Binance Square
Zōya-佐娅
2.7k Publicaciones

Zōya-佐娅

HODL • Learn • Repeat Quietly building the future. Patience is the strategy. Trading less. Learning more. Trust the process, not the hype
Abrir operación
Trader frecuente
29 días
434 Siguiendo
291 Seguidores
2.0K+ Me gusta
Publicaciones
Cartera
PINNED
·
--
Ver traducción
@NewtonProtocol : Most tools in crypto tell you what already happend. Newton tells you what was alowed to happen, before it happens at all. Every transaction intent gets checked against an active policy first, the engine evaluates sanctions, identity, risk, and compliance rules in real time, and only then does a signed pass or fail attestation get returned onchain for anyone to see. Other platforms report after the fact, once funds already moved and the damage is done. Newton enforces before settlement, which is the actual gap in onchain finance right now. Controls exist at the interface level today but get bypassed the moment someone interacts with a contract directly, a fresh wallet, a VPN, none of it stops raw execution. Newton closes that gap by putting the check where it cannot be skiped, backed by a decentralised operator network rather than a single company holding the keys to approval. @NewtonProtocol $NEWT #Newt {future}(NEWTUSDT)
@NewtonProtocol :
Most tools in crypto tell you what already happend. Newton tells you what was alowed to happen, before it happens at all.

Every transaction intent gets checked against an active policy first, the engine evaluates sanctions, identity, risk, and compliance rules in real time, and only then does a signed pass or fail attestation get returned onchain for anyone to see.

Other platforms report after the fact, once funds already moved and the damage is done. Newton enforces before settlement, which is the actual gap in onchain finance right now.

Controls exist at the interface level today but get bypassed the moment someone interacts with a contract directly, a fresh wallet, a VPN, none of it stops raw execution.

Newton closes that gap by putting the check where it cannot be skiped, backed by a decentralised operator network rather than a single company holding the keys to approval.

@NewtonProtocol $NEWT #Newt
PINNED
Artículo
Ver traducción
What Newton Protocol Actually Is: The Authorization Layer Explained@NewtonProtocol : Onchain finance has a missing piece. Every traditional financal system seperates two things, settlement and authorization. A card network checks a payment before a bank settles it. A clearinghouse validates a trade before an exchange executes it. Blockchains never had this seperation. Transactions just execute, with no check happening before the money moves at all. NWET adds that missing layer. It sits between the application layer and the settlement layer, evaluating every transaction intent against a set of programable rules before it touches the chain. Think of it less like a blockchain and more like the authorisation step that happens behind a card swipe, except built for onchain rails from the ground up. @NewtonProtocol Here is the core idea. An application submits a transaction intent, like a transfer or a trade, to Newton's Gateway. A decentralised network of operators independently evaluate that intent against a policy, written in a language called Rego. If the policy passes, operators sign the result and produce a verifyable attestation, a cryptographic proof that the check happened and what the outcome was. That attestation gets attached to the transaction, and a smart contract can require it before excuting anything at all. This matters because what existed before was either centralised and opaque, trusted companies making decisions behind closed APIs, or it was absent entirely, raw execution with zero policy enforcement. Neither model works for institutions moving real money, and neither satisfys regulators who increasingly want proof that controls were actualy applied, not just logs saying monitoring happened after the fact occured. @NewtonProtocol is not trying to replace wallets or become a new chain. It does not custody funds. Applications keep full control of their policy logic, and Newton just provides the infrastructure that lets those rules get enforced in a way anyone can independently verify, using an operator network secured through EigenLayer restaking mechanisms. The architecture matters too. Operators are not a single company. They are independently staked, geografically spread, and economically accountable, meaning incorrect or malicious responses can be challenged and the responsible party loses staked capital instantly. This is what makes Newton credibly neutral rather than just another centralised vendor wearing a decentralised label on top. A regulated bank and a permissionless protocol can both build on the same rails, using totally diferent policy sets, without either side being forced into the other's assumptions about trust or control. The result is a layer that finally gives onchain transactions what payment networks have had for decades, a check that happens before the money moves, not after it already settled. @NewtonProtocol $NEWT #Newt {future}(NEWTUSDT)

What Newton Protocol Actually Is: The Authorization Layer Explained

@NewtonProtocol :
Onchain finance has a missing piece. Every traditional financal system seperates two things, settlement and authorization. A card network checks a payment before a bank settles it. A clearinghouse validates a trade before an exchange executes it. Blockchains never had this seperation. Transactions just execute, with no check happening before the money moves at all.
NWET adds that missing layer. It sits between the application layer and the settlement layer, evaluating every transaction intent against a set of programable rules before it touches the chain. Think of it less like a blockchain and more like the authorisation step that happens behind a card swipe, except built for onchain rails from the ground up.
@NewtonProtocol
Here is the core idea. An application submits a transaction intent, like a transfer or a trade, to Newton's Gateway. A decentralised network of operators independently evaluate that intent against a policy, written in a language called Rego. If the policy passes, operators sign the result and produce a verifyable attestation, a cryptographic proof that the check happened and what the outcome was. That attestation gets attached to the transaction, and a smart contract can require it before excuting anything at all.
This matters because what existed before was either centralised and opaque, trusted companies making decisions behind closed APIs, or it was absent entirely, raw execution with zero policy enforcement. Neither model works for institutions moving real money, and neither satisfys regulators who increasingly want proof that controls were actualy applied, not just logs saying monitoring happened after the fact occured.
@NewtonProtocol
is not trying to replace wallets or become a new chain. It does not custody funds. Applications keep full control of their policy logic, and Newton just provides the infrastructure that lets those rules get enforced in a way anyone can independently verify, using an operator network secured through EigenLayer restaking mechanisms.
The architecture matters too. Operators are not a single company. They are independently staked, geografically spread, and economically accountable, meaning incorrect or malicious responses can be challenged and the responsible party loses staked capital instantly. This is what makes Newton credibly neutral rather than just another centralised vendor wearing a decentralised label on top.
A regulated bank and a permissionless protocol can both build on the same rails, using totally diferent policy sets, without either side being forced into the other's assumptions about trust or control. The result is a layer that finally gives onchain transactions what payment networks have had for decades, a check that happens before the money moves, not after it already settled.
@NewtonProtocol $NEWT #Newt
·
--
Alcista
Ver traducción
@NewtonProtocol : Think about how a card payment works. When you swipe your card the bank doesnt wait three days to check if the transaction was okay. It checks in that moment, before anything moves at all. That is the whole point of how payment networks were designed to work. The check and the payment are not the same step and they were never meant to be the same thing....... Onchain finance never had this separation. Transactions just ran. Money moved. Checks happend afterward if they happened at all. That is the gap @NewtonProtocol is fixing by putting the check exactly where it belongs, before settlement and not after it already occured. Every transaction gets reviewed against an active policy first. If it passses, a signed proof gets attached and the smart contract can verify it before running anything. If it dosnt pass, nothing moves. This is the authorisation layer onchain finance was always missing. $NEWT #Newt @NewtonProtocol {future}(NEWTUSDT)
@NewtonProtocol :
Think about how a card payment works. When you swipe your card the bank doesnt wait three days to check if the transaction was okay.

