Paul Nguyen

ما وُعِد به على خارطة طريق نيوتن واسع: خزائن اليوم، وأصول العالم الحقيقي، والستابل كوينز، ووكلاء الذكاء الاصطناعي غدًا، وكل ذلك مُرتكِز على شيء يُسمّى «سوق إنترنت السياسات». أمّا ما جرى تنفيذه فعليًا حتى الآن فهو أضيق نطاقًا، وهذه الفجوة تستحق التوقف عندها بدل القفز فوقها.

تُهمّ الخلفية هنا. بروتوكولات كثيرة تُعلن في يومها الأول خريطة طريق طموحة: RWAs، والستابل كوينز، والتمويل الوكيل، و«الأبرز» من كل عروض تقديمية بين 2025 و2026، ثم تقضي السنة التالية في إطلاق القليل جدًا من ذلك. النمط شائع إلى درجة أن وجود خارطة طريق طموحة بحد ذاته صار علامة حمراء خفيفة، دلالة على أن الفريق يبيع رؤية بدل أن يبني حالة استخدام واحدة بشكل جيد أولًا.

تسلسل نيوتن الفعلي يقرأ بصورة مختلفة عند النظر عن قرب. تم شحن الخزائن أولًا، في نسخة mainnet beta، مع توفر SDK عامل، وشركاء بيانات مباشرين، وحالة استخدام مؤسسية حقيقية كانت تعمل بالفعل عبر Polymarket. لم تُشحن RWAs والستابل كوينز بعد، كما لم يُطوَّر سوق «إنترنت السياسات» أيضًا، حيث يُفترض أن يقوم المُ قيّمون بإدراج السياسات وإعادة استخدامها بالطريقة التي يعيد بها المطورون استخدام حزم البرمجيات مفتوحة المصدر اليوم.

أن نخطئ في هذا التسلسل ستكون له عواقب جسيمة. محرك سياسات لا يستطيع فرض فحص رهنٍ بسيط بشكل موثوق داخل خزنة لا يستحق الثقة إطلاقًا بأن يُكلَّف بعمليات فحص الجزاءات على ستابل كوين تُحرّك مليارات، ناهيك عن توفير سياج حدود (Guardrails) لوكيل ذكاء اصطناعي مستقل يتخذ قرارات دون وجود إنسان ضمن الحلقة. البدء بنطاق ضيق ليس نقصًا في الطموح؛ بل هو الطريقة الوحيدة الموثوقة لكسب الحق في التوسع.

يُعامل بروتوكول نيوتن الخزائن باعتبارها ساحة اختبار لكل ما على خارطة طريقه الأخرى، وليس المنتج النهائي. وهذا يعني أن ادعاءات الأصول الرقمية للعالم الحقيقي والستابل كوينز ووكلاء الذكاء الاصطناعي تبقى وعودًا حتى تكون طبقة الخزائن قد أثبتت بالفعل قدرتها على الصمود أمام حجم حقيقي من الاستخدام. هذه هي الحقيقة الصادقة للفجوة الآن—ليست انتقادًا، بل ببساطة هو ما يقف عليه الجدول الزمني فعليًا.
@NewtonProtocol $NEWT #Newt

قل إن شبكة الحوسبة اللامركزية للذكاء الاصطناعي تُتاح لأكبر عدد ممكن من الناس، وأن صورة محددة تتكوّن تلقائيًا. طلبك يرتدّ بشكل غير متوقع عبر سرب واسع من نظير إلى نظير؛ لا توجد نقطة واحدة تتخذ أي قرار؛ عشوائية خالصة، وتوزيع خالص، ولا يوجد طرف بعينه يتولى معالجة طلبك المحدّد.

تصف وثائق معمارية OpenGradient الخاصة به شيئًا أكثر تعمّدًا بشكل ملحوظ من تلك الصورة الذهنية. يتم توجيه الطلب مباشرةً إلى عقدة استدلال واحدة محددة مسبقًا. ووفقًا لذلك، فإن سلسلة الكتل نفسها ليست ضمن المسار الحرج لقرار التوجيه الأولي. تتولى عقدة واحدة—يتم اختيارها عبر عملية محددة—إجراء الحساب الفعلي الخاص بك.

تظهر اللامركزية على هذه الشبكة لاحقًا، في كيفية التحقق من ناتج تلك العقدة وتسويته، وليس في كيفية العثور على خادم للبدء بطلبك. تتحقق العقد الكاملة من البراهين وتحافظ على السجل بمجرد عودة نتيجة. خطوة التوجيه التي تصل بسؤالك إلى عامل في المقام الأول أقرب إلى موازن تحميل عادي يتخذ قرارًا واحدًا واضحًا، أكثر من كونها توزيعًا فوضويًا وغير قابل للتنبؤ عبر سرب مفتوح.

هذه الفروق مهمة أكثر مما قد يبدو. قرار توجيه واحد لكل طلب—حتى لو كان مصممًا جيدًا—يُنتج ملف موثوقية ومخاطر رقابة مختلفًا عن التكرار عبر مسارات متعددة بشكل حقيقي، حيث يمكن لعدة عقد أن تُجيب على السؤال نفسه بشكل محتمل.

تقوم OpenGradient بلامركزنة ما هو أهم في جوهر أطروحتها الفعلية: التحقق والبراهين، الجزء الذي يتيح لك الثقة في المخرَج دون الثقة بالعقدة بعينها التي أنتجته. أما الجزء الذي يتخيله معظم الوافدين الجدد على أنه لامركزي، أي التوجيه نفسه، فهو بصراحة طبقة تبدو أكثر مركزية من بين الاثنين بمجرد أن تقرأ الوثائق بعناية بدلًا من الانطلاق من الصورة الذهنية التي يوحي بها مصطلح «لامركزية» عادةً.

