Paul Nguyen

Newtons KI-Agentenrichtlinien erzwingen Ausgabengrenzen, genehmigte Zahlungsempfängerlisten und Schutz vor Prompt-Injection, bevor eine Transaktion sich veranlassen lässt—und das wird als Agentensicherheit verkauft. Ich glaube, dass das echte Sicherheit ist, aber ich glaube auch, dass es eine unscharfe Grenze zwischen „einen kompromittierten Agenten eindämmen“ und „den Kampf gegen einen kompromittierten Agenten beenden“ gibt, und das sind nicht dieselben Behauptungen, obwohl die Verkaufsargumentation sie manchmal miteinander vermischt.

Hier ist die starke Version des Arguments. Ein Agent, der so manipuliert wird, dass er außerhalb seiner vorgesehenen Aufgabe handelt, stößt auf der Transaktionsebene an eine Wand, wenn die Aktion außerhalb seiner genehmigten Zahlungsempfängerliste liegt oder sein Mandatsumfang überschritten wird—selbst wenn der Dollarbetrag völlig vernünftig aussieht. Das ist tatsächlich ausgefeilter als nur eine einfache Ausgabengrenze; es prüft, ob der Agent das überhaupt tun sollte, nicht nur, ob er es sich leisten kann.

Hier ist die schwache Version, und ich denke, sie ist wichtiger, als die Leute ihr zugestehen. Alles, was Newton durchsetzt, geschieht auf der Transaktionsebene—also dem allerletzten Kontrollpunkt, bevor Geld in Bewegung gerät. Ein Prompt-Injection-Angriff, der die Überlegungen eines Agenten manipuliert, passiert vorgelagert davon, innerhalb des Entscheidungsprozesses des Modells selbst, bevor überhaupt irgendeine Transaktion entworfen wird. Newton kann die fehlerhafte Transaktion blockieren. Er kann aber nicht rückgängig machen, dass der Agent im ersten Schritt erfolgreich manipuliert wurde, und ein Agent, der immer wieder auf den Leim geht, wird weiter bösartige Transaktionsversuche generieren—wobei jeder einzelne nun jeweils erneut erkannt werden muss.

Löst Newton also Agentensicherheit oder begrenzt er den Schaden von einem Problem, das er tatsächlich nicht beheben kann? Ich denke, die ehrliche Antwort lautet Begrenzung, und diese Begrenzung ist wirklich wertvoll—die meisten Angriffe erhalten heute nicht einmal eine so spezifische Art der Verteidigung. Aber der schwierigere Kampf, nämlich einen Agenten bereits im ersten Schritt daran zu hindern, manipuliert zu werden, findet weiterhin vollständig vorgelagert von allem statt, was Newton berührt.
@NewtonProtocol $NEWT #Newt $HMSTR

Ein Verzeichnis über Urkunden, das nur die Eignung eines Käufers prüft, nachdem der Eigentumsübergang bereits stattgefunden hat, schützt in Wahrheit niemanden wirklich – es dokumentiert nur ein Problem, nachdem es zu spät ist, um es noch zu verhindern. Die echte Compliance bei Vermögenswerten in Krypto hat in der Praxis stillschweigend oft genau so funktioniert: Die Berechtigung wird einmal irgendwo vorgelagert geprüft, dann wird der tatsächliche Transfer durchgeführt, ohne eine echte Schranke im Moment, in dem es darauf ankommt.

Newton dreht diese Reihenfolge für RWAs um. Anlegereignung, Jurisdiktionsvorgaben, Übertragungsbeschränkungen und Sanktionsscreening werden bei der Ausgabe und bei jedem nachfolgenden Transfer durchgesetzt – nicht einmal geprüft und anschließend für immer als zuverlässig betrachtet. Ein tokenisierter Vermögenswert, der durch einen von Newton abgesicherten Vertrag läuft, wird anhand der aktuellen Eignungsregeln geprüft, genau in dem Moment, in dem jemand versucht, ihn zu übertragen. So, wie ein echtes Urkundenverzeichnis idealerweise die Eignung eines Käufers vor dem Abschluss des Verkaufs prüft – nicht nachdem die Unterlagen bereits eingereicht und die Schlüssel bereits gewechselt sind.