It checks in that moment, before anything moves at all. That is the whole point of how payment networks were designed to work. The check and the payment are not the same step and they were never meant to be the same thing.......

Onchain finance never had this separation.

Transactions just ran. Money moved. Checks happend afterward if they happened at all. That is the gap @NewtonProtocol is fixing by putting the check exactly where it belongs, before settlement and not after it already occured.

Every transaction gets reviewed against an active policy first. If it passses, a signed proof gets attached and the smart contract can verify it before running anything. If it dosnt pass, nothing moves. This is the authorisation layer onchain finance was always missing.

$NEWT #Newt @NewtonProtocol
Con verificación
Artículo
POR QUÉ LAS FINANZAS ONCHAIN TIENEN UN VACÍO DE CUMPLIMIENTO Y CÓMO NEWTON LO LLENA las finanzas onchain avanzaron rápido. De verdad rápido. Pero en algún punto del camino se saltó un paso que cualquier sistema financiero normal ya había resuelto hace mucho tiempo. Los bancos no solo dejan que el dinero se mueva y luego revisan si estuvo bien después. Revisan primero. Las redes de tarjetas también revisan primero. La decisión de permitir una transacción y el movimiento real del dinero son dos cosas separadas en cualquier sistema tradicional. Las blockchains simplemente nunca tuvieron esa separación. Enviás una transacción, se ejecuta y el dinero se mueve. Eso es todo. No hay nada en medio y nadie lo cuestionó durante años.

POR QUÉ LAS FINANZAS ONCHAIN TIENEN UN VACÍO DE CUMPLIMIENTO Y CÓMO NEWTON LO LLENA

las finanzas onchain avanzaron rápido. De verdad rápido. Pero en algún punto del camino se saltó un paso que cualquier sistema financiero normal ya había resuelto hace mucho tiempo. Los bancos no solo dejan que el dinero se mueva y luego revisan si estuvo bien después. Revisan primero. Las redes de tarjetas también revisan primero. La decisión de permitir una transacción y el movimiento real del dinero son dos cosas separadas en cualquier sistema tradicional. Las blockchains simplemente nunca tuvieron esa separación. Enviás una transacción, se ejecuta y el dinero se mueve. Eso es todo. No hay nada en medio y nadie lo cuestionó durante años.
Antes pensaba que un hub de modelos más grande automáticamente significaba uno mejor. Esa creencia se mantuvo hasta que empecé a investigar de verdad lo que @OpenGradient estaba construyendo y me di cuenta de que tenía todo al revés. Esto es lo que me cambió la forma de pensar: Tener mil modelos en un hub no significa nada si la mitad de ellos básicamente hacen lo mismo con otra etiqueta puesta encima. Eso no es diversidad. Es desorden con disfraz. Los desarrolladores que buscan en un galimatías así no encuentran más opciones. Están abriéndose paso entre ruido, fingiendo que eso es elección. Y eso ralentiza a la gente más de lo que lo harían, en todo caso, tener demasiados pocos modelos. Pero también me pillé a mí mismo casi yendo demasiado al otro extremo. Porque el problema contrario es igual de real. Si cada carga se dispersa, mal nombrada, y no se puede comparar con nada más, entonces solo encontrar lo que necesitas se convierte en un trabajo aparte. Terminas pagando un “impuesto” en tiempo y frustración antes incluso de poder usar algo. Esta es la parte de la que nadie habla con @OpenGradient . Hay una tensión real y silenciosa debajo de todo el Model Hub. Necesitas suficiente variedad para que la cosa no se vuelva estancada. Y aquí es donde creo que OPG entra en escena de una forma de la que la mayoría de la gente no está hablando. La demanda de tokens no debería solo perseguir a quien sube más. Debería recompensar a los modelos que aportan algo genuinamente nuevo a la mesa. Mejor especialización. Mejor reutilización. Menos peso muerto dando vueltas sin hacer nada útil. El hub más grande no es automáticamente el mejor. El mejor es el hub donde cada diferencia real entre modelos signifique algo a nivel económico. Esa es la razón por la que dejé de pensarlo como un problema de conteo. @OpenGradient y OPG necesitan perseguir algo más profundo que la cantidad de modelos. Necesitan densidad de inteligencia. Porque un hub puede estar repleto y aun así sentirse completamente vacío si nada de eso está enseñándole a la red algo que ya no supiera. $OPG @OpenGradient #OPG {future}(OPGUSDT) ¿Qué debería recompensar más el @OpenGradient Model Hub a medida que crece la demanda de OPG?
Antes pensaba que un hub de modelos más grande automáticamente significaba uno mejor.

Esa creencia se mantuvo hasta que empecé a investigar de verdad lo que @OpenGradient estaba construyendo y me di cuenta de que tenía todo al revés.

Esto es lo que me cambió la forma de pensar: Tener mil modelos en un hub no significa nada si la mitad de ellos básicamente hacen lo mismo con otra etiqueta puesta encima. Eso no es diversidad. Es desorden con disfraz. Los desarrolladores que buscan en un galimatías así no encuentran más opciones. Están abriéndose paso entre ruido, fingiendo que eso es elección. Y eso ralentiza a la gente más de lo que lo harían, en todo caso, tener demasiados pocos modelos.

Pero también me pillé a mí mismo casi yendo demasiado al otro extremo. Porque el problema contrario es igual de real. Si cada carga se dispersa, mal nombrada, y no se puede comparar con nada más, entonces solo encontrar lo que necesitas se convierte en un trabajo aparte. Terminas pagando un “impuesto” en tiempo y frustración antes incluso de poder usar algo.

Esta es la parte de la que nadie habla con @OpenGradient . Hay una tensión real y silenciosa debajo de todo el Model Hub. Necesitas suficiente variedad para que la cosa no se vuelva estancada.

Y aquí es donde creo que OPG entra en escena de una forma de la que la mayoría de la gente no está hablando. La demanda de tokens no debería solo perseguir a quien sube más. Debería recompensar a los modelos que aportan algo genuinamente nuevo a la mesa. Mejor especialización. Mejor reutilización. Menos peso muerto dando vueltas sin hacer nada útil.

El hub más grande no es automáticamente el mejor. El mejor es el hub donde cada diferencia real entre modelos signifique algo a nivel económico.

Esa es la razón por la que dejé de pensarlo como un problema de conteo. @OpenGradient y OPG necesitan perseguir algo más profundo que la cantidad de modelos. Necesitan densidad de inteligencia. Porque un hub puede estar repleto y aun así sentirse completamente vacío si nada de eso está enseñándole a la red algo que ya no supiera.

