MegaETH se rebrandea como MEGA y asigna $30 millones al mercado de inferencia de IA

Autor: David Christopher, Bankless

Compilado por Deep潮 TechFlow

Guía de Shenchao: El proyecto de L2 de Ethereum, anteriormente conocido por su rendimiento extremo, MegaETH, ha sido oficialmente renombrado como MEGA y anunció la asignación de $30 millones desde su tesorería para desarrollar productos propios; la primera aplicación enfocada en el mercado de inferencia de IA descentralizada se espera que se lance en diciembre.

Ante la creciente homogeneización de las tecnologías de validación de modelos en el mercado, solo demostrar que los nodos de prueba "no han intercambiado" ya no es suficiente para construir una ventaja competitiva. Este artículo analiza en profundidad las dos ideas diferenciadoras más destacadas del whitepaper de MEGA: la anonimización de privacidad alejada de una perspectiva centralizada y los contratos futuros de poder computacional, con una persuasión poderosa orientada al futuro.

El martes de esta semana, la MegaETH Foundation anunció oficialmente su rebranding como MEGA y declaró la asignación de $30 millones desde su tesorería para desarrollar productos propios, destacando el lanzamiento en diciembre de un mercado de inferencia de IA.

El mercado de inferencia es un nuevo segmento que he estado siguiendo de cerca recientemente: en este mercado abierto, cualquier persona puede comprar, vender o revender permisos para llamar a modelos de IA, a precios generalmente inferiores a los precios oficiales de los grandes laboratorios. La demanda actual del mercado es muy fuerte, y el uso de la mayoría de los mercados de inferencia está aumentando de forma constante.

Dado que este segmento aún se encuentra en etapas tempranas y la financiación de los servicios de IA está en sus inicios, considero que, para el equipo de MegaETH, que creó la L2 de Ethereum con "velocidad extrema", este giro brusco es, sin embargo, una elección inteligente.

Este giro también conlleva una urgencia práctica. Actualmente, el TVL de esta cadena pública se mantiene por debajo de los $10 millones, una caída significativa desde su pico de más de $245 millones en mayo. El cofundador Shuyao Kong también admitió en la plataforma X: “Después de desarrollar la cadena pública más rápida sin lograr un buen ajuste entre producto y mercado (PMF)”, el equipo debe realizar cambios.

Los mecanismos específicos del nuevo mercado de inferencia, los proveedores de capacidad de cómputo y la lista de modelos lanzados permanecen confidenciales hasta el lanzamiento oficial, pero un documento blanco de tres páginas ya esboza las ideas centrales del equipo.

A continuación, desglosaremos la afirmación central de esta narrativa comercial para identificar su eslabón más débil y determinar qué puede permitirle a MEGA abrirse paso entre la competencia.

La cuenta oficial de MEGA (@mega_holdings) anunció en un tweet: “Hoy, nos comprometemos a invertir $30 millones en MegaETH para desarrollar un nuevo producto, con el primer enfoque en IA reasoning. Detalles en mega.holdings.”

El punto de entrada de MEGA proviene del llamado "paradójica de la oferta" que propone: muchos proveedores de potencia de cálculo de terceros ofrecen el mismo modelo de código abierto a un precio mucho más bajo que el precio cotizado por el laboratorio original que lo desarrolló.

Con la plataforma OpenRouter como ejemplo, el precio de GLM 4.6 proporcionado por el desarrollador Z.ai es de $2.20 por millón de tokens de salida, mientras que el proveedor externo Venice solo cobra $1.75. A pesar de la diferencia clara, MEGA considera que la mayoría de los compradores aún prefieren pagar un precio más alto para utilizar el canal oficial, ampliamente conocido.

Para ello, MEGA propone una solución que introduce un conjunto completo de mecanismos de verificación llamado "Purified Intelligence", que valida la autenticidad del modelo, el cumplimiento de la privacidad y la seguridad de los proveedores, demostrando que terceros desconocidos también son confiables.

Su objetivo final es crear un mercado de negociación donde la capacidad de razonamiento esté completamente estandarizada. Como se indica en el whitepaper, en el estado ideal, “cada vez será menos relevante quién proporcione este servicio de razonamiento.”

En otras palabras, toda la narrativa se basa en "establecer confianza", especialmente en "verificar modelos de llamadas reales". Pero precisamente desde aquí es donde comienzo a tener dudas.