Dieser Vergleich trägt auch auf der Gegenseite. Ein Verzeichnis, das vor dem Abschluss prüft, ist langsamer; es schafft genau in dem Moment Reibung, in dem jemand möchte, dass die Transaktion einfach durchgeht. Niemand hat Spaß an einem Closing, das durch eine Compliance-Prüfung aufgehalten wird. Aber die Alternative – erst im Nachhinein festzustellen, dass ein Käufer nie hätte qualifiziert sein dürfen – bedeutet, eine bereits erfolgte Transaktion rückabzuwickeln. Das ist ein weitaus chaotischeres und teureres Problem als die Reibung, die man im Voraus hätte vermeiden können.

Newton setzt auf dieselbe Wette, die ein gut geführtes Verzeichnis macht: Dass das Erkennen eines nicht berechtigten Transfers, bevor er abgewickelt wird, die Reibung wert ist, weil das Rückgängigmachen eines solchen Transfers nachträglich die eigentliche kostspielige Fehlerart ist, die institutionelle RWA-Emittenten gerade vermeiden wollen. Diese Wette zahlt sich nur dann aus, wenn die Daten zur Eignung, die der Prüfung zugrunde liegen, genug aktuell bleiben, um im exakten Moment, in dem jeder Transfer stattfindet, auch wirklich vertraubar zu sein.
@NewtonProtocol $NEWT #Newt $RE

Eine 48-monatige Vesting-Sperrfrist und eine Crash-Diät folgen derselben Grundlogik: Disziplin zählt nur, wenn du dich tatsächlich daran hältst, sobald dich niemand mehr dazu zwingt.

NEWT startete mit nur 21,5 Prozent seines gesamten Gesamtangebots von 1 Milliarde im Umlauf; Ökosystem- und Infrastruktur-Zuteilungen waren hinter 48-monatigen linearen Freigaben gesperrt. Das ist ein echtes Commitment auf dem Papier. Die meisten „Utility-Token“-Launches versprechen langfristige Disziplin und finden dann eine Governance-Abstimmung, um sie beim ersten Mal zu lockern, wenn die Preisentwicklung unbequem wird.

Der unklare Teil, den noch niemand klären kann, ist folgender: Ein lineares Entsperrplan-Skript, das in ein Launch-Dokument geschrieben wird, ist nur so dauerhaft wie die Anreize dessen, der es später kontrolliert. Newtons Roadmap beschreibt einen Weg von der Kontrolle der Foundation hin zur Community-Governance, und Inhaber von NEWT werden irgendwann Mitspracherechte bei Parametern haben, die die aktuellen Bedingungen noch nicht vorsehen. Das ist die ehrliche Spannung: Das Governance-Mechanismus, der Kontrolle dezentralisieren soll, ist zugleich der Mechanismus, der eines Tages auch dafür stimmen könnte, einen Angebotsplan zu entschärfen, der derzeit diszipliniert aussieht.

Ich glaube nicht, dass das die aktuelle Entsperrung bedeutungslos macht. Ein 48-monatiges Commitment ist immer noch eine längere Startbahn als die meisten Token jemals versuchen. Aber zu behandeln, als sei es für immer fest eingesperrt, ignoriert, dass Governance-Token definitionsgemäß irgendwann die Regeln regieren können, die sie selbst definieren.

Das Token-Design von NEWT zeigt echte kurzfristige Disziplin, und ob diese Disziplin den Kontakt mit tatsächlicher Governance-Macht in den kommenden Jahren überlebt, können die Launch-Bedingungen allein nicht beantworten. Ich würde lieber die erste Governance-Abstimmung beobachten, die Entsperrparameter direkt berührt, als irgendeinem Launch-Dokument zu vertrauen—denn diese Abstimmung ist der Moment, in dem die Diät entweder durchhält oder stillschweigend von den Leuten neu verhandelt wird, die jetzt den „Fork“ in ihren eigenen Händen halten.
@NewtonProtocol $NEWT #Newt $RE