$OPG @OpenGradient #OPG
¿Qué debería recompensar más el @OpenGradient Model Hub a medida que crece la demanda de OPG?
new capability
easy reuse
10 hora(s) restante(s)
·
--
Alcista
👀 MANTA/USDT está en un punto de decisión clave. 📈 Predicción (Próxima 1 hora): Ligeramente alcista si el soporte sigue manteniéndose. 🔹 Los compradores defendiendo los niveles actuales podrían provocar un rebote de alivio del 1–3%. 🔹 Una ruptura con fuerte volumen reforzaría el caso alcista. 🔹 Si el soporte falla, espera que los vendedores recuperen el control y empujen el precio más abajo. Esto no se trata de adivinar la próxima vela: se trata de esperar la confirmación y dejar que el mercado revele su dirección. La paciencia > FOMO. Un trader disciplinado sobrevive más tiempo que uno impulsivo. #MANTA #MANTAUSDT #crypto $MANTA {future}(MANTAUSDT) ¿Cuál es tu pronóstico sobre $MANTA para la próxima hora? 🟢 Alcista o 🔴 Bajista
👀 MANTA/USDT está en un punto de decisión clave.

📈 Predicción (Próxima 1 hora): Ligeramente alcista si el soporte sigue manteniéndose.

🔹 Los compradores defendiendo los niveles actuales podrían provocar un rebote de alivio del 1–3%.
🔹 Una ruptura con fuerte volumen reforzaría el caso alcista.
🔹 Si el soporte falla, espera que los vendedores recuperen el control y empujen el precio más abajo.

Esto no se trata de adivinar la próxima vela: se trata de esperar la confirmación y dejar que el mercado revele su dirección.
La paciencia > FOMO. Un trader disciplinado sobrevive más tiempo que uno impulsivo.

#MANTA #MANTAUSDT #crypto

$MANTA
¿Cuál es tu pronóstico sobre $MANTA para la próxima hora?
🟢 Alcista o 🔴 Bajista
Precio actual: $60,395.40 (+1.25%) #BTC se mantiene por encima del nivel psicológico de $60,000, lo cual es una señal positiva. Si los compradores mantienen el impulso, la próxima resistencia está alrededor de $60,800–$61,500. Una ruptura por encima de esa zona podría abrir la puerta a $62,500–$64,000. En el lado bajista, si BTC pierde $60,000, el soporte está alrededor de $59,500, seguido por $58,850. Una ruptura por debajo de $58,850 podría llevar a un retroceso más profundo hacia $57,500. Predicción 📈 Sesgo alcista: Mientras BTC se mantenga por encima de $60,000, espero un intento de probar $61.5K–$62.5K en el corto plazo. #BTC #Bitcoin #Crypto #trading ¿Hacia dónde irá BTC después? 🚀
Precio actual: $60,395.40 (+1.25%)

#BTC se mantiene por encima del nivel psicológico de $60,000, lo cual es una señal positiva. Si los compradores mantienen el impulso, la próxima resistencia está alrededor de $60,800–$61,500. Una ruptura por encima de esa zona podría abrir la puerta a $62,500–$64,000.

En el lado bajista, si BTC pierde $60,000, el soporte está alrededor de $59,500, seguido por $58,850. Una ruptura por debajo de $58,850 podría llevar a un retroceso más profundo hacia $57,500.

Predicción
📈 Sesgo alcista: Mientras BTC se mantenga por encima de $60,000, espero un intento de probar $61.5K–$62.5K en el corto plazo.

#BTC #Bitcoin #Crypto #trading

¿Hacia dónde irá BTC después? 🚀
Break above $62K
Fall below $58K
5 día(s) restante(s)
·
--
Alcista
RE en $0.7587. La mayoría de la gente solo se fija en un gráfico después de un gran movimiento. Lo interesante es lo que ocurre antes. Esta es la zona donde los traders pierden la paciencia, los inversores a largo plazo siguen observando y los compradores nuevos deciden si el precio actual representa valor o solo otro stop en el camino hacia abajo. El precio te dice dónde está el mercado. La convicción te dice si te quedas. En lugar de preguntar, "¿Qué tan alto puede llegar RE?", una mejor pregunta es: ¿Qué tiene que pasar para que el mercado justifique una valoración más alta? Ahí es donde comienza la investigación real. $RE {future}(REUSDT)
RE en $0.7587.

La mayoría de la gente solo se fija en un gráfico después de un gran movimiento.
Lo interesante es lo que ocurre antes.
Esta es la zona donde los traders pierden la paciencia, los inversores a largo plazo siguen observando y los compradores nuevos deciden si el precio actual representa valor o solo otro stop en el camino hacia abajo.

El precio te dice dónde está el mercado.

La convicción te dice si te quedas.

En lugar de preguntar, "¿Qué tan alto puede llegar RE?", una mejor pregunta es:

¿Qué tiene que pasar para que el mercado justifique una valoración más alta?
Ahí es donde comienza la investigación real.
$RE
BULLISH---
BEARISH--
17 hora(s) restante(s)
·
--
Alcista
@OpenGradient : Casi cometí un gran error al construir sobre OPENGRADIENT. Asumí que los resultados de la IA solo volverían después de que se finalizara un bloque. cada sistema que había usado antes funcionaba así, así que lo diseñé alrededor de eso: lógica de espera, comprobaciones de respaldo, pasos extra para respuestas retrasadas. Luego envié un lote de prueba a través de opg. El resultado ya estaba allí antes de que esperara cualquier respuesta. Lo verifiqué dos veces porque pensé que había algo mal. mismo resultado. Resulta que @OpenGradient no espera a que el bloque se cierre antes de iniciar la inferencia. en el momento en que mi solicitud entró en la red, ya se estaba procesando en segundo plano. para cuando el bloque se finalizó, la respuesta ya estaba allí esperando por mí. Al final, borré toda la lógica de espera que había escrito. todos los pasos de respaldo. todo el manejo adicional del retraso. Desaparecieron horas de código porque asumí que @OpenGradient funcionaba como todo lo demás. No funciona. ¿Cuántas otras suposiciones sobre blockchains dejan de tener sentido cuando la inferencia de IA ocurre antes de la finalización? @OpenGradient $OPG #OPG
@OpenGradient :
Casi cometí un gran error al construir sobre OPENGRADIENT.

Asumí que los resultados de la IA solo volverían después de que se finalizara un bloque. cada sistema que había usado antes funcionaba así, así que lo diseñé alrededor de eso: lógica de espera, comprobaciones de respaldo, pasos extra para respuestas retrasadas.
Luego envié un lote de prueba a través de opg.

El resultado ya estaba allí antes de que esperara cualquier respuesta.
Lo verifiqué dos veces porque pensé que había algo mal. mismo resultado.

Resulta que @OpenGradient no espera a que el bloque se cierre antes de iniciar la inferencia. en el momento en que mi solicitud entró en la red, ya se estaba procesando en segundo plano. para cuando el bloque se finalizó, la respuesta ya estaba allí esperando por mí.

Al final, borré toda la lógica de espera que había escrito. todos los pasos de respaldo. todo el manejo adicional del retraso.

Desaparecieron horas de código porque asumí que @OpenGradient funcionaba como todo lo demás.

No funciona.

¿Cuántas otras suposiciones sobre blockchains dejan de tener sentido cuando la inferencia de IA ocurre antes de la finalización?