En primer lugar, los supuestos industriales preestablecidos de MEGA no son completamente válidos.

Los proveedores de potencia de cómputo de bajo costo actualmente no han sido ignorados por el mercado: la plataforma de enrutamiento de inferencia popular OpenRouter ya otorga recompensas prioritarias a los canales de bajo costo en su enrutamiento predeterminado, y la plataforma atribuye la mayoría de las diferencias en la calidad de salida entre diferentes proveedores a las configuraciones del software de llamada a herramientas (tool-calling), y no a cambios intencionados de modelos.

Aunque el fenómeno de "intercambio de modelos" criticado en el whitepaper como base es objetivamente real, la evidencia más concluyente se produce principalmente en canales informales de reventa ilícita. Un estudio publicado en marzo de este año, tras probar a tres de estos vendedores de caja negra, descubrió que hasta un 46% de las verificaciones de identidad fallaron.

Más importante aún, las herramientas tecnológicas diseñadas para detectar estos intercambios fraudulentos están surgiendo aceleradamente por todos lados:

• Identificación por huella digital (Fingerprinting): La semana pasada, el mercado de inferencia Antseed activó oficialmente una nueva capa de verificación de huella digital. Este sistema somete a los vendedores de capacidad de cómputo a preguntas con características poco comunes que solo ciertos modelos pueden responder; si se detecta que el vendedor no está ejecutando el modelo que afirma, se redirige inmediatamente la solicitud del comprador a otro lugar.

• Hardware isolation (TEE): A Trusted Execution Environment (TEE) is a secure black box within the chip that even the machine owner cannot access, enabling public verification of exactly what code is running inside the chip. Buyers of Antseed can currently directly request service providers to enable this hardware verification.

• Pruebas criptográficas: A principios de este mes, Anthropic lanzó como código abierto un prototipo de solución que utiliza métodos matemáticos para verificar que las respuestas fueron generadas realmente por pesos de modelo específicos (FlashProve), aunque cada inferencia individual consume entre 70 y 95 veces más potencia de cálculo que una solicitud normal.

Además, el equipo de Pearl también está desarrollando su propia versión de prueba basada en Attestable 开发自研证明版本.

El whitepaper de MEGA menciona simultáneamente las tres soluciones anteriores y reconoce que cada una presenta limitaciones técnicas, pero no especifica claramente cuál adoptará finalmente. Es probable que el equipo integre una o varias de ellas, lo cual, por supuesto, merece reconocimiento.

Sin embargo, la realidad es que actualmente ya existen numerosos equipos enfocados en resolver la misma problemática, y la mayoría de las herramientas de validación ya están abiertas y disponibles de forma gratuita para toda la industria. La barrera psicológica de los compradores hacia los proveedores de servicios externos está desapareciendo rápidamente, y simplemente implementar la función de "validación de modelos" ya no es suficiente para que MEGA se destaque.

En ese caso, las otras dos ideas clave en el whitepaper son lo que realmente distingue a MEGA.

La primera dirección es la protección de la privacidad. MEGA propone anonimizar y limpiar los detalles sensibles antes de que el proveedor de capacidad de cómputo vea la solicitud del usuario, y dividir tareas complejas entre nodos confiables y no confiables para su procesamiento. Este diseño tiene un gran significado práctico, ya que actualmente la protección de privacidad que realmente puede evitar que el proveedor vea los prompts mediante hardware cerrado sigue limitada principalmente a modelos de código abierto.

Para invocar de forma segura modelos grandes de vanguardia de código cerrado mientras se preserva la privacidad, la "limpieza local de información sensible" es casi la única vía de compromiso. Sin embargo, la implementación práctica de esta solución también presenta una dificultad extremadamente alta.

El año pasado, Freysa ya había implementado una función similar en su aplicación Enchanted, ahora denominada Silo, reemplazando frases privadas con marcadores de posición para permitir a los usuarios acceder de forma segura a modelos propietarios como GPT y Claude.

Pero Freysa anunció en noviembre de 2025 que, debido a las diferencias en el rendimiento real de los dispositivos móviles, el equipo tuvo que migrar los cálculos de anonimización fuera de la aplicación móvil; el registro de actualizaciones de julio de su aplicación iOS eliminó directamente esta función.