Die stabilste Stablecoin-Compliance, die ich Onchain je gesehen habe, endet an der Eingangstür. Bestehe beim Onboarding einmal einen KYC-Check, erhalte ein grünes Häkchen – und von da an schaut wirklich niemand mehr darauf, wie sich das Geld tatsächlich bewegt. Genau diese Lücke, auf die Regulierungsbehörden immer wieder hinweisen, wenn Stablecoin-Emittenten klarere Regeln fordern, ist genau die Stelle, an der sich Newtons Stablecoin-Richtlinien nicht wegducken.
Newton erzwingt Travel-Rule-Daten und Geschwindigkeitsgrenzen (Velocity Limits) zum Zeitpunkt der Übertragung – nicht nur beim Onboarding. Jede Übertragung oberhalb einer Schwelle trägt Informationen zum Absender und Begünstigten, die die Richtlinie prüfen kann, und die Velocity Limits fangen genau die Art von schnellen, strukturierten Bewegungen ab, die ein einmaliger KYC-Check niemals hätte erkennen sollen. Das ist für einen Emittenten ein deutlich größerer Aufwand als ein statischer Onboarding-Flow: Es gibt mehr Daten zu verwalten, mehr Bedingungen zu bewerten – bei jeder einzelnen Transaktion, statt nur bei der ersten.
Ich verstehe, warum die meisten Teams das überspringen. Compliance nur für das Onboarding ist einfacher zu implementieren und lässt sich in einem Sprint-Planning-Meeting leichter einem Product-Team erklären. Aber es ist auch ein Screening, das zu spät kommt, um etwas zu erwischen, das passiert, nachdem das Konto bereits freigegeben wurde – genau diese Lücke markieren Regulierungsbehörden in Stablecoin-Frameworks Jahr für Jahr, ohne dass sich daran viel ändert.
Das Newton-Protocol behandelt Stablecoin-Compliance als fortlaufenden Check auf der Transaktions-Ebene, nicht als einmaliges Onboarding-Gate. Travel-Rule-Durchsetzung und Velocity Limits gelten für jede Übertragung, die eine Richtlinie steuert – nicht nur für die allererste, die ein Nutzer jemals macht. Das ist langsamer zu integrieren und schwieriger zu pflegen als ein simples KYC-Checkbox-Setup, aber es ist der Unterschied zwischen Compliance, die ein Problem tatsächlich im Moment seines Auftretens erkennen kann, und Compliance, die nur jemals belegt, dass jemand irgendwann einmal – lange vor der Transaktion, die wirklich relevant war – einen Check bestanden hat.
@NewtonProtocol $NEWT #Newt $RE

Was auf Newtons Roadmap versprochen wird, ist breit gefächert: heute Tresore, reale Vermögenswerte, Stablecoins und morgen KI-Agenten – alles verankert in etwas, das „Internet of Policies“-Marktplatz genannt wird. Was bisher tatsächlich umgesetzt wurde, ist jedoch enger gefasst, und dieser Unterschied ist es wert, sich damit auseinanderzusetzen, statt einfach darüber hinwegzugehen.

Der Hintergrund ist hier wichtig. Zahlreiche Protokolle kündigen am ersten Tag eine weitreichende Roadmap an: RWAs, Stablecoins, agentisches Finance, die größten Hits aus jedem 2025- und 2026-Pitchdeck – und liefern dann im nächsten Jahr fast nichts davon aus. Das Muster ist so häufig, dass eine ambitionierte Roadmap an sich schon ein eher schwaches Warnsignal ist: ein Zeichen dafür, dass das Team eher eine Vision verkauft als zuerst eine Use-Case-Lösung richtig aufzubauen.

Newtons tatsächliche Reihenfolge liest sich anders, wenn man genauer hinsieht. Die Tresore wurden zuerst ausgeliefert – als Mainnet-Beta – mit einem funktionierenden SDK, Live-Datenpartnern und einem echten institutionellen Anwendungsfall, der bereits über Polymarket läuft. RWAs und Stablecoins wurden noch nicht ausgeliefert, und ebenso wenig der „Internet of Policies“-Marktplatz, auf dem Kuratoren vermutlich Richtlinien so listen und wiederverwenden würden, wie Entwickler heute Open-Source-Pakete wiederverwenden.

Die Auswirkungen, diese Reihenfolge falsch zu verstehen, wären ernst. Eine Policy-Engine, die eine einfache Sicherheitenprüfung in einem Tresor nicht zuverlässig durchsetzen kann, hat nichts damit zu tun, bei der Geldwäsche-/Sanktionenscreening für einen Stablecoin vertraut zu werden, der Milliarden bewegt – geschweige denn, Leitplanken für einen autonomen KI-Agenten zu liefern, der Entscheidungen trifft, ohne dass ein Mensch in der Schleife ist. Sich zuerst eng zu halten ist kein Mangel an Ambition, sondern der einzige glaubwürdige Weg, sich das Recht zu verdienen, später zu expandieren.

