J’utilise Chat d’OpenGradient depuis environ deux semaines, et il y a un point qui me bloque toujours : parmi tous les outils de discussion IA sur le marché, pourquoi est-ce que je choisirais celui-là ?
Honnêtement, si je n’avais pas monté l’environnement et testé deux fois sur des nœuds, je l’aurais probablement rangé dans la catégorie « encore un autre carcan d’IA ». Son architecture HACA sépare l’exécution et la vérification en deux chronologies distinctes : les nœuds d’inférence font tourner le modèle, et les nœuds complets ne font que vérifier la preuve. Sur le papier, ça paraît logique, mais au début je l’ai compris à l’envers. Je pensais que « vérifiable » signifiait que l’utilisateur pouvait valider le résultat immédiatement une fois qu’il l’obtient ; en réalité, non. L’utilisateur reçoit d’abord le résultat, puis la preuve arrive après. @OpenGradient
Le problème vient de là. J’en ai fait tourner quelques inférences simples : les réponses sont effectivement rapides, et la latence est bien plus faible que ce que j’imaginais. Mais à chaque fois que je réalise que le résultat et la preuve sont asynchrones, il y a une fenêtre de temps entre les deux—pendant cette fenêtre, j’ai le résultat, mais il n’a pas encore été vérifié. L’officiel appelle ça une « brèche temporaire de confiance ». Je ne sais pas trop comment le formuler : j’ai l’impression que le choix de ce terme est assez subtil. #OPG
Parlons aussi des méthodes de vérification. OpenGradient en propose trois : TEE, qui s’appuie sur le matériel et, au quotidien, suffit ; ZKML, basé sur des preuves mathématiques, avec un plafond de sécurité très élevé ; et Vanilla, qui appose simplement une signature et autorise la suite. L’inférence LLM passe par TEE par défaut, parce que l’overhead du ZKML est supérieur de plusieurs milliers par rapport à l’inférence elle-même. Mais quand j’ai regardé l’implémentation du TEE, j’ai constaté qu’il s’exécute sur AWS Nitro Enclaves. Quand on dit « sans confiance », en réalité, on fait toujours confiance au matériel d’AWS. La confiance n’a pas disparu : elle a juste changé d’hôte. $OPG
J’ai aussi calculé la répartition des tokens. L’offre totale est de 1 milliard de pièces, la circulation de 190 millions ; 81 % sont encore en chemin. L’écosystème : le fonds représente 40 % et constitue le gros morceau ; le TGE ne déverrouille que 10 %, le reste étant libéré progressivement sur 60 mois. Le 21 juin, 9,13 millions de tokens ont été déverrouillés, soit une valeur d’environ 1,62 million de dollars. La capitalisation en circulation est d’un peu plus de 30 millions de dollars, mais le FDV dépasse 150 millions—donc environ cinq fois plus.
Je ne dis pas que cela n’a aucune valeur. a16z et Coinbase Ventures ont investi 9,5 millions ; Binance ainsi que la bourse coréenne HanSo aussi listent en spot. Le CEO, Matthew Wang, a travaillé auparavant comme ingénieur en recherche dans Two Sigma, et le CTO, Adam Balogh, était le responsable technique principal de la plateforme d’IA de Palantir. Sur le plan « carte », c’est du lourd.
Mais les quatre mots « IA vérifiable », dans un contexte TEE, devraient au moins recevoir un correctif. Le slogan du ZKML est très accrocheur, mais ce qui tourne vraiment, c’est le matériel d’AWS. Cette nuance, dans les textes promotionnels, n’est pas explicitée.
Honnêtement, si je n’avais pas monté l’environnement et testé deux fois sur des nœuds, je l’aurais probablement rangé dans la catégorie « encore un autre carcan d’IA ». Son architecture HACA sépare l’exécution et la vérification en deux chronologies distinctes : les nœuds d’inférence font tourner le modèle, et les nœuds complets ne font que vérifier la preuve. Sur le papier, ça paraît logique, mais au début je l’ai compris à l’envers. Je pensais que « vérifiable » signifiait que l’utilisateur pouvait valider le résultat immédiatement une fois qu’il l’obtient ; en réalité, non. L’utilisateur reçoit d’abord le résultat, puis la preuve arrive après. @OpenGradient
Le problème vient de là. J’en ai fait tourner quelques inférences simples : les réponses sont effectivement rapides, et la latence est bien plus faible que ce que j’imaginais. Mais à chaque fois que je réalise que le résultat et la preuve sont asynchrones, il y a une fenêtre de temps entre les deux—pendant cette fenêtre, j’ai le résultat, mais il n’a pas encore été vérifié. L’officiel appelle ça une « brèche temporaire de confiance ». Je ne sais pas trop comment le formuler : j’ai l’impression que le choix de ce terme est assez subtil. #OPG
Parlons aussi des méthodes de vérification. OpenGradient en propose trois : TEE, qui s’appuie sur le matériel et, au quotidien, suffit ; ZKML, basé sur des preuves mathématiques, avec un plafond de sécurité très élevé ; et Vanilla, qui appose simplement une signature et autorise la suite. L’inférence LLM passe par TEE par défaut, parce que l’overhead du ZKML est supérieur de plusieurs milliers par rapport à l’inférence elle-même. Mais quand j’ai regardé l’implémentation du TEE, j’ai constaté qu’il s’exécute sur AWS Nitro Enclaves. Quand on dit « sans confiance », en réalité, on fait toujours confiance au matériel d’AWS. La confiance n’a pas disparu : elle a juste changé d’hôte. $OPG
J’ai aussi calculé la répartition des tokens. L’offre totale est de 1 milliard de pièces, la circulation de 190 millions ; 81 % sont encore en chemin. L’écosystème : le fonds représente 40 % et constitue le gros morceau ; le TGE ne déverrouille que 10 %, le reste étant libéré progressivement sur 60 mois. Le 21 juin, 9,13 millions de tokens ont été déverrouillés, soit une valeur d’environ 1,62 million de dollars. La capitalisation en circulation est d’un peu plus de 30 millions de dollars, mais le FDV dépasse 150 millions—donc environ cinq fois plus.
Je ne dis pas que cela n’a aucune valeur. a16z et Coinbase Ventures ont investi 9,5 millions ; Binance ainsi que la bourse coréenne HanSo aussi listent en spot. Le CEO, Matthew Wang, a travaillé auparavant comme ingénieur en recherche dans Two Sigma, et le CTO, Adam Balogh, était le responsable technique principal de la plateforme d’IA de Palantir. Sur le plan « carte », c’est du lourd.
Mais les quatre mots « IA vérifiable », dans un contexte TEE, devraient au moins recevoir un correctif. Le slogan du ZKML est très accrocheur, mais ce qui tourne vraiment, c’est le matériel d’AWS. Cette nuance, dans les textes promotionnels, n’est pas explicitée.