@OpenGradient $OPG #opg $ARB

قمت بالتمرير عبر الأرشيف الكامل لمدونة OpenGradient في جلسة واحدة، جزئيًا بدافع الفضول وجزئيًا عنادًا، وانتهى الأمر بأن ترتيب المنشورات كان أكثر جزء مثير للاهتمام في التجربة كلها.
بالقرب مباشرة من شرح تقني كثيف لأبحاث رسوم الـ AMM الديناميكية، توجد دعوة لمسابقة AI Agent Meme Contest. وبعدها بعدة منشورات، إعلان حملة Galxe الخاصة بالدفعة المبكرة. مرر قليلًا أكثر وستعود إلى منطقة الأبحاث: نماذج التنبؤ بتقلبات الأسعار، وتوقعات عوائد SUI—أشياء تقرأ وكأنها تنتمي إلى ورقة بحثية أكاديمية، لا إلى موجز.
عدت وعدّدت فقط لأشعر بنسبة الأمر، ومن بين آخر عشرات المنشورات في الأرشيف، تقريبًا واحد من كل أربعة كان نوعًا من الترويج للمجتمع أو حملة تسويق، وليس تحديثًا بحثيًا أو إعلانًا عن منتج. ليس فيضانًا ساحقًا للـ memes، لكن كافٍ لتلاحظه بمجرد أن تبدأ العدّ عمدًا.
كنت أتوقع مدونة مختبر أبحاث، لكنني وجدت شيئًا أقرب إلى تقويم محتوى مشروع كريبتو عادي: أوراق ومسؤوليات ومُنَازلات وجهاً لوجه—كلها متكدسة في نفس التمرير دون أي فصل بينها.
لا أظن أن هذا مظهر سيّئ، بصراحة. مسابقة الميمات تجلب انتباهًا للمشروع من أشخاص لن ينقروا أبدًا على ورقة رسوم AMM، والأوراق البحثية تمنح المشروع مضمونًا حقيقيًا عندما يظهر هذا الانتباه. معظم مشاريع كريبتو الـ AI الأكثر نجاحًا تعمل بهذا المزج بالضبط الآن؛ عصر الاختيار الصارم بين مشروع مختبر جاد ومشروع مجتمع ممتع انتهى منذ فترة.
تقوم OpenGradient أيضًا بتشغيل محتواها مثل أي مشروع كريبتو آخر يحاول بناء متابعين الآن، ممزجة بين مخرجات بحثية حقيقية وميمات ومسابقات التحديات في نفس الموجز دون اعتبار أحدهما أكثر شرعية من الآخر.
@OpenGradient $OPG #opg $VELVET $PUNDIX

اقضِ بعد الظهر في تصفّح المستودعات العامة لـ OpenGradient بدلًا من موقعها الرئيسي، وستظهر نمط لا تذكره نصوص التسويق أبدًا: الشركة لا تكتب كل شيء بلغة واحدة. العقدة الأساسية في الشبكة هي Go. حزمة تطوير البرمجيات (SDK)، وهي الشيء الذي يستورده أغلب المطورين فعليًا في مشاريعهم الخاصة، هي Python. أما خدمة مُيسّر الدفع وواجهة مستكشف الكتل فهما TypeScript.

ليس هذا مجرد صدفة تعود لاختلاف تفضيلات مهندسين مختلفين، أو على الأقل لا يبدو كذلك بمجرد أن تلاحظ لمن خُصّص كل جزء بالفعل. يُعد Go اختيارًا معقولًا للبنية التحتية التي تحتاج إلى العمل بسرعة والبقاء بسيطة تحت الضغط، تمامًا كما يجب أن يفعل عقد الإجماع طوال اليوم. Python هي اللغة الافتراضية لمجتمع تعلّم الآلة، وهم الأشخاص الذين تحتاج OpenGradient أن يمسكوا SDK فعلًا ويبدأوا في استدعاء النماذج. TypeScript هي لغة مطوري الويب والتطبيقات الذين سيلمسون واجهة المستكشف أو سيربطون منطق الدفع داخل منتجهم الخاص.

وعليه، فليست المسألة اختيار "أفضل لغة واحدة لكل شيء"، بل: "أي لغة يعرفها الشخص الذي سيتعين عليه استخدام هذا الجزء بالفعل؟". يُسهّل SDK المعتمد على Python عتبة الدخول لباحث تعلّم آلي لم يلمس Go في حياته. أما مستكشف TypeScript فهو أسهل لمطوّر الواجهة الأمامية لتوسيعه مما لو كان مبنيًا على Go.

المقايضة داخلية وليست خارجية. يعني الحفاظ على حزمة متعددة اللغات أن الفريق يحتاج إلى ارتياح عبر ما لا يقل عن 3 منظومات لغات مختلفة بدلًا من توحيد الخبرة حول لغة واحدة، وعند إدخال مهندس جديد يعني ذلك سؤاله أي جزء من الحزمة سيلامسه فعليًا قبل تحديد أي مهارة لها الأولوية. يبدو أن OpenGradient قررت أن التكلفة تستحق الدفع إذا كان ذلك يعني أن كل جزء يصل إلى جمهوره المستهدف حيث هو بالفعل، بدل أن يطلب من الجميع تعلّم معيار شركة واحد أولًا.
@OpenGradient $OPG #opg $VELVET $LAB

عند تصفّحي وثائق مكدس وكلاء OpenGradient، لم يكن الجزء الذي لفت انتباهي هو طبقة التحقق—وهي الجزء الذي يتوقعه الجميع. ما شدّني كان سطرًا قصيرًا عن المحافظ. بدلًا من بناء بنية المعاملات والتوقيع الخاصة بها، ينسجم OpenGradient مع مزوّدي المحافظ التابعين لطرف ثالث الموجودين أصلًا، بحيث يمكن لوكيل مُتحقق أن ينقل الأموال عبر معظم السلاسل متى ما قرر اتخاذ إجراء.