Der Newton Protocol behandelt Tresore als Prüfgrundlage für alles andere auf seiner Roadmap – nicht als das fertige Produkt. Das heißt, die Behauptungen zu RWA und Stablecoin sowie zu KI-Agenten bleiben Versprechen, bis die Tresor-Schicht tatsächlich unter realer Last bestanden hat. Das ist der ehrliche Stand der Lücke im Moment: keine Kritik, sondern einfach dort, wo der Zeitplan tatsächlich steht.
@NewtonProtocol $NEWT #Newt

Sage dezentralisiertes KI-Compute-Netzwerk für die meisten Menschen und ein bestimmtes Bild entsteht automatisch. Deine Anfrage prallt unvorhersehbar über ein paar weitläufige Peer-to-Peer-Schwärme, ohne einen einzelnen Punkt, der irgendetwas entscheidet—reines Zufallsprinzip, reine Verteilung, niemand in besonderer Weise, der deine konkrete Anfrage bearbeitet.

In der Architektur-Dokumentation von OpenGradient wird jedoch etwas beschrieben, das deutlich durchdachter ist als dieses Gedankenkopfbild. Eine Anfrage wird direkt an genau einen spezifischen, bereits ausgewählten Inferenzknoten weitergeleitet. Die Blockchain selbst ist explizit nicht der kritische Pfad für diese anfängliche Routing-Entscheidung. Ein einzelner Knoten, der über einen definierten Prozess ausgewählt wird, übernimmt deine eigentliche Berechnung.

Die Dezentralisierung in diesem Netzwerk zeigt sich erst danach darin, wie diese Knoten-Ausgabe verifiziert und abgerechnet wird—nicht darin, wie deine Anfrage zunächst einen Server gefunden hat. Vollknoten verifizieren Beweise und pflegen das Ledger, sobald ein Ergebnis zurückkommt. Der Routing-Schritt, der deine Frage überhaupt an einen Worker bringt, ist näher an einem normalen Load-Balancer, der eine klare Entscheidung trifft, als an einer chaotischen, unvorhersehbaren Verteilung über einen offenen Schwarm.

Dieser Unterschied ist wichtiger, als es klingt. Eine einzelne Routing-Entscheidung pro Anfrage—auch wenn sie gut gestaltet ist—hat ein anderes Maß an Zuverlässigkeit und Zensurresistenz als echte Multi-Path-Redundanz, bei der mehrere Knoten plausibel dieselbe Frage beantworten könnten.

OpenGradient dezentralisiert dort, wo es für seine eigentliche These am meisten zählt: bei Verifizierung und Beweis—dem Teil, mit dem du einer Ausgabe vertrauen kannst, ohne dem spezifischen Knoten vertrauen zu müssen, der sie erzeugt hat. Der Teil, den die meisten Neulinge sich als dezentral vorstellen—das Routing selbst—wirkt, ehrlich gesagt, als die eher zentralisierte Schicht der beiden, sobald du die Dokumente tatsächlich genau liest, statt dich von dem Gedankenkopfbild leiten zu lassen, das das Wort „dezentral“ normalerweise hervorruft.

@OpenGradient $OPG #opg $ARB

Ich habe das gesamte Blog-Archiv von OpenGradient in einem Rutsch durchgescrollt, teils aus Neugier und teils aus sturer Hartnäckigkeit, und am Ende war die Reihenfolge der Posts der interessanteste Teil der ganzen Aktion.
Direkt neben einer dichten technischen Ausarbeitung zum dynamischen AMM-Fee-Research sitzt eine Ankündigung für einen AI Agent Meme Contest. Ein paar Posts weiter unten folgt eine Galxe Early Bird Campaign Announcement. Scrolle ein bisschen weiter und du bist wieder im Forschungsbereich: Volatilitäts-Vorhersagemodelle, SUI-Return-Prognosen – das Ganze liest sich wie etwas, das in einer wissenschaftlichen Arbeit gehört und nicht in einem Feed.
Ich bin zurückgegangen und habe nachgezählt, einfach um ein Gefühl für das Verhältnis zu bekommen, und von den letzten paar Dutzend Posts im Archiv waren ungefähr 1 von 4 eine Art Community- oder Marketing-Ansprache statt eines Research-Updates oder einer Produktankündigung. Kein überwältigender Meme-Überfluss, aber genug, um es zu bemerken, sobald man gezielt damit anfängt zu zählen.
Ich bin mit der Erwartung reingegangen, einen Blog wie von einem Forschungslabor zu sehen, und habe stattdessen etwas gefunden, das eher nach einem normalen Content-Kalender eines Krypto-Projekts aussieht: Papers und Quests und Contests, alles im selben Scroll übereinandergestapelt – ohne irgendeine Trennung dazwischen.
Ich finde, das ist ehrlich gesagt kein schlechtes Bild, ganz ohne Cap. Ein Meme-Contest bringt Leuten Aufmerksamkeit auf das Projekt, die niemals auf ein AMM-Fee-Paper klicken würden, und die Research-Papers geben dem Projekt dann auch tatsächlich Substanz, sobald diese Augen da sind. Die erfolgreichsten Krypto-AI-Projekte laufen inzwischen genau mit dieser Mischung: Die Ära, strikt zwischen „seriösem Labor“ und „spaßigem Community-Projekt“ zu wählen, ist vor einiger Zeit zu Ende gegangen.
OpenGradient betreibt seine Inhalte im Grunde wie jedes andere Krypto-Projekt aktuell: Es versucht, sich eine Anhängerschaft aufzubauen, indem es echtes Research-Output mit Meme-Contests und Quest-Campaigns im selben Feed mischt, ohne eines davon für legitimer zu halten als das andere.
@OpenGradient $OPG #opg $VELVET $PUNDIX

