Что такое OpenGradient?

OpenGradient — это децентрализованная инфраструктурная сеть, созданная для размещения, выполнения и проверки выводов модели ИИ в любом масштабе, где каждое вычисление создает криптографическое доказательство, которое можно проверить в цепочке, не доверяя какому-либо отдельному оператору.

Проект позиционирует себя как «Сеть открытого интеллекта» и недавно запустил $OPG в качестве собственного токена для обеспечения работы сети. По своей сути OpenGradient функционирует как сопроцессор искусственного интеллекта, выделенный уровень, на который другие агенты, блокчейны и приложения могут направлять рабочие нагрузки искусственного интеллекта, а не полагаться на централизованных поставщиков API.

Сегодня $OPG запускается в качестве собственного токена, поддерживающего проверяемую сеть искусственного интеллекта OpenGradient. Это означает, что сеть полностью заработает, предоставляя миру не требующую разрешения инфраструктуру искусственного интеллекта с безопасным и проверяемым выполнением в цепочке операций. 🧵👇🏻 pic.twitter.com/suQGK0L6F1

— OpenGradient (∇, ∇) (@OpenGradient) 21 апреля 2026 г.

Какую проблему решает OpenGradient?

Каждое приложение искусственного интеллекта сегодня опирается на единую точку доверия. Когда агент ИИ управляет портфолио, одобряет кредит или модерирует контент, в настоящее время нет возможности независимо проверить, какая модель работала, какое приглашение использовалось или были ли изменены выходные данные до того, как они достигли конечного пользователя.

Согласно документации OpenGradient, инфраструктура искусственного интеллекта консолидируется среди нескольких поставщиков, и это создает три конкретные проблемы.

Непрозрачность: когда большая языковая модель принимает решение, влияющее на деньги, здоровье или управление, невозможно доказать, что произошло внутри системы. Версии моделей могут меняться незаметно, системные подсказки могут вводиться, а ответы могут фильтроваться без ведома пользователя.

Единичные точки сбоя: если поставщик выходит из строя, ограничивает скорость доступа или меняет поведение модели, зависимые приложения выходят из строя без возможности восстановления и возможности обращения за помощью.

Доверие без проверки: операторы могут обмениваться моделями, вставлять контент или регистрировать подсказки без раскрытия информации. Для финансовых агентов, инструментов медицинского рассуждения или аудиторских проверок принятие этого на веру не является жизнеспособным подходом.

OpenGradient решает все три проблемы, делая проверку функцией по умолчанию, а не дополнительным дополнением.

Как работает OpenGradient?

OpenGradient построен на гибридной вычислительной архитектуре искусственного интеллекта, сокращенно HACA, которая отделяет выполнение вывода искусственного интеллекта от его проверки. Такое разделение является ключевым архитектурным решением, которое делает систему практичной.

Когда поступает запрос, он поступает непосредственно в специализированный узел вывода и возвращается с задержкой уровня Web2. Криптографическое доказательство затем передается и асинхронно проверяется полными узлами, прежде чем оно будет окончательно записано в EVM-совместимой цепочке сети. Пользователь не ждет подтверждения блока, чтобы получить ответ, но каждый ответ в конечном итоге обрабатывается и подлежит проверке.

Каковы различные типы узлов?

Вместо использования единого набора валидаторов, в котором каждый узел выполняет каждую задачу, OpenGradient использует специализированные типы узлов.

Полные узлы обеспечивают консенсус, управляют реестром, проверяют доказательства и осуществляют расчет платежей. Они не запускают модели и не используют графические процессоры.

Узлы вывода — это рабочие графические процессоры без сохранения состояния, которые выполняют модели. Они бывают двух форм: прокси-узлы LLM, которые направляют запросы таким поставщикам, как OpenAI и Anthropic, через анклавы Trusted Execution Environment (TEE), и локальные узлы вывода, которые запускают модели с открытым исходным кодом непосредственно на оборудовании.

Узлы данных работают внутри безопасных анклавов, обеспечивая надежный доступ к внешним данным, таким как потоки цен и API, с аттестациями, подтверждающими, что данные не были подделаны.

Децентрализованное хранилище в системе под названием Walrus хранит файлы моделей и большие доказательства вне цепочки, на которые ссылаются идентификаторы, записанные в реестре.

Такое разделение труда означает, что каждый тип узла можно масштабировать и защищать независимо для конкретной рабочей нагрузки.

Что разработчики могут построить на OpenGradient?

Сеть поддерживает широкий спектр вариантов использования корпоративных, финансовых и потребительских приложений. Некоторые из них уже доступны, а другие находятся в разработке в альфа-тестовой сети.

На данный момент доступны:

Агенты искусственного интеллекта, в которых каждый вызов LLM криптографически подписан с указанием точного используемого приглашения, что делает цепочку рассуждений проверяемой внутри цепочки.

Поддающийся проверке доступ к моделям, включая GPT-4, Claude, Grok и Gemini, через унифицированный API с проверкой TEE.

Приложения, сохраняющие конфиденциальность, в которых узлы TEE обрабатывают запросы внутри аппаратных анклавов, не позволяя оператору узла видеть или регистрировать запросы.

Постоянная память для приложений искусственного интеллекта с помощью MemSync, которая обеспечивает извлечение, классификацию и создание профилей пользователей в проверенной инфраструктуре.

В разработке в альфа-тестовой сети:

Интеграция смарт-контрактов, позволяющая вызывать модели ИИ непосредственно из Solidity посредством прекомпиляции.

Атомарные транзакции ИИ, в которых вывод модели выполняется как часть перехода состояния, а не как внешний вызов оракула.

Компонуемые рабочие процессы искусственного интеллекта, объединяющие несколько моделей со смешанными методами проверки в одной транзакции.

Что