تخيّل قاعة محكمة تُصادق على مستند، وتختمه، وتؤكد أنه أصيل، وتضعه في سجل دائم، لكنها لا تطبعه ولا تُسلّمه. يعتمد سمعة قاعة المحكمة كلها على أن تكون الختمة موثوقة. أمّا من صاغ الورقة ومن يحملها إلى وجهتها، فهم طرفان مختلفان يعملان خارج نطاق ما تستطيع القاعة أن تضمنه.

هذا تقريبًا هو شكل مكدس وكلاء OpenGradient. خطوة الاستدلال تُتحقق منها وتُسجَّل وتُرفق بها شهادة. قرار الوكيل الذي يصل إليه يُدوَّن على مُستكشف يمكن لأي شخص التحقق منه. لكن في اللحظة التي تتحرك فيها الأموال فعليًا، يحدث التوقيع والتنفيذ عبر بنية المحافظ التي لم يبنِها OpenGradient ولم يضبطها بالكامل. والمقايضة هنا تعمل في اتجاهين. إن إسناد أعمال “سباكة” المحافظ لطرف خارجي يعني أن يصل الوكيل إلى عدد أكبر من السلاسل، وبسرعة أكبر، مقارنةً بما يمكن أن يتيحه دائمًا طبقة معاملات مبنية ذاتيًا بالكامل. لكن ذلك يعني أيضًا أن أكثر خطوة مؤثرة في السلسلة، تلك التي تغادر فيها الأموال محفظةً، تقع في طبقة خارج حدود التحقق التي يُعرف المشروع بها.

اختار OpenGradient هنا توسيع النطاق على حساب التحكم الرأسي الكامل، راهنًا بأن قرارًا مُتحققًا تم تسليمه لبنية محافظ قادرة يكون أكثر فائدة من مكدسٍ مكتفٍ بذاته بالكامل يتحرك أبطأ ويصل إلى عدد أقل من السلاسل. هذا رهان قابل للدفاع بالنسبة لبيئة وكلاء في مرحلة مبكرة تحاول “التركيب في كل مكان مرة واحدة”، لكنه يعني أن الثقة بالاستدلال ليست سوى نصف معادلة الثقة؛ إذ يبقى النصف الآخر—الذي يتعلق بالتنفيذ—مرتبطًا ببنيةٍ تقع فقط خارج ما يستطيع OpenGradient إثباته.
@OpenGradient $OPG #opg $SYN

Neuro Stack هي جزء في خريطة OpenGradient التي رأيت أنها تُذكر مع عبارة "permissionless composability"، أي أنه يمكن لأي مجموعة تطوير أن تبني بلوكتشين ذكاء اصطناعي خاصًا بها، يُسمّى Neuro-Chain، باستخدام طبقة الحوسبة الخاصة بالذكاء الاصطناعي من OpenGradient كخدمة خلفية في العمق.
يبدو الأمر وكأنه ساحة مفتوحة للجميع، لكن عند البحث في الإعلانات العامة، الشريك الوحيد الذي رأيت تأكيدًا باسمه تحديدًا هو Peri Labs، وهي مجموعة تبني سلسلة ذكاء اصطناعي موجّهة إلى تنسيق مليارات أجهزة DePIN عند حافة الشبكة. بخلاف هذا الاسم، لم أجد أي مجموعة ثانية أخرى قامت علنًا بتأكيد أنها تستخدم Neuro Stack لبناء سلسلة خاصة بها.
هذه النقطة هي التي أراها غامضة فعلًا، وليست بالمعنى السلبي. فالتقنية قد تكون، على نحو صحيح، permissionless من حيث التصميم التقني؛ أي يُسمح للجميع بالاستدعاء دون الحاجة إلى طلب إذن، حتى لو كان هناك طرف واحد فقط يستخدمها فعليًا. لكن عبارة "يمكن لأي شخص البناء" تعطي انطباعًا بوجود نظام بيئي يشارك فيه كثيرون، وهو أمر لا توجد له أدلة عامة إلى جانب اسم واحد.
تقع OpenGradient في منطقة بين حالتين يصعب الفصل بينهما بوضوح: من جهة، توجد بنية تحتية مفتوحة فعلًا من الناحية التقنية وتنتظر المزيد من المستخدمين، ومن جهة أخرى، يبدو الأمر كتجربة ثنائية مع شريك محدد تُغلفها لغة تسويقية بحجم أكبر مما تعكسه الحقيقة. وأعتقد أن الإجابة الصحيحة ستتضح فقط عند ظهور اسم ثانٍ. وحتى ذلك الحين، لا تزال "permissionless" صحيحة من حيث التعريف التقني، لكنها ليست صحيحة من حيث الإحساس بوجود نظام بيئي حقيقي. $SYN
$G
@OpenGradient $OPG #opg