Verbring einen Nachmittag damit, durch die öffentlichen Repositories von OpenGradient statt über die Startseite zu stöbern – und es zeigt sich ein Muster, das in den Marketingtexten nie erwähnt wird: Das Unternehmen schreibt nicht alles in einer einzigen Sprache. Der zentrale Netzwerk-Knoten ist in Go. Das Entwickler-SDK, also das, was die meisten Entwickler tatsächlich in ihre eigenen Projekte importieren, ist Python. Der Zahlungsabwicklungs-Service und das Frontend des Block-Explorers sind beide in TypeScript.

Das ist kein Zufall unterschiedlicher Ingenieurvorlieben, oder zumindest liest es sich nicht so, sobald man erkennt, für wen jedes einzelne Teil tatsächlich gedacht ist. Go ist eine sinnvolle Wahl für Infrastruktur, die schnell laufen und unter Last simpel bleiben muss – genau das, was den ganzen Tag über ein Konsens-Knoten leisten muss. Python ist die Standardsprache der Machine-Learning-Community: der Gruppe, die OpenGradient am ehesten braucht, um das SDK wirklich aufzugreifen und damit Modelle aufzurufen. TypeScript ist die Sprache der Web- und App-Entwickler, die den Explorer anfassen oder die Zahlungslogik in ihr eigenes Produkt einbinden.

Zusammengefasst ist die Entscheidung nicht „Welche einzelne Sprache ist für alles die beste?“, sondern „Welche Sprache kennt die Person, die dieses Teil bereits benutzen muss?“ Ein SDK mit starkem Python-Fokus senkt die Einstiegshürde für ML-Forscher, die nie zuvor mit Go zu tun hatten. Ein TypeScript-Explorer lässt sich für einen Frontend-Entwickler leichter erweitern als ein Go-Explorer.

Der Kompromiss ist intern, nicht extern. Ein polyglottes Setup bedeutet, dass das Team mit mindestens drei unterschiedlichen Sprach-Ökosystemen vertraut sein muss, statt sein Know-how um eine einzige Spezialisierung zu konsolidieren. Und das Onboarding eines neuen Ingenieurs heißt: erst klären, welchen Teil des Stacks er tatsächlich anfassen wird, bevor man entscheidet, welche Fähigkeit dafür relevant ist. OpenGradient scheint entschieden zu haben, dass sich diese Kosten lohnen, wenn jedes einzelne Bauteil sein tatsächliches Publikum dort abholt, wo es bereits steht – statt alle erst dazu zu bringen, als Erstes einen einheitlichen Standard des Unternehmens zu lernen.
@OpenGradient $OPG #opg $VELVET $LAB

Beim Durchsehen der Agent-Stack-Dokumentation von OpenGradient war nicht die Verifizierungsschicht der Teil, der mich stutzig gemacht hat – das ist schließlich der Bereich, den ohnehin alle erwarten. Es war eine kurze Passage über Wallets. OpenGradient baut nicht seine eigene Transaktions- und Signing-Infrastruktur, sondern bindet sich an bestehende Wallet-Anbieter Dritter, sodass ein verifizierter Agent Gelder über die meisten Chains bewegen kann, sobald er eine Aktion beschließt.

