de jugadas al revés, comenzando controlado, demostrando que la arquitectura funciona, y luego abriéndolo capa por capa.
Ese es un camino más lento pero probablemente uno más honesto.
$OPG #OPG @OpenGradient
Dónde están las cosas ahora mismo: @OpenGradient tiene un SDK de Python funcionando, inferencia LLM en vivo a través de nodos TEE verificados, liquidación de pagos x402, y OpenGradient Chat ya funcionando con privacidad reforzada por hardware para usuarios cotidianos. Eso no es una promesa de libro blanco. Es infraestructura en funcionamiento.
Lo que viene a continuación es donde se pone interesante. Hacer open-source el software del nodo TEE significa que cualquiera puede registrar un nodo sin permisos, no solo los operadores aprobados. El historial de inferencia en cadena significa que los usuarios podrán navegar y auditar sus propias solicitudes pasadas. Un registro de nodos ampliado con métricas de rendimiento y señales de reputación significa que la red comienza a desarrollar una verdadera responsabilidad en la capa de infraestructura.
Cada uno de esos parece incremental en papel, pero en realidad son cambios estructurales. Pasar de un conjunto de nodos gestionados a uno sin permisos cambia quién controla la red. Pasar de inferencia privada a un historial en cadena navegable cambia cómo se ve la responsabilidad para las salidas de IA. Estas no son características, son transiciones en cómo se distribuyen el poder y la confianza en el sistema.
La mayoría de los proyectos de infraestructura de IA comienzan abiertos y se centralizan lentamente a medida que escalan. OpenGradient parece estar haciendo ese libro de jugadas al revés, comenzando controlado, demostrando que la arquitectura funciona, y luego abriéndolo capa por capa.
Ese es un camino más lento pero probablemente uno más honesto.
$OPG #OPG @OpenGradient
"Sin confianza" se escucha mucho en el mundo cripto y, para ser honesto, ha perdido su significado para mí en algún momento. Pero al profundizar en cómo @OpenGradient realmente funciona, obtuve una imagen más clara de lo que la palabra debería significar cuando se usa correctamente.
Sin confianza no significa que no confíes en nadie. Significa que no tienes que confiar en la palabra de ninguna sola parte porque el sistema mismo produce pruebas verificables. Esa es una diferencia significativa.
En la arquitectura de OpenGradient, esto se manifiesta en cada capa. Cuando haces una solicitud de inferencia, el SDK extrae un nodo de un registro en cadena, no de una lista curada que alguien mantiene manualmente. El cálculo se realiza dentro de un TEE donde el hardware impone aislamiento, así que el operador del nodo no puede manipularlo, incluso si quisiera. La salida viene con una atestación criptográfica que prueba que el modelo correcto funcionó correctamente. El pago se liquida automáticamente a través de x402. Ninguna empresa en medio garantizando nada de esto.
OpenGradient Chat es el ejemplo cotidiano más claro de esto. Tus prompts se encriptan en el dispositivo, se envían a través de un relay que separa tu identidad de tu contenido, y se procesan dentro de TEEs atestados. La garantía de privacidad no proviene de una política de privacidad. Proviene de matemáticas y hardware.
La mayoría de los productos de IA hoy en día te están pidiendo que extiendas tu confianza a las instituciones. OpenGradient está construyendo algo donde la confianza es reemplazada por prueba. Eso es lo que realmente debería significar sin confianza, y es algo más difícil de construir de lo que la mayoría de la gente se da cuenta.
$OPG #OPG @OpenGradient
Sin confianza no significa que no confíes en nadie. Significa que no tienes que confiar en la palabra de ninguna sola parte porque el sistema mismo produce pruebas verificables. Esa es una diferencia significativa.
En la arquitectura de OpenGradient, esto se manifiesta en cada capa. Cuando haces una solicitud de inferencia, el SDK extrae un nodo de un registro en cadena, no de una lista curada que alguien mantiene manualmente. El cálculo se realiza dentro de un TEE donde el hardware impone aislamiento, así que el operador del nodo no puede manipularlo, incluso si quisiera. La salida viene con una atestación criptográfica que prueba que el modelo correcto funcionó correctamente. El pago se liquida automáticamente a través de x402. Ninguna empresa en medio garantizando nada de esto.