+100% TP3 لقد تم تحقيقه بكثير لمن تابع إشاري $SYN #PaulNguyen

كان الجميع يذكر مشهد الاصطفاف الطويل أمام عدادات إجراءات السفر التقليدية عندما كان ai يطير في رحلة مزدحمة. كل شخص يقدّم أوراقه، يقوم الموظف بإدخال البيانات في النظام، ثم يطبع التذكرة ويلصق بطاقة الأمتعة، ولازم بضع دقائق لكل مسافر. ظهرت بعد ذلك عدادات الخدمة الذاتية التي تجمع كامل العملية في شاشة لمس واحدة: يقوم المسافر بإدخال البيانات بنفسه، ويتولى الجهاز المعالجة تلقائيًا، لتنتهي العملية في أقل من دقيقة.
يأتي تصميم واجهة BitQuant من OpenGradient للمستخدمين في عالم DeFi وفق منطق مشابه. فمتداول اعتاد الطريقة القديمة يحتاج إلى فتح عدة تبويبات في آن واحد: تبويب لعرض مخطط السعر، وتبويب لعرض مؤشرات مخاطر التصفية، وتبويب آخر لحساب تخصيص المحفظة، ثم يجمع هذه الأرقام يدويًا في ذهنه ليصل إلى قرار.
يقف OpenGradient وراء كامل جزء المعالجة، مخفيًا تحت واجهة سؤال-وجواب تلك: نموذج تحليل المخاطر، وبيانات on-chain، وخطوة التحقق من النتيجة—كلها تمر عبر بنية OpenGradient الخاصة قبل أن يعرض BitQuant الإجابة النهائية. يختار OpenGradient إخفاء التعقيد التقني الكامل خلف واجهة سؤال-وجواب بسيطة، مع الرهان على أن معظم مستخدمي DeFi يهتمون أكثر بالإجابة الصحيحة والسريعة من اهتمامهم برؤية كيف تعمل عملية التحقق في الخلفية.
تُسرّع عدادات الخدمة الذاتية الإجراءات لكنها لا تجعل أي شخص يفهم بعمق إجراءات المطار. وبالمثل، يُسهّل BitQuant استرجاع البيانات بسرعة أكبر لكنه لا يحوّل تلقائيًا الوافد الجديد إلى متداول يفهم السوق بعمق. $SYN $SPCX
@OpenGradient $OPG #opg

عقد ذكي تقليدي يعرف فقط جمع وطرح الأرقام، والتحقق من الشروط، وتحويل التوكنات، وهي حسابات بسيطة يمكن للآلة الافتراضية على إيثريوم معالجتها. إذا كنت ترغب في استخدام الذكاء الاصطناعي، يجب على العقد الاستعانة بأوراكل للاتصال بالخارج، للحصول على نتائج نموذج تم تشغيله مسبقًا في مكان ما، ثم إعادته. هناك تأخير، وطبقة من الثقة الوسيطة تدخل بينهما.

OpenGradient تختار إزالة تلك الطبقة الوسيطة للاستدلال ML. من خلال PIPE، محرك تنفيذ ML على السلسلة، وNeuroML، إطار عمل سوليديتي يساعد العقد في استدعاء نموذج الذكاء الاصطناعي، يمكن لعقد ذكي استدعاء نموذج مباشرة للحصول على نتائج الاستدلال في نفس المعاملة على السلسلة، ويتم معالجة الدفع بشكل طبيعي في نفس المعاملة، دون الحاجة لدفعه للخارج ثم الانتظار لإعادته.

هذا القرار يفتح إمكانيات مثيرة: يمكن لعقد إدارة الصناديق أن يستدعي نموذج توقع المخاطر مباشرة في منطق تخصيص الأصول، دون الحاجة إلى خطوة وسيطة خارج السلسلة. ولكن التكلفة واضحة أيضًا. العقد الآن يعتمد على ما إذا كانت عقدة الاستدلال جاهزة لخدمة المعاملة في الوقت المناسب، وتصبح تكلفة استدعاء نموذج الذكاء الاصطناعي جزءًا من تكلفة المعاملة، ولم تعد عملية حسابية رخيصة مثل جمع وطرح الأرقام العادية.

OpenGradient تراهن على أن دمج استدلال الذكاء الاصطناعي مباشرة في منطق العقد أكثر قيمة من المخاطر الإضافية التي تعتمد على طبقة البنية التحتية للاستدلال. هذه خطوة تمحو الحدود التي كانت قائمة دائمًا بين الكود الثابت على السلسلة والذكاء الاصطناعي الذي يعمل خارج السلسلة، وهي حدود لا تزال معظم تطبيقات Web3 الأخرى تحاول إيجاد جسور عبرها باستخدام الأوراكل، ولم تجرؤ بعد على دمجها مباشرة في معاملة واحدة.

@OpenGradient $OPG #opg

"الذكاء الاصطناعي القابل للتحقق" هو أحد المصطلحات الأكثر استخدامًا في عالم الكريبتو AI 2025. إذا سألت 10 أشخاص قرأوا هذا العنوان عن معنى "القابل للتحقق"، ستحصل على 5 إجابات مختلفة على الأقل. وكل تلك الفهم ليست خاطئة تمامًا، لكنها ليست صحيحة تمامًا أيضًا.
في الواقع الفني، "القابل للتحقق" له معنى واحد فقط: يمكنك إثبات أن عملية معينة قد حدثت بالطريقة التي تم وصفها بها. لا أكثر، ولا أقل.
لكن "القابل للتحقق" من OpenGradient ينتهي بالضبط في اللحظة التي يخرج فيها الناتج من السلسلة ويصل إلى المستخدم أو العقد الذكي. ما يحدث بعد ذلك، القرار المتخذ بناءً على ذلك الناتج، التنفيذ القائم على هذا القرار، وعواقب هذا العمل، تقع بالكامل خارج نطاق أي دليل. الجانب المؤيد: هذه هي حدود جميع أنظمة التحقق، وليس فقط OpenGradient، وتوفير التحقق من التنفيذ هو خطوة أكبر من معظم شبكات البلوكشين الأخرى. الجانب الذي يحتاج إلى الانتباه: عندما يقرأ المستخدم "الذكاء الاصطناعي القابل للتحقق" ويفهمه كـ "ذكاء اصطناعي موثوق للعمل على الفور"، فإن الفجوة بين التوقعات والواقع ليست مشكلة بروتوكول، بل ستصبح مشكلة للمستخدم عندما تحدث خسائر.
توفر OpenGradient 3 أشياء يمكن التحقق منها بواسطة التشفير: النموذج الصحيح الذي تم تشغيله في بيئة غير متداخلة، المدخلات التي هي أصلية من مصدر موثوق، والناتج هو النتيجة الكاملة لذلك النموذج دون أي تغيير على الطريق. OpenGradient فعلاً تقوم بكل هذه الأمور بشكل أفضل من معظم الشبكات التي تتشارك نفس السرد.
@OpenGradient $OPG #opg