Stell dir ein Gericht vor, das ein Dokument beglaubigt, es abstempelt, bestätigt, dass es echt ist, es ins dauerhafte Register einträgt – aber es nicht ausdruckt oder zustellt. Der gesamte Ruf des Gerichts hängt davon ab, dass der Stempel vertrauenswürdig ist. Die Person, die das Papier verfasst, und die Person, die es zu seinem Ziel bringt, sind dabei getrennte Parteien – sie agieren außerhalb dessen, wofür das Gericht selbst bürgen kann.

So ungefähr sieht die Form von OpenGradients Agent-Stack aus. Der Gedankenschritt wird verifiziert, protokolliert, bestätigt. Die Entscheidung, zu der ein Agent gelangt, wird auf einem Explorer festgehalten, den jeder einsehen kann. Aber sobald tatsächlich Geld bewegt wird, passieren Signierung und Ausführung über Wallet-Infrastruktur – etwas, das OpenGradient nicht gebaut hat und das es auch nicht vollständig kontrolliert. Der Deal hat zwei Seiten. Wallet-„Outsourcing“ bedeutet, dass ein Agent viel mehr Chains erreicht, und zwar viel schneller, als es eine vollständig selbst gebaute Transaktionsschicht jemals könnte. Gleichzeitig bedeutet es aber auch, dass der folgenreichste Schritt in der Prozesskette – der Moment, in dem Gelder ein Wallet verlassen – eine Ebene außerhalb der Verifizierungsgrenze liegt, für die das Projekt bekannt ist.

OpenGradient hat hier Breite gegenüber voller vertikaler Kontrolle gewählt: Die Annahme war, dass eine verifizierte Entscheidung, die an fähige Wallet-Infrastruktur übergeben wird, nützlicher ist als ein vollständig in sich geschlossener Stack, der langsamer ist und weniger Chains erreicht. Das ist eine vertretbare Wette für ein frühes Agenten-Ökosystem, das möglichst überall gleichzeitig andocken will – aber es heißt, darauf zu vertrauen, dass das Vertrauen in die Begründung nur die halbe Gleichung ist. Die andere Hälfte hängt von Infrastruktur ab, die gerade außerhalb dessen liegt, was OpenGradient attestieren kann.
@OpenGradient $OPG #opg $SYN

Neuro Stack ist der Teil in der OpenGradient-Roadmap, auf den ich mit dem Begriff „permissionless composability“ hingewiesen werde: Gemeint ist, dass jede Entwicklergruppe ihre eigene KI-Blockchain bauen kann, genannt Neuro-Chain, und dafür die KI-Berechnungsschicht von OpenGradient als zugrunde liegenden Backend-Service gemeinsam nutzt.
Das klingt wie ein offener Spielplatz für alle, aber in den öffentlichen Mitteilungen, die ich durchsucht habe, konnte ich nur einen einzigen bestätigten Partner mit einem konkreten Namen finden: Peri Labs. Dabei handelt es sich um ein Team, das an einer KI-Kette arbeitet, die auf die Koordination von Milliarden DePIN-Geräten am Netzrand ausgerichtet ist. Außer diesem Namen konnte ich keine zweite Gruppe finden, die öffentlich bestätigt, Neuro Stack zu verwenden, um ihre eigene Kette aufzubauen.
Hier wird es für mich etwas unklar – nicht im negativen Sinne. Eine Technologie kann in dem Sinne völlig „permissionless“ sein, dass sie technisch so ausgelegt ist: Jeder darf sich einhängen, ohne eine Erlaubnis einholen zu müssen – selbst dann, wenn tatsächlich erst eine Seite sie nutzt. Aber der Ausdruck „jeder kann es bauen“ weckt die Erwartung nach einem Ökosystem, an dem viele Beteiligte mitwirken – dafür gibt es derzeit keine öffentlich belegten Hinweise, außer einem einzelnen Namen.
OpenGradient befindet sich zwischen zwei schwer eindeutig zu unterscheidenden Zuständen: Auf der einen Seite steht wirklich offenes Infrastrukturdesign, das technisch auf weitere Nutzer wartet; auf der anderen Seite wirkt es wie ein bilaterales Pilotprojekt mit einem konkreten Partner, nur dass ihm eine Marketing-Sprache angelegt wurde, die nach größer klingt als es der Realität entspricht. Und ich denke, die richtige Antwort wird erst dann klar, wenn ein zweiter Name auftaucht. Bis dahin bleibt „permissionless“ zwar im technischen Sinne korrekt, aber nicht im Sinne des Gefühls nach einem echten Ökosystem. $SYN
$G
@OpenGradient $OPG #opg