De la misma manera, el proceso de desidentificación de la versión MEGA debe ejecutarse completamente fuera del alcance de MEGA, por ejemplo, realizándose totalmente en la computadora local del usuario o en hardware cerrado; de lo contrario, el usuario simplemente estaría transfiriendo la información sensible que originalmente debía entregar al proveedor de inferencia a MEGA.

MegaETH cofundador Yilong Li (@yilongl_megaeth) también señaló al publicar recientemente el whitepaper: "Ampliar más capacidad de IA solo hace la mitad bien. Incluso si los proveedores tienen el modelo correcto, suficiente capacidad de cómputo disponible y precios más bajos, los usuarios no pagarán si no confían en que los proveedores realmente ejecutan los modelos según lo anunciado y protegen sus datos."

El segundo punto destacado es la capacidad futura de cómputo (Future Capacity). El whitepaper de MEGA propone un mecanismo en el que los compradores pueden reservar anticipadamente, dentro de una ventana de tiempo específica, modelos determinados, volúmenes de llamadas fijos y estándares mínimos de rendimiento (incluyendo velocidad de respuesta y estabilidad) a precios fijados, y en el futuro podrán transferir estos contratos de capacidad futura en mercados secundarios.

Puedes compararlo con una empresa que, antes de organizar una gran cumbre de la industria, reserva por adelantado y en grandes cantidades habitaciones de hotel. Los compradores pueden asegurar suficiente capacidad de cómputo antes del lanzamiento de un producto importante, y si cambian de planes, pueden venderla en el mercado; mientras que los proveedores de capacidad de cómputo pueden utilizar estas demandas aseguradas como garantía para obtener financiamiento de prestamistas y así comprar más GPU para expandir su capacidad.

Cuando este tipo de contratos de negociación alcancen una escala significativa, el mercado generará una "curva de fijación de precios forward" abierta y transparente. Aunque gigantes financieros tradicionales como la Bolsa de Valores de Nueva York (ICE) planean lanzar futuros de potencia de GPU para cubrir el costo del alquiler por hora de chips, estos no pueden especificar qué modelo se ejecutará ni cómo será el resultado de salida; en comparación, los contratos forward de MEGA están directamente anclados al "producto final" del modelo.

De todos los mercados de razonamiento en cadena que he evaluado hasta ahora, ninguno ofrece un mecanismo similar, y precisamente aquí es donde la tecnología blockchain puede maximizar su capacidad para garantizar y transferir valor.

Sin embargo, aún persiste una contradicción profunda: el costo del razonamiento de IA está disminuyendo rápidamente, y los modelos principales se reemplazan por completo cada pocos meses; ¿por qué los compradores deberían bloquear hoy un precio fijo o un modelo específico para dentro de varios meses?

Quizás los compradores corporativos no están adquiriendo un precio bajo, sino un asiento garantizado que nunca se desconectará durante los picos, o bien están utilizando esto para cubrirse contra el aumento repentino en las facturas de llamadas tras la reducción de las generosas subvenciones de los principales fabricantes de IA. Por ahora, aún no he llegado a una conclusión clara al respecto.

Por ahora, los dos puntos destacados mencionados anteriormente aún se encuentran solo en las etapas de boceto del whitepaper. El equipo no ha publicado ningún código, y el whitepaper no especifica claramente qué proveedores de capacidad de cómputo tienen derecho a acceder, quién llevará a cabo la verificación y auditoría, ni dónde se ejecutarán finalmente las herramientas de privacidad y anonimización.

El whitepaper completo no menciona en absoluto el token nativo. Cuando se le preguntó sobre el papel del token MEGA en el mercado de inferencia, Shuyao Kong respondió en una entrevista con The Block: "Utilizaremos cualquier escenario que pueda potenciar el token MEGA."

Respecto a los $30 millones en fondos del tesoro que superan la mitad del capitalización de mercado en circulación de MEGA, aún no se ha publicado ningún plan de presupuesto detallado.

Las respuestas parciales de esto se revelarán gradualmente en el próximo diciembre. A continuación, me centraré en tres indicadores clave de implementación: los primeros proveedores de servicios con nombre firmados y los detalles de admisión, el方案 de anonimización que funcione realmente fuera del alcance de MEGA, y el primer contrato de capacidad futura asumido por un contraparte real.

En última instancia, la verificabilidad solo coloca a MEGA en la línea de partida de la carrera de razonamiento; solo resolver los problemas de privacidad real y entrega de capacidad de cómputo a largo plazo determinará si realmente puede destacarse.