فتحت مستندات اختبار الشبكة لـ OpenGradient لأجد البيئة الأقرب لما سيكون على الشبكة الرئيسية. بدلاً من إجابة واضحة، وجدت اختبارين يعملان بالتوازي. الاختبار الرسمي يسرد الاستنتاجات على السلسلة عبر PIPE مع ملاحظات قيد التطوير. نوفا، الاختبار الثاني الذي أُطلق لاحقًا، يحتوي على تلك الميزة بحالة أكثر اكتمالاً. لا توجد مستندات تشرح بوضوح أي من البيئات تعكس الشبكة الرئيسية الحقيقية.
بالنسبة لمطور يقوم بتقييم ما إذا كان يجب عليه البناء على OpenGradient أم لا، فإن هذا يخلق تكاليف خفية ليست بسيطة. هم ليسوا مضطرين لتجربة الميزات فحسب، بل يجب عليهم أيضًا أن يخمنوا أي اختبار هو الصورة الدقيقة لما هو قيد الإنتاج. البناء على اختبار خاطئ قد يجبرهم على إعادة العمل عندما تتصرف الشبكة الرئيسية بشكل مختلف.
OpenGradient تتطور بسرعة لدرجة أن سرعة إصدار الميزات تتجاوز سرعة تحديث الوثائق، وهذه مشكلة حقيقية تواجهها العديد من مشاريع البنية التحتية في مراحلها المبكرة. من الجدير بالذكر أن OpenGradient تتعامل بنشاط مع نوفا بدلاً من الانتظار حتى تكتمل كل شيء على الاختبار الرئيسي، وهذا يدل على فريق يفضل سرعة التطوير على اتساق الوثائق. لكن OpenGradient ستحتاج أيضًا إلى معالجة هذا السؤال قبل أن تبدأ في جذب المطورين من أنظمة بيئية أخرى، لأن المطورين الخارجيين لا يمتلكون السياق الداخلي لمعرفة أي من البيئات هي الحقيقية، ومطور يفقد اتجاهه منذ الخطوة الأولى غالبًا لا يعود مرة أخرى.
@OpenGradient $OPG #opg

طباخ قضى سنوات طويلة في تحسين وصفة، وبنى قاعدة عملاء مخلصين، ثم في يوم من الأيام قرر نشر الوصفة بالكامل على الإنترنت ليقوم الجميع بطبخها. يبدو وكأنه يقطع ميزة تنافسية عن نفسه. لكن هذا تقريبًا ما فعلته OpenGradient مع BitQuant.
بدأت BitQuant كمنتج مغلق، تعمل بنظام بيتا خاص مع أكثر من 50,000 مستخدم مسجل في الأيام الأولى من الإطلاق. هذه هي وكيل AI كمي يساعد المستخدمين في الاستفسار عن مخاطر التصفية، وعائدات المسبح، وتقلبات السوق بلغة طبيعية بدلاً من قراءة لوحة المعلومات بأنفسهم. بعد تلك المرحلة، فتحت OpenGradient الشيفرة المصدرية بالكامل للإطار تحت رخصة MIT، بما في ذلك منطق الوكيل، ونماذج الطلب، والاتصالات البروتوكولية، وكل شيء يمكن لفريق مهندسين آخرين تنزيله وإعادة بناء نسخة BitQuant خاصة بهم.
السبب الأكثر منطقية وراء هذا القرار هو أن OpenGradient لا تعتبر BitQuant كمنتج نهائي يحتاج إلى الحماية، بل تعتبره كدليل حي للبنية التحتية أدناه، Model Hub، HACA، والتحقق من الإعدادات المسبقة، التي يمكن استخدامها لبناء تطبيق DeFi جاد. القيمة ليست في الاحتفاظ بملكية وكيل واحد، بل في أن المزيد من الأشخاص يعيدون بناء نسخ مماثلة، وكلما زادت عدد الطلبات التي تمر عبر بنية OpenGradient، زادت الفائدة.
هذا الرهان يحمل مخاطر حقيقية، لأن أي شخص يمكنه أخذ هذا الإطار لتحسينه ثم المنافسة ضد BitQuant الأصلي. ولكن إذا كانت البنية التحتية الجديدة هي ما تريده OpenGradient فعلاً أن تبيعه، فإن خسارة منتج مقابل زيادة عدد مستخدمي البنية التحتية هي حساب منطقي.
@OpenGradient $OPG #opg