+100% TP3 far more reached for who has followed my signal $SYN #PaulNguyen

Früher, als ich noch überfüllte Flüge nahm, erinnerte sich jeder an das Bild langer Warteschlangen vor den Schaltern der traditionellen Check-in-Abfertigung: Jeder gab Dokumente ab, das Personal tippte die Daten ins System ein, druckte Tickets, brachte Gepäckanhänger an – und für jeden Kunden vergingen ein paar Minuten. Später wurden Self-Service-Check-in-Schalter eingeführt, die den gesamten Prozess in einem einzigen Touchscreen bündeln: Der Kunde gibt die Daten selbst ein, die Maschine verarbeitet sie automatisch – fertig in weniger als einer Minute.
BitQuant von OpenGradient gestaltet die Benutzeroberfläche für DeFi-Nutzer nach einem ähnlichen Prinzip. Ein Trader, der mit dem alten Vorgehen vertraut ist, muss dafür mehrere Tabs gleichzeitig öffnen: einen Tab für das Kursdiagramm, einen anderen für Kennzahlen zum Liquidationsrisiko, wieder einen weiteren, um die Portfolioallokation zu berechnen – und dann setzt er diese Zahlen gedanklich zusammen, um eine Entscheidung zu treffen.
Hinter dem gesamten Verarbeitungsteil, der sich hinter diesem Frage-Antwort-Feld verbirgt, steht OpenGradient: Das Risikoanalyse-Modell, die On-Chain-Daten und auch der Schritt der Ergebnisverifizierung laufen über die eigene Infrastruktur von OpenGradient, bevor BitQuant die finale Antwort anzeigt. OpenGradient entscheidet sich dafür, die gesamte technische Komplexität hinter einer einfachen Frage-Antwort-Oberfläche zu verbergen – in der Annahme, dass die meisten DeFi-Nutzer vor allem eine richtige und schnelle Antwort interessieren wird, nicht aber die Frage, wie die Verifizierungsprozesse im Hintergrund ablaufen.
Self-Service-Check-in macht es zwar schneller, aber vermittelt niemandem tiefergehendes Verständnis für den Ablauf im Flughafen. Ähnlich hilft BitQuant dabei, Zahlen schneller abzurufen, aber macht nicht automatisch aus einer Person ohne Vorerfahrung einen Trader, der den Markt wirklich in die Tiefe versteht. $SYN $SPCX
@OpenGradient $OPG #opg

Ein traditioneller Smart Contract kann nur addieren und subtrahieren, Bedingungen prüfen, Token übertragen – einfache Berechnungen, die die Ethereum-VM verarbeiten kann. Um KI zu nutzen, muss der Vertrag einen Oracle hinzuziehen, um Ergebnisse von einem vorab ausgeführten Modell abzurufen und zurückzubringen. Das führt zu einer Verzögerung und einer Vertrauensschicht, die dazwischen geschaltet ist.

OpenGradient hat sich entschieden, diese Zwischenebene für ML-Inferenz zu entfernen. Über PIPE, die Engine für ML on-chain, und NeuroML, das Solidity-Framework, das es dem Vertrag ermöglicht, KI-Modelle aufzurufen, kann ein Smart Contract direkt ein Modell ansprechen, um Inferenz-Ergebnisse in derselben on-chain Transaktion zu erhalten; die Zahlung wird auch nahtlos innerhalb dieser Transaktion verarbeitet, ohne dass sie nach außen geschoben und zurückgewartet werden muss.

Diese Entscheidung eröffnet interessante Möglichkeiten: Ein Fondsmanagement-Vertrag könnte ein Risikomodell direkt in der Logik der Vermögensallokation aufrufen, ohne einen Off-Chain-Zwischenschritt dazwischen. Aber die Kompromisse sind ebenso klar. Der Vertrag hängt jetzt davon ab, ob die Inferenz-Node bereit ist, rechtzeitig zum benötigten Transaktionszeitpunkt zu bedienen, und die Kosten für den Aufruf des KI-Modells werden Teil der Transaktionskosten, was nicht mehr so günstig ist wie die üblichen Additionen und Subtraktionen.

OpenGradient wettet darauf, dass die Integration von KI-Inferenz direkt in die Logik des Vertrags wertvoller ist als das zusätzliche Risiko, das von der Infrastrukturebene abhängt. Das ist ein Schritt, der die Grenze verwischt, die immer zwischen dem starren On-Chain-Code und der Off-Chain-laufenden KI existiert hat, eine Grenze, über die die meisten anderen Web3-Anwendungen noch nach einer Brücke durch den Oracle suchen, ohne sich zu trauen, sie direkt in eine einzige Transaktion zu integrieren.