OpenGradient Chat es el ejemplo cotidiano más claro de esto. Tus prompts se encriptan en el dispositivo, se envían a través de un relay que separa tu identidad de tu contenido, y se procesan dentro de TEEs atestados. La garantía de privacidad no proviene de una política de privacidad. Proviene de matemáticas y hardware.
La mayoría de los productos de IA hoy en día te están pidiendo que extiendas tu confianza a las instituciones. OpenGradient está construyendo algo donde la confianza es reemplazada por prueba. Eso es lo que realmente debería significar sin confianza, y es algo más difícil de construir de lo que la mayoría de la gente se da cuenta.
$OPG #OPG @OpenGradient
Algo que no aprecié completamente hasta recientemente es cuánto confianza depositamos en nodos de IA que nunca vemos. Cuando envías una solicitud a cualquier servicio de IA, estás asumiendo que el nodo que la manejó ejecutó el modelo correcto, devolvió una salida honesta y no manipuló nada en el camino. La mayoría de las plataformas te dan cero visibilidad sobre si realmente ocurrió algo de eso.
@OpenGradient aborda esto de manera diferente, y el mecanismo vale la pena entenderlo.
Cada inferencia en OpenGradient se ejecuta dentro de un TEE, un entorno de ejecución confiable, a nivel de nodo. El TEE crea un espacio de computación sellado donde el modelo se ejecuta en aislamiento impuesto por hardware. El operador del nodo no puede alterar lo que se ejecuta dentro de él ni leer el prompt que se está procesando. Una vez que la computación se completa, el TEE genera una atestación remota, una firma criptográfica que prueba que un código específico se ejecutó en un hardware específico sin interferencia.
Esa atestación es lo que se ancla en la cadena. Así que en lugar de confiar en la reputación de un nodo o en la promesa de una compañía, la red tiene pruebas reales de que la inferencia se ejecutó de manera limpia.
Esto también es por lo que OpenGradient Chat puede reclamar de manera creíble privacidad a nivel arquitectónico en lugar de a nivel de políticas. Los prompts se procesan dentro de TEEs atestadas, lo que significa que la garantía no está escrita en un documento de términos de servicio, se aplica por hardware.
Cuando se abra el registro de nodos sin permisos, esta misma resistencia a la manipulación se escalará a través de cada nodo en la red. Eso no es algo pequeño.
$OPG #OPG @OpenGradient
@OpenGradient aborda esto de manera diferente, y el mecanismo vale la pena entenderlo.
Cada inferencia en OpenGradient se ejecuta dentro de un TEE, un entorno de ejecución confiable, a nivel de nodo. El TEE crea un espacio de computación sellado donde el modelo se ejecuta en aislamiento impuesto por hardware. El operador del nodo no puede alterar lo que se ejecuta dentro de él ni leer el prompt que se está procesando. Una vez que la computación se completa, el TEE genera una atestación remota, una firma criptográfica que prueba que un código específico se ejecutó en un hardware específico sin interferencia.
Esa atestación es lo que se ancla en la cadena. Así que en lugar de confiar en la reputación de un nodo o en la promesa de una compañía, la red tiene pruebas reales de que la inferencia se ejecutó de manera limpia.
Esto también es por lo que OpenGradient Chat puede reclamar de manera creíble privacidad a nivel arquitectónico en lugar de a nivel de políticas. Los prompts se procesan dentro de TEEs atestadas, lo que significa que la garantía no está escrita en un documento de términos de servicio, se aplica por hardware.
Cuando se abra el registro de nodos sin permisos, esta misma resistencia a la manipulación se escalará a través de cada nodo en la red. Eso no es algo pequeño.
$OPG #OPG @OpenGradient
Inicia sesión para explorar más contenidos