وظيفة شاغرة نشرتها OpenGradient توضح أن شبكتهم هي شبكة بلوكتشين متوافقة مع EVM، سلسلة متوافقة مع EVM تتمتع بوظائف كاملة كطبقة تنفيذ مستقلة. ولكن البيان الصحفي الأخير لعام 2026 يؤكد عكس ذلك بشكل واضح جداً، حيث أن OpenGradient ليست بلوكتشين مستقلة، بل هي معالج مساعد للذكاء الاصطناعي، طبقة معالجة متخصصة تخدم بلوكتشينات وتطبيقات أخرى.
الوصفين هذين لا يختلفان فقط في الكلمات، بل يختلفان في طبيعة الهندسة المعمارية. بلوكتشين مستقل يتحمل مسؤولية الإجماع، والأمان، والتنفيذ الخاص به. بينما يقوم المعالج المساعد بدور داعم، يوفر حسابات متخصصة لأنظمة أخرى لديها أصلاً طبقة إجماع خاصة بها. هذه ليست مجرد اختلافات صغيرة في التعبير، بل هي اختلافات في كيفية تحديد OpenGradient لمكانها في سلسلة القيمة.
يمكن تفسير هذا الاختلاف من خلال الجمهور المستهدف، حيث تستهدف وظيفة الشاغر مهندسين محتملين، أشخاص على دراية بمفهوم شبكة البلوكتشين. بينما يستهدف البيان الصحفي المستثمرين ووسائل الإعلام، ويحتاج إلى قصة واضحة حول كيفية تحديد OpenGradient لدورها في صناعة الذكاء الاصطناعي للعملات المشفرة. ولكن إذا كانت الوصفين متناقضين من حيث الطبيعة المعمارية، فهذا يدل على أن OpenGradient لم تتوصل بعد إلى توافق داخلي حول ما يجب أن تطلقه على نفسها.
OpenGradient بحاجة إلى اختيار قصة معمارية متسقة، ليس فقط من أجل وضوح الأمر للغرباء، ولكن لأن كيفية وصف الشبكة لنفسها غالباً ما تحدد كيفية استمرارها في البناء، حيث أن بلوكتشين مستقل ومعالج مساعد يخدم الآخرين سيتبعان مسارين تطويريين مختلفين تماماً.
@OpenGradient $OPG #opg

OpenGradient متوافق 100% مع EVM. أي مطور Solidity يمكنه استدعاء استنتاج AI الذي تم التحقق منه من العقد الذكي اليوم. لا حاجة لتعلم لغة جديدة، ولا حاجة لتغيير أدوات العمل.
هذه حقيقة تقنية. ليست تسويقية.

لكنني أريد التمييز بين شيئين مختلفين تمامًا: الوصول إلى المعلومات ومعرفة ما يجب فعله بهذا الوصول.

معظم بروتوكولات DeFi الحالية مبنية على افتراض أن العقد الذكي حتمي. نفس المدخلات، نفس المخرجات، في كل مرة. هذه هي أساس الثقة على الشبكة. عندما تضيف AI، خاصة LLM مع العشوائية الكامنة، فإن هذا الافتراض يتفكك.

ماذا يعني ذلك للمطور؟ ليس فقط تعلم كيفية استدعاء precompile الخاص بـ OpenGradient. بل يجب إعادة التفكير بالكامل في التصميم عندما لا تصبح بعض المنطق حتمية بعد الآن. متى يجب أن تثق في مخرجات AI؟ ماذا تفعل عندما تتعارض مخرجات AI مع الحالة على الشبكة؟ كيف تتعامل عندما يعود النموذج بنتائج تفوق التوقعات في لحظة حرجة؟

OpenGradient قد حلت الجزء التقني: كيف يمكن لـ Solidity استدعاء AI بطريقة يمكن التحقق منها. الجزء الأصعب بكثير يعود إلى مجتمع المطورين الذين يبنون على ذلك: تحديد الأنماط التي تعمل حقًا عندما يكون استنتاج AI جزءًا من منطق الشبكة، وأي الأنماط هي أفكار جيدة على الورق ولكنها كارثة في الإنتاج عندما تكون الأموال الحقيقية على الطاولة.

لا أقول هذا لإحباطك. أقول ذلك لأن هذا هو السؤال الذي يجب على الذين يبنون على OpenGradient التفكير فيه من اليوم الأول، وليس بعد نشر المشروع.
@OpenGradient $OPG #opg

سعر SYN ارتفع +68% خلال 24 ساعة وهذا ليس ضجيج عشوائي. إليك ما يدفعه.

قامت Synapse Labs بتغيير خريطة طريقها بالكامل لبناء Hypercall، وهو منصة تداول خيارات على السلسلة تم بناؤها مباشرة على محرك المطابقة وإدارة المخاطر الخاص بـ Hyperliquid. تم إطلاق النسخة التجريبية Alpha من Hypercall، مما يتيح للمستخدمين تداول خيارات SpaceX (SPCX) باستخدام USDC حقيقي. ثم في 13 يونيو، أطلقوا خيارات SPX - أكبر سوق مشتقات في العالم - على السلسلة للمرة الأولى على الإطلاق. تم تفعيل هامش المحفظة أيضًا هذا الأسبوع، والذي أشار إليه الفريق بأنه 'أكبر خطوة لـ $SYN .'

إليك لماذا هذا مهم للتوكن: نموذج إيرادات Hypercall يتضمن شراء $SYN من السوق المفتوحة. SYN هو توكن الحوكمة لبيئة Hypercall + Synapse بالكامل. مع قيمة سوقية تظل تحت $14M وقائمة في باينانس، فإنه واحد من أصغر التوكنات في البورصة مع منتج حي يحقق إيرادات. هذا المزيج أشعل الفتيل.

سعر SYN بلغ أدنى مستوى له عند $0.027 قبل 8 أيام فقط. عند $0.087، لقد حقق بالفعل 3x من الأدنى. حجم التداول على باينانس يتفجر. السوق يعيد تقييم هذا كلعبة خيارات حقيقية على السلسلة.

خطة التداول
الزوج: SYNUSDT
منطقة الدخول: $0.080 - $0.092 (اشترِ النطاق أو الانسحابات)
وقف الخسارة: $0.062 (تحت الهيكل الأخير)
الأهداف: TP1 $0.115 | TP2 $0.145 | TP3 $0.180
نسبة المخاطر إلى العائد عند الدخول المتوسط تقريبًا 1:3 إلى TP2

فكر في تقليص 40% عند TP1، و40% عند TP2، وترك الباقي يتحرك نحو TP3 إذا استمر الزخم.