@OpenGradient $OPG #opg

"Verifiable AI" ist einer der am häufigsten verwendeten Begriffe im Crypto AI 2025. Wenn du 10 Leute fragst, die gerade diese Headline gelesen haben, was "verifiable" bedeutet, wirst du mindestens 5 verschiedene Antworten erhalten. Und all diese Einsichten sind nicht ganz falsch, aber auch nicht ganz richtig.
In der technischen Praxis hat "verifiable" nur eine Bedeutung: Du kannst beweisen, dass ein bestimmter Prozess genau so abgelaufen ist, wie er beschrieben wurde. Nicht mehr, nicht weniger.
Aber das "verifiable" von OpenGradient endet genau in dem Moment, in dem der Output die Chain verlässt und beim Nutzer oder Smart Contract ankommt. Was danach passiert, die Entscheidungen, die auf diesem Output basieren, die Aktionen, die auf diesen Entscheidungen beruhen, und die Konsequenzen dieser Aktionen liegen völlig außerhalb des Bereichs jeglicher Beweisführung. Unterstützender Punkt: Das ist die Grenze aller Verifizierungssysteme, nicht nur von OpenGradient, und die Bereitstellung von Execution Verification ist ein größerer Fortschritt als das, was die meisten Blockchains leisten. Punkt, auf den man achten sollte: Wenn Nutzer "verifiable AI" lesen und es als "vertrauliche AI, um sofort zu handeln" verstehen, ist die Kluft zwischen Erwartung und Realität nicht das Problem des Protokolls, sondern wird zum Problem der Nutzer, wenn Verluste eintreten.
OpenGradient bietet 3 Dinge, die kryptografisch verifiziert werden können: Das richtige Model wurde in einer unmanipulierten Umgebung ausgeführt, die Eingabedaten sind authentisch aus einer verifizierten Quelle, und der Output ist das unveränderte Ergebnis dieses Modells, ohne dass unterwegs Änderungen vorgenommen wurden. OpenGradient macht tatsächlich alle 3 besser als die meisten Netzwerke mit demselben Narrative.
@OpenGradient $OPG #opg

Ich habe das Testnet-Dokument von OpenGradient geöffnet, um die Umgebung zu finden, die am nächsten an dem ist, was auf dem Mainnet laufen wird. Anstatt eine klare Antwort zu finden, habe ich zwei parallel laufende Testnets entdeckt. Das offizielle Testnet listet On-Chain-Schlussfolgerungen über PIPE mit dem Hinweis, dass es sich in der Entwicklung befindet. Nova, das zweite Testnet, das später gestartet wurde, hat diese Funktion jedoch in einem vollständigeren Zustand. Es gibt keine Dokumentation, die klar erklärt, welches die Umgebung ist, die das echte Mainnet widerspiegelt.
Für einen Entwickler, der bewertet, ob er auf OpenGradient aufbauen soll, entstehen dadurch erhebliche versteckte Kosten. Sie müssen nicht nur die Funktionen testen, sondern auch selbst herausfinden, welches Testnet das genaue Abbild dessen ist, was bald in die Produktion geht. Auf einem falschen Testnet zu bauen kann dazu führen, dass sie alles neu machen müssen, wenn das Mainnet sich anders verhält.
OpenGradient entwickelt sich so schnell, dass die Geschwindigkeit, mit der neue Features herauskommen, die Aktualisierung der Dokumentation überholt, und das ist ein praktisches Problem, mit dem viele Infrastrukturprojekte in der frühen Phase konfrontiert sind. Bemerkenswert ist, dass OpenGradient aktiv auf Nova testet, anstatt darauf zu warten, dass alles auf dem offiziellen Testnet vollständig ist, was ein Zeichen für ein Team ist, das die tatsächliche Entwicklungs-geschwindigkeit über die Konsistenz der Dokumentation priorisiert. Aber OpenGradient wird auch diese Frage klären müssen, bevor es beginnt, Entwickler aus anderen Ökosystemen zu gewinnen, da externe Entwickler keinen internen Kontext haben, um zu wissen, welches die echte Umgebung ist, und ein Entwickler, der von Anfang an orientierungslos ist, kommt oft nicht zurück.
@OpenGradient $OPG #opg