@OpenGradient $OPG #OPG
·
--
Alcista
@OpenGradient : Chat.opengradient.ai tiene todos los modelos por los que yo pagaba por separado. en un solo lugar. privado por defecto. y de verdad me recuerda. yo pagaba por ChatGPT cada mes. @OpenGradient hace todo lo que hace pero sin registrar mis conversaciones, sin entrenar con mis prompts, sin reiniciar cada sesión como si yo fuera un desconocido. ChatGPT literalmente no puede decirte a dónde va tu información. OpenGradient no necesita decirlo. la arquitectura lo hace imposible de usar mal desde el principio. yo pagaba por Claude porque es inteligente. pero @OpenGradient también tiene Claude. y a diferencia de usar Claude directamente, ejecuta #OPG MemSync así que de verdad me recuerda mañana. la misma inteligencia. pero esta vez sabe mi flujo de trabajo, mi contexto, mis preferencias. Claude solo se olvida de mí cada vez que cierro la pestaña. OpenGradient nunca. yo usaba Gemini porque era gratis. entonces me di cuenta de que gratis significaba que yo era el producto. cada prompt alimentaba la máquina publicitaria de Google. @OpenGradient cobra pequeños créditos por lo que realmente uso. no necesitan mis datos porque ya les pagaron. dejé de usar IA gratis el día que entendí eso. yo pagaba por Grok y Perplexity además de todo lo demás. herramientas distintas para cosas distintas. inicios de sesión distintos. pagos distintos. . @OpenGradient reemplazó las cinco. una pestaña. todos los modelos. privado por defecto. y de verdad me recuerda al día siguiente. cinco suscripciones a una. genuinamente no sé por qué esperé tanto?? #OPG @OpenGradient $OPG {future}(OPGUSDT)
@OpenGradient :
Chat.opengradient.ai tiene todos los modelos por los que yo pagaba por separado. en un solo lugar. privado por defecto. y de verdad me recuerda.

yo pagaba por ChatGPT cada mes. @OpenGradient hace todo lo que hace pero sin registrar mis conversaciones, sin entrenar con mis prompts, sin reiniciar cada sesión como si yo fuera un desconocido. ChatGPT literalmente no puede decirte a dónde va tu información. OpenGradient no necesita decirlo. la arquitectura lo hace imposible de usar mal desde el principio.

yo pagaba por Claude porque es inteligente. pero @OpenGradient también tiene Claude. y a diferencia de usar Claude directamente, ejecuta #OPG MemSync así que de verdad me recuerda mañana. la misma inteligencia. pero esta vez sabe mi flujo de trabajo, mi contexto, mis preferencias. Claude solo se olvida de mí cada vez que cierro la pestaña. OpenGradient nunca.

yo usaba Gemini porque era gratis. entonces me di cuenta de que gratis significaba que yo era el producto. cada prompt alimentaba la máquina publicitaria de Google. @OpenGradient cobra pequeños créditos por lo que realmente uso. no necesitan mis datos porque ya les pagaron. dejé de usar IA gratis el día que entendí eso.

yo pagaba por Grok y Perplexity además de todo lo demás. herramientas distintas para cosas distintas. inicios de sesión distintos. pagos distintos.
. @OpenGradient reemplazó las cinco. una pestaña. todos los modelos. privado por defecto. y de verdad me recuerda al día siguiente. cinco suscripciones a una.

genuinamente no sé por qué esperé tanto??

#OPG @OpenGradient $OPG
OPENGRADIENT
100%
other AI chats
0%
3 Votos • Votación cerrada
🎙️ Juntos construyamos la Plaza Binance | El sábado, ¿podrá BTC mantenerse por encima de 60.000 la próxima semana? ¡Hablemos!
avatar
Finalizado
04 h 09 min 18 s
11.8k
28
32
·
--
Alcista
@OpenGradient : Después de perderse tres airdrops el año pasado... supe sobre los tres. no hice nada. miré a otras personas ganar dinero. @OpenGradient hizo que el airdrop S2 #OPG fuera tan sencillo que casi no lo creí. sin staking. sin votación. sin cosas cripto confusas. solo abre chat.opengradient.ai, compra algunos créditos y úsalo como un chat normal de IA. eso es todo. cada vez que lo usas, ya estás calificando. Yo lo usaba antes incluso de enterarme del airdrop. solo porque el producto es bueno. luego descubrí que las personas que lo usan con créditos son elegibles para S2. me pareció como encontrar dinero en una chaqueta vieja. @OpenGradient Lo mejor es que no tuve que cambiar nada. no estaba acumulando puntos ni persiguiendo tareas. ya estaba usando el producto, y resultó que eso era suficiente para contar para S2. ¿De verdad vas a saltarte otro más? No seas la persona que lee esto y espera. úsalo ahora. @OpenGradient #OPG $OPG {future}(OPGUSDT)
@OpenGradient :
Después de perderse tres airdrops el año pasado...

supe sobre los tres.
no hice nada.
miré a otras personas ganar dinero.

@OpenGradient hizo que el airdrop S2 #OPG fuera tan sencillo que casi no lo creí. sin staking. sin votación. sin cosas cripto confusas. solo abre chat.opengradient.ai, compra algunos créditos y úsalo como un chat normal de IA. eso es todo. cada vez que lo usas, ya estás calificando.

Yo lo usaba antes incluso de enterarme del airdrop. solo porque el producto es bueno. luego descubrí que las personas que lo usan con créditos son elegibles para S2. me pareció como encontrar dinero en una chaqueta vieja.
@OpenGradient
Lo mejor es que no tuve que cambiar nada. no estaba acumulando puntos ni persiguiendo tareas. ya estaba usando el producto, y resultó que eso era suficiente para contar para S2.
¿De verdad vas a saltarte otro más?

No seas la persona que lee esto y espera. úsalo ahora.

@OpenGradient #OPG $OPG
Con verificación
@OpenGradient : Me quemé una vez con la exclusión de cotización de un token. Dos horas de aviso. Apenas logré salir. Perdí algo de sueño por eso. desde entonces leo cada anuncio de listado de manera diferente. voy a buscar la presentación real, el documento verdadero, no el tuit.#OPG ¡Así que!!! cuando apareció hice lo mismo. y lo primero que me detuvo fue la redacción. lo llamaron admisión a negociación. no un lanzamiento. no una venta. el token ya está ahí fuera, ya circulando. no se están emitiendo nuevos tokens. no se está recaudando dinero de nadie. solo bolsas reguladas obteniendo acceso a algo que ya existe y ya funciona.@OpenGradient La mayoría de los proyectos simplemente se listarían en silencio y seguirían adelante. nadie te obliga a presentar nada si no tienes que hacerlo. @OpenGradient se presentó voluntariamente bajo MiCAR. y dentro de esa presentación en realidad enumeraron sus propios riesgos. riesgo de exclusión de cotización. insolvencia de la plataforma. presión regulatoria sobre los propios exchanges. no está oculto en ninguna parte. ahí mismo en el documento antes de que siquiera tuvieras que preguntar. No puedo decirte que eso elimine el riesgo. no lo hace. los exchanges quiebran. las plataformas excluyen tokens de cotización. esas cosas pasan. pero un equipo que pone por escrito sus propios inconvenientes antes de que alguien se lo exija es un tipo de equipo diferente. eso es lo que se me quedó grabado. ve a ver lo que realmente construyeron en chat.opengradient.ai y luego lee la presentación. las dos cosas juntas te dicen mucho. @OpenGradient #OPG $OPG {future}(OPGUSDT)
@OpenGradient :
Me quemé una vez con la exclusión de cotización de un token.