تذكير بالمخاطر: SYN هو توكن ذو قيمة سوقية منخفضة. يوم +68% يعني أن هناك الكثير من جني الأرباح. هذا رهان عالي التقلب وغير متماثل - ليس مركزًا أساسيًا. حجم بشكل مناسب، لا تتبع قمة الشمعة، واحترم دائماً وقف خسارتك. قم بأبحاثك الخاصة.

هذا هو مرجع إعداد التداول الشخصي الخاص بي، وليس نصيحة مالية. لست مسؤولاً عن أي من قرارات تداولك
$SYN #PaulNguyen

سألت OpenGradient Chat سؤالًا خاصًا عن الصحة مرتين، بفارق أسبوع بينهما. في المرة الأولى سألت عبر الإنترنت بشكل عادي، دون تفكير كثير. في المرة الثانية، بعد أن قرأت بعناية الجزء الخاص بشرح oblivious relay وفقًا لمعيار RFC 9458، سألت نفس السؤال مرة أخرى، هذه المرة بوعي، وكأنني أُجري اختبارًا لنفسي.
كانت الإجابات في المرتين متشابهة تقريبًا في المحتوى. لكن شعوري أثناء كتابة السؤال كان مختلفًا تمامًا. في المرة الأولى كتبت مع بعض التردد المعتاد، مثل أي شخص قد يكتب سؤالًا خاصًا في أي دردشة. في المرة الثانية، كان ذلك التردد تقريبًا قد اختفى.

جلست أفكر لماذا كان الشعور مختلفًا، بينما التقنية في الأسفل لم أستطع اختبارها بالكامل بنفسي. الجواب هو أنني فهمت أن relay لا ترى سوى عنوان IP الخاص بي ولا ترى المحتوى، بينما gateway ترى المحتوى لكن لا تعرف من أنا. فهم الآلية الصحيحة يغير شعور الثقة، رغم أن إجابة الذكاء الاصطناعي لم تتغير.

اشتريت 120k BSB الأسبوع الماضي وأنا في ربح بنسبة 80%.

OpenGradient صممت هذه البنية الخصوصية ثلاثية الطبقات بدقة حتى لا يستطيع أي طرف، بما في ذلك OpenGradient، ربط هوية المستخدم بالمحتوى الذي يكتبونه. هذه هي المرة النادرة التي يجعلني فيها منتج ذكاء اصطناعي أؤمن ليس بسبب الوعود في سياسة الخصوصية، ولكن لأنني فهمت أن البنية هي التي تمنع حدوث ذلك، وأفهم أن البنية في الواقع أكثر أهمية مما كنت أعتقد عند تقييم منتج خاص بالخصوصية.
@OpenGradient $OPG #opg

على مدار الأسابيع الستة الماضية، بنيت مركزًا بقيمة 11,300 OPG. هناك نسخة من مشكلة وكيل الذكاء الاصطناعي التي لم تواجهها معظم فرق البنية التحتية بشكل كامل حتى الآن، ومعظم وثائق المشاريع تتخطى هذا الأمر. AlphaSense من OpenGradient هي واحدة من المنتجات القليلة التي تم بناؤها خصيصًا لمعالجة ذلك.
النسخة التي يتم مناقشتها هي الاستنتاج: التأكد من أن حسابات النموذج صحيحة، قابلة للتحقق، وغير قابلة للتلاعب. تم تصميم بنية HACA من OpenGradient، والتحقق من TEE، وإثباتات ZKML، لهذا الغرض. وهم يعملون.
النسخة التي تحظى باهتمام أقل هي طبقة الإشارة: ما البيانات التي يعتمد عليها النموذج قبل أن ينتج أي مخرجات. وكيل الذكاء الاصطناعي الذي يتخذ قرارات، إشارات تداول، تقييمات مخاطر، وقرارات تخصيص الموارد، لا يحتاج فقط إلى استنتاج صحيح. بل يحتاج إلى مدخلات صحيحة. استنتاج موثوق به على بيانات أسعار تم التلاعب بها، أو ردود API مزيفة، أو تغذيات خارجية معدلة لا يزال قرارًا خاطئًا. وهو قرار خاطئ يحمل الآن إثباتًا تشفيرياً، مما يجعل الطعن فيه بعد ذلك أصعب، وليس أسهل.
AlphaSense هي إجابة OpenGradient لمشكلة طبقة الإشارة. إنها تتيح للمطورين بناء سير عمل للذكاء الاصطناعي يمكن التحقق منه، مما يعطي الوكلاء الوصول إلى إشارات بيانات موثوقة قبل أن يقوم هؤلاء الوكلاء بالتفكير والعمل. الجزء "الذي يمكن التحقق منه" مهم. إنه يعني أن البيانات التي تدخل سير العمل يمكن أن يتم تأكيدها، بنفس الطريقة التي يمكن بها تأكيد الاستنتاج على تلك البيانات.
تعامل معظم الفرق التي تبني وكلاء الذكاء الاصطناعي لـ DeFi أو DePIN مع مشكلة الأوركل ومشكلة الاستنتاج كمشاكل منفصلة. بائعون مختلفون، نماذج ثقة مختلفة، نقاط دمج مختلفة. تقوم OpenGradient ببناء بنية تحتية حيث يجلس كلاهما في نفس أنبوب التحقق، وقابلية التدقيق الشاملة هي المنتج الفعلي.
الفجوة التي تغلقها AlphaSense ليست واضحة حتى تحاول بناء وكيل يجب أن يكون صحيحًا، وليس سريعًا فقط. بمجرد أن تكون هناك، تصبح هي السؤال الوحيد الذي يستحق طرحه.
<a>http://chat.opengradient.ai/</a>
@OpenGradient $OPG #opg

