#OPG @OpenGradient
Les gars, la semaine dernière, j’aidais un ami à naviguer dans le paysage des modèles IA. Elle arrêtait pas de demander lesquels comptent vraiment ? Et honnêtement, je n’ai pas pu lui donner de réponse claire.
La plupart des modèles apparaissent, se font hype, puis disparaissent. Quelques-uns restent parce que les développeurs reviennent, les utilisateurs continuent de faire des inférences, et les mises à jour arrivent. Mais il n'y a pas de système de classement. Pas de marché qui décide tranquillement lesquels ont du potentiel à long terme.
C'est là que le hub de modèles d'Opengradient a attiré mon attention. Ils ont plus de 4 500 modèles hébergés, provenant de plus de 100 développeurs. Historique des versions, profils publics, catégories, terrain de jeu pour tester. Ça ne ressemble plus à un dépôt. Ça ressemble à un marché.
Les marchés boursiers ne décident pas quelles entreprises gagnent, les gens le font. C'est la même chose ici. Plus de 2 millions d'inférences vérifiables déjà traitées. Les modèles ne sont pas juste listés. Ils sont utilisés. Chaque inférence nécessite un paiement et une vérification via $OPG . Les validateurs vérifient les preuves computationnelles avant que l'activité ne s'engage. Plus d'utilisation signifie plus de demande pour cette couche de coordination.
J'ai rencontré quatre bugs en testant les téléchargements de modèles et les inférences : échec de téléchargement de blob vers walrus, la vérification d'attestation tee a eu un retard sous des requêtes concurrentes, la génération de preuve zkml a expiré sur des modèles complexes, et un glitch de versioning de modèle où le versionnement sémantique ne s'est pas bien mappé. Tous isolés. Pas de défaillances en cascade.
La séparation de l'exécution et de la vérification, le consensus cometbft, l'architecture haca, le pipe pour le ML on-chain fait que le hub ressemble à une infrastructure, pas juste à un stockage.
L'avenir ne pourrait pas être de construire le plus de modèles.
Il pourrait s'agir de regarder le marché décider tranquillement lesquels comptent.
Alors, quand un modèle cesse d'être un fichier et commence à devenir une économie ?
$OPG
Les gars, la semaine dernière, j’aidais un ami à naviguer dans le paysage des modèles IA. Elle arrêtait pas de demander lesquels comptent vraiment ? Et honnêtement, je n’ai pas pu lui donner de réponse claire.
La plupart des modèles apparaissent, se font hype, puis disparaissent. Quelques-uns restent parce que les développeurs reviennent, les utilisateurs continuent de faire des inférences, et les mises à jour arrivent. Mais il n'y a pas de système de classement. Pas de marché qui décide tranquillement lesquels ont du potentiel à long terme.
C'est là que le hub de modèles d'Opengradient a attiré mon attention. Ils ont plus de 4 500 modèles hébergés, provenant de plus de 100 développeurs. Historique des versions, profils publics, catégories, terrain de jeu pour tester. Ça ne ressemble plus à un dépôt. Ça ressemble à un marché.
Les marchés boursiers ne décident pas quelles entreprises gagnent, les gens le font. C'est la même chose ici. Plus de 2 millions d'inférences vérifiables déjà traitées. Les modèles ne sont pas juste listés. Ils sont utilisés. Chaque inférence nécessite un paiement et une vérification via $OPG . Les validateurs vérifient les preuves computationnelles avant que l'activité ne s'engage. Plus d'utilisation signifie plus de demande pour cette couche de coordination.
J'ai rencontré quatre bugs en testant les téléchargements de modèles et les inférences : échec de téléchargement de blob vers walrus, la vérification d'attestation tee a eu un retard sous des requêtes concurrentes, la génération de preuve zkml a expiré sur des modèles complexes, et un glitch de versioning de modèle où le versionnement sémantique ne s'est pas bien mappé. Tous isolés. Pas de défaillances en cascade.
La séparation de l'exécution et de la vérification, le consensus cometbft, l'architecture haca, le pipe pour le ML on-chain fait que le hub ressemble à une infrastructure, pas juste à un stockage.
L'avenir ne pourrait pas être de construire le plus de modèles.
Il pourrait s'agir de regarder le marché décider tranquillement lesquels comptent.
Alors, quand un modèle cesse d'être un fichier et commence à devenir une économie ?
$OPG