Dos horas de aviso. Apenas logré salir. Perdí algo de sueño por eso.
desde entonces leo cada anuncio de listado de manera diferente. voy a buscar la presentación real, el documento verdadero, no el tuit.#OPG

¡Así que!!! cuando apareció hice lo mismo. y lo primero que me detuvo fue la redacción. lo llamaron admisión a negociación. no un lanzamiento. no una venta. el token ya está ahí fuera, ya circulando. no se están emitiendo nuevos tokens. no se está recaudando dinero de nadie. solo bolsas reguladas obteniendo acceso a algo que ya existe y ya funciona.@OpenGradient

La mayoría de los proyectos simplemente se listarían en silencio y seguirían adelante. nadie te obliga a presentar nada si no tienes que hacerlo. @OpenGradient se presentó voluntariamente bajo MiCAR. y dentro de esa presentación en realidad enumeraron sus propios riesgos. riesgo de exclusión de cotización. insolvencia de la plataforma. presión regulatoria sobre los propios exchanges. no está oculto en ninguna parte. ahí mismo en el documento antes de que siquiera tuvieras que preguntar.

No puedo decirte que eso elimine el riesgo. no lo hace. los exchanges quiebran. las plataformas excluyen tokens de cotización. esas cosas pasan. pero un equipo que pone por escrito sus propios inconvenientes antes de que alguien se lo exija es un tipo de equipo diferente. eso es lo que se me quedó grabado. ve a ver lo que realmente construyeron en chat.opengradient.ai y luego lee la presentación. las dos cosas juntas te dicen mucho.

@OpenGradient

#OPG

$OPG
·
--
Alcista
@OpenGradient tiene algo que no he visto en ningún otro lado. Un chat privado en chat.opengradient.ai donde puedes preguntar literalmente cualquier cosa. Sin filtros. Sin temas bloqueados. Hay un modelo llamado Nous Hermes ahí dentro y simplemente responde. Directo. Sin advertencias. Sin "no puedo ayudar con eso". No me di cuenta de cuánto me estaba conteniendo con las herramientas de IA normales hasta que probé esto. Estaba cambiando mis propias preguntas antes de escribirlas. Suavizándolas. Haciéndolas seguras. No porque estuvieran mal. Solo porque algo en mi cabeza decía que alguien podría estar leyendo esto. #OPG ejecuta la capa de privacidad debajo de todo. Tu nombre desaparece antes de que cualquier cosa llegue al modelo. Lo que escribiste se queda entre tú y la respuesta. @OpenGradient lo construyó para que incluso ellos no puedan ver lo que preguntaste. Eso no es una promesa. Así es como funciona. La parte más extraña es lo rápido que dejé de dudar de mí mismo. Después de años ajustando los prompts, de repente me di cuenta de que estaba haciendo preguntas de la manera que realmente quería. Ese sentimiento solo valía la pena probarlo. Pruébalo en chat.opengradient.ai y escribe algo que nunca escribirías en ningún otro lugar. @OpenGradient #OPG $OPG {future}(OPGUSDT)
@OpenGradient tiene algo que no he visto en ningún otro lado.
Un chat privado en chat.opengradient.ai donde puedes preguntar literalmente cualquier cosa. Sin filtros. Sin temas bloqueados. Hay un modelo llamado Nous Hermes ahí dentro y simplemente responde. Directo. Sin advertencias. Sin "no puedo ayudar con eso".

No me di cuenta de cuánto me estaba conteniendo con las herramientas de IA normales hasta que probé esto. Estaba cambiando mis propias preguntas antes de escribirlas. Suavizándolas. Haciéndolas seguras. No porque estuvieran mal. Solo porque algo en mi cabeza decía que alguien podría estar leyendo esto.

#OPG ejecuta la capa de privacidad debajo de todo. Tu nombre desaparece antes de que cualquier cosa llegue al modelo. Lo que escribiste se queda entre tú y la respuesta. @OpenGradient lo construyó para que incluso ellos no puedan ver lo que preguntaste. Eso no es una promesa. Así es como funciona.

La parte más extraña es lo rápido que dejé de dudar de mí mismo. Después de años ajustando los prompts, de repente me di cuenta de que estaba haciendo preguntas de la manera que realmente quería. Ese sentimiento solo valía la pena probarlo.

Pruébalo en chat.opengradient.ai y escribe algo que nunca escribirías en ningún otro lugar.

@OpenGradient #OPG $OPG
Con verificación
@OpenGradient construyó algo que no sabía que necesitaba hasta que lo usé. Se llama MemSync, y la manera más sencilla de explicarlo es esta: la IA en chat.opengradient.ai realmente te recuerda. No solo de hace cinco minutos, sino a través de conversaciones y días. ¿Alguna vez te has preguntado por qué tienes que explicar todo de nuevo cada vez que abres un nuevo chat? La mayoría de las herramientas de IA se reinician cuando cierras la pestaña. Regresas más tarde y es un extraño otra vez. Terminas re-explicando tu situación, tus preferencias, en qué estás trabajando y qué ya has intentado// $OPG potencia la infraestructura que hace esto diferente. MemSync almacena tu contexto de manera persistente para que la IA construya sobre lo que ya sabe de ti en lugar de empezar desde cero cada vez. ¿Qué pasaría si tu IA realmente pudiera recordar tu flujo de trabajo y retomar donde lo dejaste? Cuanto más la uses, más útil se vuelve. Así es como la IA siempre debió haber funcionado. @OpenGradient He estado usando chat.opengradient.ai por un tiempo y la diferencia es difícil de explicar hasta que lo sientes. La IA deja de sentirse como una herramienta y comienza a parecer algo que realmente conoce tu flujo de trabajo. Una sesión a la vez, construye una imagen. La mayoría de las IA te olvidan en el momento en que cierras la pestaña, pero MemSync mantiene el contexto vivo y listo cuando regresas.#OPG ¿Por qué debería la inteligencia reiniciarse cada día? La mayoría de las IA comienzan de nuevo. ¿Esta no?? @OpenGradient #OPG $OPG {future}(OPGUSDT)
@OpenGradient construyó algo que no sabía que necesitaba hasta que lo usé. Se llama MemSync, y la manera más sencilla de explicarlo es esta: la IA en chat.opengradient.ai realmente te recuerda. No solo de hace cinco minutos, sino a través de conversaciones y días.

¿Alguna vez te has preguntado por qué tienes que explicar todo de nuevo cada vez que abres un nuevo chat?