زراعة الإيردروب هي واحدة من تلك المشاكل التي يعترف بها الجميع في عالم الكريبتو بهدوء، ولا يحلها تقريبًا أحد بالكامل. النمط مألوف الآن، حيث يعلن مشروع ما عن إيردروب مرتبط بنشاط معين، ويقوم مجموعة من المستخدمين بأقل ما هو مطلوب، يطالبون بالتوكنات، ثم يقومون ببيعها على الفور، مما يترك المشروع مع مخطط مليء بضغوط البيع وقليل من الأدلة على أن أي شخص أراد المنتج بالفعل.
إمكانية الحصول على إيردروب الموسم الثاني من OpenGradient مبنية حول شرط محدد، حيث يصبح المستخدمون الذين يشترون اعتمادات ويستخدمونها في OpenGradient Chat مؤهلين. ليس مجرد ربط محفظة. ليس إرسال معاملة واحدة. شراء اعتمادات، إنفاق أموال حقيقية، واستخدامها فعليًا.
على الورق، هذا معيار أعلى بكثير من معظم معايير الإيردروب التي رأيتها، وهو مصمم بوضوح لتصفية الأشخاص الذين يحصلون على شيء من المنتج نفسه، وليس مجرد الأشخاص الذين يقومون بتحسين للحصول على مطالبة توكن مستقبلية.
لكن ها هي الفجوة. هذا التصميم يعمل فقط إذا كان هناك عدد كافٍ من المستخدمين الحقيقيين مستعدين لدفع ثمن الاعتمادات قبل أن يظهر أي إيردروب. إنها مشكلة دجاجة وبيضة. إذا لم يكن المنتج نفسه، النماذج الحدودية، التبديل بين النماذج المتعددة، بنية الخصوصية، توليد الصور، جذابًا بما يكفي بمفرده لتبرير إنفاق المال، فإن ربط الإيردروب بالإنفاق لا يخلق الطلب من العدم، بل يرفع فقط الحد الأدنى لمن يظهرون على الإطلاق.
فما الأمر؟ هل OpenGradient Chat جيد بما يكفي ليدفع الناس ثمن الاعتمادات بغض النظر، مع الإيردروب كحافز، أم أن الإيردروب هو الذي يقوم بالعمل الثقيل لجعل الناس يدفعون في المقام الأول؟ أعتقد أن الإجابة الصادقة هي على الأرجح كلاهما، في نقاط مختلفة لمستخدمين مختلفين، ولا أعتقد أن هناك طريقة نظيفة لفصل الدافعين الاثنين عن الخارج، بغض النظر عن مدى رغبة أي شخص في تفسير مرتب.
@OpenGradient $OPG
#opg

احتفظت بـ uniBTC لمدة ستة أسابيع حيث انخفض سعر BTC بأكثر من 20%. كنت أراقب سعر الصرف يرتفع طوال الوقت. استراتيجيات خزنة Bedrock كانت تولّد عائدات بغض النظر عن اتجاه السعر، وهذا هو بالضبط الهدف. في الأسبوع السادس، قمت بسحب حساب بالدولار الأمريكي لموقعي بالكامل.
كانت الموقف الصافي لا يزال سلبيًا بشكل ملحوظ من حيث الدولار.
أعدت الأرقام مرة أخرى. كان ارتفاع سعر الصرف حقيقيًا وقد تراكم باستمرار. لكن الانخفاض بنسبة 20% في سعر BTC على مدى ستة أسابيع ينتج عنه خسارة بالدولار لا يمكن لعائدات uniBTC العادية تعويضها بالكامل في نفس الإطار الزمني. كانت العائدات تتراكم على موقعي بالدولار BTC. كان السعر ينخفض مقابل الدولار. هاتان الديناميكيتان كانتا تعملان في الوقت نفسه، وكان أحدهما أكبر من الآخر.
كانت النقطة التحول أقل من كونها لحظة واحدة وأكثر من كونها إعادة ضبط بطيئة لكيفية تأطيري للموقف ذهنيًا. لقد دخلت إلى Bedrock جزئيًا كوسيلة لجعل حيازتي من BTC منتجة خلال الأسواق الجانبية أو الهابطة. ما لم أستوعبه تمامًا هو أن الإنتاجية في تأطير Bedrock تعني توليد عائد إضافي مقوم بـ BTC. لا تعني توليد عائد مقوم بالدولار الأمريكي يكفي لتعويض انخفاض سعر BTC.
ما كشفه هذا عن الأطروحة الأساسية لـ Bedrock هو تمييز تأطيري لا توضح تسويقات المنتج بشكل صريح. Bedrock تبني بنية تحتية للعائدات لحاملي Bitcoin الذين يفكرون بمصطلحات BTC، وليس لحاملي محافظ مقومة بالدولار الأمريكي الذين يحدث أن يمتلكوا BTC. بالنسبة للمجموعة الأولى، فإن uniBTC خلال فترة الانخفاض تفعل بالضبط ما ينبغي: accumulating more BTC than you would have held passively. للمجموعة الثانية، لا تزال خسارة بنسبة 20% في سعر BTC تؤلم بغض النظر عن ارتفاع سعر الصرف، ولا أي معدل عائد حالي على نطاق BTCFi يغلق تلك الفجوة خلال نافذة ستة أسابيع. كلا المجموعتين هما مستخدمو Bedrock. إنهم يمرون بتجارب مختلفة داخل نفس المنتج.
@Bedrock $BR
#Bedrock