Autor: Chang'an, Shenchao TechFlow
Guía de Shenchao: El equipo de NEAR AI resolvió todas las 672 preguntas del prestigioso concurso de matemáticas universitarias de Norteamérica, con un costo total de aproximadamente 111 dólares, es decir, 0.17 dólares por pregunta. El equipo de NEAR AI utilizó el modelo de código abierto chino DeepSeek V4 para completar esta prueba. Esto no es simplemente una competencia de inteligencia de grandes modelos; detrás de la factura de poder computacional se encuentra un negocio de infraestructura que busca democratizar la “verificación formal” costosa de los contratos inteligentes.
Datos de prueba de un repositorio de código abierto, que revelaron el costo oculto de resolver problemas con modelos grandes.
Recientemente, según los datos publicados por Alex Skidanov, cofundador de NEAR Protocol, y la oficina oficial, el agente de NEAR AI resolvió las 672 preguntas matemáticas difíciles en PutnamBench.
Para lectores no familiarizados, PutnamBench no es una simple base de preguntas, sino una prueba de referencia creada a partir de los exámenes de la competencia matemática universitaria más prestigiosa de Norteamérica (William Lowell Putnam).
En palabras sencillas, se le pidió a la IA que realizara deducciones matemáticas rigurosas para ver si podía resolver los problemas por sí misma. Para completar todas las soluciones, NEAR AI gastó aproximadamente 111.85 dólares. En promedio, el costo por problema fue de 0.17 dólares.
En comparación, las facturas de otras soluciones que obtuvieron la puntuación máxima son mucho más caras.
Según los datos recopilados por MSBIntel, el costo promedio por pregunta es de hasta 44,5 dólares con GPT-5.6 de OpenAI; con Claude Opus 5 de Anthropic, cada pregunta también requiere 3,52 dólares.
En esta prueba específica, NEAR adoptó la solución de DeepSeek V4 y redujo los costos a la quinientésima parte de los de GPT-5.6.
Las cadenas públicas resuelven problemas matemáticos, pero el objetivo del bebedor no es el vino
El equipo de la cadena pública dedica esfuerzos a resolver problemas matemáticos, no con el objetivo de educar el mercado.
El requisito central de la prueba PutnamBench es la verificabilidad de la máquina: la respuesta generada por IA no puede ser solo un texto, sino que debe incluir código de prueba estricto escrito en Lean 4 (un lenguaje principal de asistente de pruebas).
Estos códigos no pueden tener vulnerabilidades sintácticas, no pueden omitir pasos de deducción y deben ser verificados al 100% por la máquina. Al mismo tiempo, esto en el campo de la ciencia de la computación corresponde a una tecnología clave: la verificación formal.
En relación con la industria criptográfica, los contratos inteligentes albergan cientos de millones e incluso miles de millones de dólares. La auditoría de código tradicional depende de la búsqueda manual de vulnerabilidades, mientras que la verificación formal utiliza lógica matemática rigurosa para demostrar línea por línea que el código no tendrá errores en ningún estado posible.
Durante mucho tiempo, la desventaja fatal de la verificación formalizada ha sido su alto costo y lentitud. Requiere expertos en seguridad de primer nivel y ciclos prolongados, y solo los proyectos líderes con grandes recursos pueden permitírselo.
Esta prueba de NEAR AI demostró la viabilidad de generar automáticamente pruebas matemáticas confiables mediante modelos de IA de código abierto, y además validó su bajo costo.
Infraestructura democratizada para la seguridad en la cadena
Reducir el umbral de la verificación formal a unas pocas décimas de dólar es el negocio real que NEAR está desarrollando.
Actualmente, este código que integra DeepSeek y Lean 4 está completamente abierto. La siguiente dirección anunciada oficialmente por NEAR es aplicar directamente estas herramientas de bajo costo a la verificación de seguridad del protocolo NEAR y sus contratos inteligentes principales.
Entonces, puedes entenderlo como una descentralización tecnológica, o más simplemente, como el equipo del proyecto actuando, relacionado con la narrativa de IA.
Si la IA de código abierto puede generar de forma estable pruebas de seguridad de código verificables por máquina, significa que los desarrolladores comunes y los equipos de proyectos pequeños también podrán realizar una verificación formal por menos de unos centavos antes de implementar contratos, reduciendo la probabilidad de problemas en los contratos inteligentes.
Sin embargo, objetivamente, esto no está directamente relacionado con los movimientos de precio a corto plazo del token NEAR. Pero en la competencia subyacente del ecosistema de cadenas públicas, gastar decenas de centavos para desactivar minas es mucho más valioso desde una perspectiva comercial real que gastar millones en reparaciones posteriores.