La mayoría de las herramientas de IA se reinician cuando cierras la pestaña. Regresas más tarde y es un extraño otra vez. Terminas re-explicando tu situación, tus preferencias, en qué estás trabajando y qué ya has intentado//

$OPG potencia la infraestructura que hace esto diferente. MemSync almacena tu contexto de manera persistente para que la IA construya sobre lo que ya sabe de ti en lugar de empezar desde cero cada vez.

¿Qué pasaría si tu IA realmente pudiera recordar tu flujo de trabajo y retomar donde lo dejaste?
Cuanto más la uses, más útil se vuelve. Así es como la IA siempre debió haber funcionado.
@OpenGradient
He estado usando chat.opengradient.ai por un tiempo y la diferencia es difícil de explicar hasta que lo sientes. La IA deja de sentirse como una herramienta y comienza a parecer algo que realmente conoce tu flujo de trabajo.

Una sesión a la vez, construye una imagen. La mayoría de las IA te olvidan en el momento en que cierras la pestaña, pero MemSync mantiene el contexto vivo y listo cuando regresas.#OPG

¿Por qué debería la inteligencia reiniciarse cada día? La mayoría de las IA comienzan de nuevo. ¿Esta no??

@OpenGradient #OPG $OPG
La IA gratuita está por todas partes en este momento. chat gratis. generación de imágenes gratis. respuestas gratis a cualquier cosa. y la mayoría de la gente lo usa sin pensarlo dos veces. @OpenGradient Yo también lo hice. pero hay un negocio detrás de cada producto gratuito. y ese negocio tiene inversionistas. y esos inversionistas quieren retornos. así que la pregunta que empecé a hacerme es simple. si no estoy pagando, ¿con qué estoy pagando? #OPG Con la mayoría de las herramientas de IA gratuitas, la respuesta es datos. tus conversaciones. tus preguntas. tus patrones. las cosas que buscas a las 2 a.m. cuando nadie está mirando. todo eso tiene valor. un valor enorme. y lo entregaste a cambio de respuestas gratis. no leíste los términos. yo tampoco. Lo que cambió mi forma de pensar sobre chat.opengradient.ai es que utiliza un sistema de créditos. pagas una pequeña cantidad por lo que usas. eso es todo. @OpenGradient Y porque el modelo de negocio es uso, no recolección de datos, el incentivo cambia completamente. no necesitan saber qué preguntaste. ya les pagaron. tu conversación no tiene valor para ellos más allá de la computación que consumió. OPENGRADIENT: Eso suena como algo pequeño. no es algo pequeño. el producto por el que pagas trabaja para ti. el producto que es gratis trabaja para quien lo está financiando. ¿cuál realmente quieres que tome decisiones con tus pensamientos privados?? #OPG @OpenGradient $OPG {future}(OPGUSDT) chat.opengradient.ai
La IA gratuita está por todas partes en este momento. chat gratis. generación de imágenes gratis. respuestas gratis a cualquier cosa. y la mayoría de la gente lo usa sin pensarlo dos veces.
@OpenGradient
Yo también lo hice. pero hay un negocio detrás de cada producto gratuito. y ese negocio tiene inversionistas. y esos inversionistas quieren retornos.

así que la pregunta que empecé a hacerme es simple. si no estoy pagando, ¿con qué estoy pagando?
#OPG
Con la mayoría de las herramientas de IA gratuitas, la respuesta es datos. tus conversaciones. tus preguntas. tus patrones. las cosas que buscas a las 2 a.m. cuando nadie está mirando. todo eso tiene valor. un valor enorme. y lo entregaste a cambio de respuestas gratis. no leíste los términos. yo tampoco.

Lo que cambió mi forma de pensar sobre chat.opengradient.ai es que utiliza un sistema de créditos. pagas una pequeña cantidad por lo que usas. eso es todo.
@OpenGradient
Y porque el modelo de negocio es uso, no recolección de datos, el incentivo cambia completamente. no necesitan saber qué preguntaste. ya les pagaron. tu conversación no tiene valor para ellos más allá de la computación que consumió.

OPENGRADIENT:
Eso suena como algo pequeño. no es algo pequeño. el producto por el que pagas trabaja para ti. el producto que es gratis trabaja para quien lo está financiando. ¿cuál realmente quieres que tome decisiones con tus pensamientos privados??

#OPG @OpenGradient $OPG

chat.opengradient.ai
El año pasado usaba un asistente de IA para algo importante. una decisión financiera. no enorme. pero dinero real. consecuencias reales. la respuesta volvió con seguridad, detallada y con un formato perfecto. parecía exactamente algo en lo que podías confiar. estaba mal. no ligeramente mal. #OPG estructuralmente mal. el tipo de error que solo aparece después de que ya actuaste. y la parte que se me quedó no fue el fallo. @OpenGradient la IA comete errores. lo sé. pero era que no había forma de comprobarlo. no había un registro de qué versión del modelo se ejecutó, no había manera de verificar que la salida no fuera silenciosamente diferente de lo que el modelo realmente produjo, no había un rastro de auditoría, nada. solo una respuesta y un cuadro que decía “confía en mí”. ahora pienso mucho en eso cuando uso IA para cualquier cosa que realmente importa. por eso, lo que @OpenGradient está construyendo tiene sentido para mí de una manera que la mayoría de los proyectos de infraestructura de IA no. cada inferencia a través de chat.opengradient.ai produce una prueba de verificación. puedes ver qué se ejecutó. puedes comprobar que la salida no fue alterada. no se trata de que la IA sea más inteligente. se trata de que la respuesta sea comprobable.@OpenGradient esa diferencia lo es todo cuando las apuestas son reales. porque cuando tienes que tomar una decisión con consecuencias reales, “confianza” deja de ser suficiente. quieres evidencia. quieres verificabilidad.#OPG quieres saber que la respuesta no se modificó, no se filtró ni se cambió después de que el modelo la generó. eso es lo que me resulta interesante. no una IA más inteligente. OPEN GRADIENT: solo una IA más transparente, más rendición de cuentas y más certeza sobre lo que realmente sucedió. porque cuando hay dinero real de por medio, “confía en mí” no es un sistema muy bueno. por eso la verificación importa. ¿deberían confiarse por defecto las respuestas de la IA, o debería poder verificarse cada respuesta importante? #OPG @OpenGradient $OPG {future}(OPGUSDT)
El año pasado usaba un asistente de IA para algo importante. una decisión financiera. no enorme. pero dinero real. consecuencias reales. la respuesta volvió con seguridad, detallada y con un formato perfecto. parecía exactamente algo en lo que podías confiar. estaba mal. no ligeramente mal. #OPG

estructuralmente mal. el tipo de error que solo aparece después de que ya actuaste. y la parte que se me quedó no fue el fallo. @OpenGradient

la IA comete errores. lo sé. pero era que no había forma de comprobarlo. no había un registro de qué versión del modelo se ejecutó, no había manera de verificar que la salida no fuera silenciosamente diferente de lo que el modelo realmente produjo, no había un rastro de auditoría, nada. solo una respuesta y un cuadro que decía “confía en mí”.

ahora pienso mucho en eso cuando uso IA para cualquier cosa que realmente importa. por eso, lo que @OpenGradient está construyendo tiene sentido para mí de una manera que la mayoría de los proyectos de infraestructura de IA no.

cada inferencia a través de chat.opengradient.ai produce una prueba de verificación. puedes ver qué se ejecutó. puedes comprobar que la salida no fue alterada. no se trata de que la IA sea más inteligente. se trata de que la respuesta sea comprobable.@OpenGradient

esa diferencia lo es todo cuando las apuestas son reales. porque cuando tienes que tomar una decisión con consecuencias reales, “confianza” deja de ser suficiente. quieres evidencia. quieres verificabilidad.#OPG quieres saber que la respuesta no se modificó, no se filtró ni se cambió después de que el modelo la generó. eso es lo que me resulta interesante. no una IA más inteligente.

