Saya memasang tabel alokasi $OPG baris demi baris dan macet di satu bagian. Core Contributors: 15 persen, dan di sampingnya - 1,5 miliar token. Tidak cocok. Supply @OpenGradient fixed - 1 miliar, ini MiCA white paper dan treker. Dari 1 miliar 15 persen - itu 150 juta, bukan 1,5 miliar. Enam baris sisanya “ngaret” di angka 1 miliar, persentasenya menghasilkan 100. Ini lebih seperti salah cetak, bukan pembagian tersembunyi.
Sementara postingan membahas ulang marketing, saya mengecek angkanya dengan tangan. Saya membayar untuk pemakaian nyata OpenGradient dan mencatat harga. Gambar di Image Studio dari OpenGradient - 99 dan 30 kredit untuk model-model berbeda, tugas Agent - 62. Operasi biayanya berbeda tergantung bobot komputasi, bukan tergantung merek. Kredit dipetakan ke komputer—ini ekonomi, bukan kasino.
Dan hal yang dilewatkan hype: 4 persen airdrop langsung sudah dibuka, sedangkan Core Contributors berada di bawah cliff 12 bulan dengan linear vesting 36 bulan. Vesting menjaga orang dalam OpenGradient tetap terikat, tidak memungkinkan mereka “dibanting” di awal. Ini menguntungkan kamu.
Lihat: chat.opengradient.ai, di sana ada penggunaan dan tokenomikanya. #opg
Pertanyaan terbuka: apakah kesalahan sepuluh kali lipat yang tepat pada baris tentang orang dalam itu hanya salah cetak yang tidak ada yang memperbaiki, atau justru indikator seberapa telitinya mereka merawat angka-angka yang kamu lihat per memutuskan?
Sementara postingan membahas ulang marketing, saya mengecek angkanya dengan tangan. Saya membayar untuk pemakaian nyata OpenGradient dan mencatat harga. Gambar di Image Studio dari OpenGradient - 99 dan 30 kredit untuk model-model berbeda, tugas Agent - 62. Operasi biayanya berbeda tergantung bobot komputasi, bukan tergantung merek. Kredit dipetakan ke komputer—ini ekonomi, bukan kasino.
Dan hal yang dilewatkan hype: 4 persen airdrop langsung sudah dibuka, sedangkan Core Contributors berada di bawah cliff 12 bulan dengan linear vesting 36 bulan. Vesting menjaga orang dalam OpenGradient tetap terikat, tidak memungkinkan mereka “dibanting” di awal. Ini menguntungkan kamu.
Lihat: chat.opengradient.ai, di sana ada penggunaan dan tokenomikanya. #opg
Pertanyaan terbuka: apakah kesalahan sepuluh kali lipat yang tepat pada baris tentang orang dalam itu hanya salah cetak yang tidak ada yang memperbaiki, atau justru indikator seberapa telitinya mereka merawat angka-angka yang kamu lihat per memutuskan?