OPEN GRADIENT:
solo una IA más transparente, más rendición de cuentas y más certeza sobre lo que realmente sucedió. porque cuando hay dinero real de por medio, “confía en mí” no es un sistema muy bueno. por eso la verificación importa.

¿deberían confiarse por defecto las respuestas de la IA, o debería poder verificarse cada respuesta importante?
#OPG @OpenGradient $OPG
@OpenGradient : Piensa en lo que le dijiste a una IA esta semana. Tal vez una pregunta de salud que no querías buscar en Google. Quizás algo sobre dinero o una situación laboral que no dirías en voz alta. Ahora piensa en a dónde fue eso. ¿Alguna vez te has preguntado quién realmente ve esas conversaciones? La mayoría de los productos de IA tienen una política de privacidad. Un documento lleno de palabras. En algún lugar de ahí hay un lenguaje sobre cómo tus chats pueden ser utilizados para mejorar el modelo o revisados por seguridad o retenidos por algún periodo de tiempo. Tú aceptaste eso. Todos lo hicimos. Nadie realmente lo lee. Lo que me impactó de chat.opengradient.ai es que no te pide que confíes en un texto legal. Tu identidad es eliminada antes de que la solicitud se mueva. El hardware que ejecuta la inferencia físicamente no puede ver lo que escribiste. No es que no quiera. Es que no puede. Eso no es una política. es arquitectura. #OPG He estado pensando en cómo lo utilizo de manera diferente en comparación con otras herramientas de IA. La autoedición ha desaparecido. La sensación de "¿debería realmente estar preguntando esto?" ha desaparecido. Resulta que gran parte de esa fricción no era precaución. Era desconfianza que había normalizado. Quizás el mayor problema de privacidad no fue que la IA supiera demasiado. Quizás fue que aceptamos tener que confiar en alguien con todo. ¿Qué cambia cuando la privacidad deja de ser una promesa y se convierte en algo integrado en el sistema mismo????? #OPG @OpenGradient $OPG {future}(OPGUSDT)
@OpenGradient :
Piensa en lo que le dijiste a una IA esta semana. Tal vez una pregunta de salud que no querías buscar en Google. Quizás algo sobre dinero o una situación laboral que no dirías en voz alta. Ahora piensa en a dónde fue eso. ¿Alguna vez te has preguntado quién realmente ve esas conversaciones?

La mayoría de los productos de IA tienen una política de privacidad. Un documento lleno de palabras. En algún lugar de ahí hay un lenguaje sobre cómo tus chats pueden ser utilizados para mejorar el modelo o revisados por seguridad o retenidos por algún periodo de tiempo. Tú aceptaste eso. Todos lo hicimos. Nadie realmente lo lee.

Lo que me impactó de chat.opengradient.ai es que no te pide que confíes en un texto legal. Tu identidad es eliminada antes de que la solicitud se mueva. El hardware que ejecuta la inferencia físicamente no puede ver lo que escribiste. No es que no quiera. Es que no puede. Eso no es una política.
es arquitectura.
#OPG
He estado pensando en cómo lo utilizo de manera diferente en comparación con otras herramientas de IA. La autoedición ha desaparecido. La sensación de "¿debería realmente estar preguntando esto?" ha desaparecido. Resulta que gran parte de esa fricción no era precaución. Era desconfianza que había normalizado.

Quizás el mayor problema de privacidad no fue que la IA supiera demasiado. Quizás fue que aceptamos tener que confiar en alguien con todo. ¿Qué cambia cuando la privacidad deja de ser una promesa y se convierte en algo integrado en el sistema mismo?????

#OPG @OpenGradient $OPG
He estado revisando la sección de ZKML de la documentación de OpenGradient durante un par de días y creo que es la parte más malentendida de lo que el protocolo realmente ofrece. Esto es lo que realmente hace el aprendizaje automático de conocimiento cero. El nodo de inferencia ejecuta el modelo. Luego genera una prueba matemática, no una atestación, no una garantía de hardware, una prueba criptográfica real de que este modelo específico produjo esta salida específica para esta entrada específica. #OPG Los nodos completos verifican esa prueba usando operaciones criptográficas puras. No se requiere reejecución del modelo. No se confía en el fabricante de hardware. No se asume que el código del enclave es lo que dice ser. La prueba es matemáticamente cierta. Si se verifica, el cálculo fue correcto. Esa es una categoría de garantía completamente diferente a la atestación TEE, que se basa en confiar en el hardware de AWS Nitro. ZKML se basa en matemáticas. @OpenGradient Pero. La sobrecarga es brutal. Estamos hablando de 1000 a 10000 veces más lento que la ejecución estándar. Un modelo que se ejecuta en un segundo en condiciones normales podría tardar horas en generar una prueba ZKML. Eso no es una limitación temporal de ingeniería que se optimizará el próximo trimestre. Es una propiedad fundamental de la criptografía involucrada. #OPG ¡Así que! La elección de diseño que hizo OpenGradient es honesta al respecto. ZKML se recomienda para decisiones financieras de ML de alto riesgo, modelos de riesgo DeFi, cualquier cosa donde la certeza matemática valga la pena pagar...... OPENGRADIENT: Para todo lo demás, la atestación TEE te da garantías a nivel de hardware con una sobrecarga negligible. Y existe el modo vanilla para prototipos y cargas de trabajo de bajo riesgo donde la velocidad es la prioridad. Puedes ver los tres modos en acción a través de la infraestructura que potencia chat.opengradient.ai @OpenGradient el nivel de verificación coincide con el nivel de riesgo de la carga de trabajo.,,,,,,, ¿Quéééé? Realmente no puedo resolver dónde exactamente se sitúa la línea entre lo suficientemente arriesgado como para justificar ZKML y TEE es suficiente en la práctica y si esa línea se moverá a medida que mejore la eficiencia de la compilación de ZKML???? #OPG @OpenGradient $OPG {future}(OPGUSDT)
He estado revisando la sección de ZKML de la documentación de OpenGradient durante un par de días y creo que es la parte más malentendida de lo que el protocolo realmente ofrece.

Esto es lo que realmente hace el aprendizaje automático de conocimiento cero. El nodo de inferencia ejecuta el modelo. Luego genera una prueba matemática, no una atestación, no una garantía de hardware, una prueba criptográfica real de que este modelo específico produjo esta salida específica para esta entrada específica. #OPG

Los nodos completos verifican esa prueba usando operaciones criptográficas puras. No se requiere reejecución del modelo. No se confía en el fabricante de hardware. No se asume que el código del enclave es lo que dice ser.

La prueba es matemáticamente cierta. Si se verifica, el cálculo fue correcto. Esa es una categoría de garantía completamente diferente a la atestación TEE, que se basa en confiar en el hardware de AWS Nitro. ZKML se basa en matemáticas.

@OpenGradient

Pero. La sobrecarga es brutal. Estamos hablando de 1000 a 10000 veces más lento que la ejecución estándar. Un modelo que se ejecuta en un segundo en condiciones normales podría tardar horas en generar una prueba ZKML.

Eso no es una limitación temporal de ingeniería que se optimizará el próximo trimestre. Es una propiedad fundamental de la criptografía involucrada. #OPG

¡Así que! La elección de diseño que hizo OpenGradient es honesta al respecto. ZKML se recomienda para decisiones financieras de ML de alto riesgo, modelos de riesgo DeFi, cualquier cosa donde la certeza matemática valga la pena pagar......

OPENGRADIENT:
Para todo lo demás, la atestación TEE te da garantías a nivel de hardware con una sobrecarga negligible. Y existe el modo vanilla para prototipos y cargas de trabajo de bajo riesgo donde la velocidad es la prioridad.

Puedes ver los tres modos en acción a través de la infraestructura que potencia chat.opengradient.ai @OpenGradient el nivel de verificación coincide con el nivel de riesgo de la carga de trabajo.,,,,,,,

¿Quéééé?

Realmente no puedo resolver dónde exactamente se sitúa la línea entre lo suficientemente arriesgado como para justificar ZKML y TEE es suficiente en la práctica y si esa línea se moverá a medida que mejore la eficiencia de la compilación de ZKML????

#OPG @OpenGradient $OPG
¡Así que! Estaba jugando en chat.opengradient.ai y me topé con el Estudio de Imágenes, y honestamente, no esperaba mucho. He probado un montón de herramientas de imágenes de IA, y la mayoría de ellas empiezan a sentirse iguales bastante rápido.#OPG Escribes algo, obtienes algo que está medio cerca, pero no del todo bien, y luego pasas los próximos veinte minutos ajustando el prompt para conseguir lo que realmente querías. Lo que llamó mi atención aquí fue la selección de modelos. Gemini, ByteDance, xAI, todo en un solo lugar.@OpenGradient Pasé tal vez una hora ejecutando el mismo prompt a través de diferentes modelos solo para ver qué pasaba. Y las salidas son genuinamente diferentes. No solo un poco diferentes. Lo suficientemente diferentes como para que para ciertos tipos de imágenes, un modelo es claramente la mejor opción. @OpenGradient En realidad, no, la selección de modelos ni siquiera fue lo que más destacó. Algo un poco gracioso pasó mientras lo estaba probando. Mi primo más joven estaba sentado al lado mío y seguía lanzando ideas aleatorias para generar. @OpenGradient Un minuto era una ciudad futurista. El siguiente era un picnic familiar en la luna. Se sentía más como explorar y experimentar que solo usar otra herramienta de IA. Pero el tema de la privacidad es lo que realmente se me quedó. Los prompts de imagen se sienten personales de una manera que a veces los prompts de texto no.#OPG Las cosas que la gente quiere visualizar, ideas creativas, conceptos extrañamente específicos, todo eso generalmente se registra en algún lugar, atado a tu cuenta, y potencialmente revisado. Nunca pensé en eso hasta que leí cómo @OpenGradient lo maneja. Tu prompt se encripta en tu dispositivo. Para cuando cualquier cosa llega al modelo, tu identidad ya ha sido eliminada. El nodo que ejecuta la inferencia literalmente no puede ver lo que escribiste. Eso no es una configuración que tengas que habilitar. Así es como funciona por defecto. #OPG No sé si la mayoría de las personas que usan generadores de imágenes piensan en dónde van sus prompts. Definitivamente no lo pensé durante mucho tiempo. Pero una vez que lo sabes, es un poco difícil dejar de saberlo, ¿verdad? @OpenGradient #OPG $OPG {future}(OPGUSDT)
¡Así que! Estaba jugando en chat.opengradient.ai y me topé con el Estudio de Imágenes, y honestamente, no esperaba mucho.

He probado un montón de herramientas de imágenes de IA, y la mayoría de ellas empiezan a sentirse iguales bastante rápido.#OPG

Escribes algo, obtienes algo que está medio cerca, pero no del todo bien, y luego pasas los próximos veinte minutos ajustando el prompt para conseguir lo que realmente querías.

Lo que llamó mi atención aquí fue la selección de modelos.
Gemini, ByteDance, xAI, todo en un solo lugar.@OpenGradient

Pasé tal vez una hora ejecutando el mismo prompt a través de diferentes modelos solo para ver qué pasaba.

Y las salidas son genuinamente diferentes.
No solo un poco diferentes.

Lo suficientemente diferentes como para que para ciertos tipos de imágenes, un modelo es claramente la mejor opción.
@OpenGradient
En realidad, no, la selección de modelos ni siquiera fue lo que más destacó.

Algo un poco gracioso pasó mientras lo estaba probando.
Mi primo más joven estaba sentado al lado mío y seguía lanzando ideas aleatorias para generar.
@OpenGradient
Un minuto era una ciudad futurista.
El siguiente era un picnic familiar en la luna.

Se sentía más como explorar y experimentar que solo usar otra herramienta de IA.

Pero el tema de la privacidad es lo que realmente se me quedó.
Los prompts de imagen se sienten personales de una manera que a veces los prompts de texto no.#OPG

Las cosas que la gente quiere visualizar, ideas creativas, conceptos extrañamente específicos, todo eso generalmente se registra en algún lugar, atado a tu cuenta, y potencialmente revisado.

Nunca pensé en eso hasta que leí cómo @OpenGradient lo maneja.

Tu prompt se encripta en tu dispositivo.
Para cuando cualquier cosa llega al modelo, tu identidad ya ha sido eliminada.

El nodo que ejecuta la inferencia literalmente no puede ver lo que escribiste.
Eso no es una configuración que tengas que habilitar.
Así es como funciona por defecto.

#OPG

No sé si la mayoría de las personas que usan generadores de imágenes piensan en dónde van sus prompts.

Definitivamente no lo pensé durante mucho tiempo.
Pero una vez que lo sabes, es un poco difícil dejar de saberlo, ¿verdad?

@OpenGradient #OPG $OPG
Inicia sesión para explorar más contenidos
Únete a usuarios de criptomonedas de todo el mundo en Binance Square
⚡️ Obtén la información más reciente y útil sobre criptomonedas.
💬 Confía en el mayor exchange de criptomonedas del mundo.
👍 Descubre opiniones reales de creadores verificados.
Correo electrónico/número de teléfono
Mapa del sitio
Preferencias de cookies
Términos y condiciones de la plataforma