लेखक: चान्गान, शेनचाओ टेकफ्लो
शेनचाओ का सारांश: NEAR AI टीम ने 672 उत्तरी अमेरिकी शीर्ष विश्वविद्यालयीय गणित प्रतियोगिता के प्रश्नों को एजेंट के माध्यम से सभी हल कर लिए हैं। कुल लागत लगभग 111 डॉलर थी, जिसका औसत प्रति प्रश्न 0.17 डॉलर है। NEAR AI टीम ने इस परीक्षण को पूरा करने के लिए चीनी ओपन-सोर्स मॉडल DeepSeek V4 का उपयोग किया। यह केवल एक बड़े मॉडल की बुद्धिमत्ता की प्रतियोगिता नहीं है; गणना बिल के पीछे, महंगे स्मार्ट कॉन्ट्रैक्ट्स के "औपचारिक सत्यापन" को जनता के लिए सुलभ बनाने की एक बुनियादी व्यवसाय है।
एक ओपन सोर्स कोड लाइब्रेरी के टेस्ट डेटा ने बड़े मॉडल के समाधान लागत का राज खोल दिया।
हाल ही में, NEAR Protocol के सह-संस्थापक एलेक्स स्किडानोव और आधिकारिक अधिसूचनाओं के अनुसार, NEAR AI का एजेंट PutnamBench पर सभी 672 गणितीय समस्याओं को हल कर चुका है।
अनजान पाठकों के लिए, PutnamBench एक सामान्य प्रश्न बैंक नहीं है, बल्कि उत्तरी अमेरिका के शीर्ष स्नातक गणित प्रतियोगिता (विलियम लोवेल पुटनम) के प्रश्नों को औपचारिक रूप से बनाया गया एक बेंचमार्क है।
बस इतना है कि AI को सख्त गणितीय तर्क करने के लिए कहा गया, ताकि वह स्वयं समस्याओं को हल कर सके। सभी हल पूरे करने में NEAR AI ने लगभग 111.85 डॉलर का खर्च किया। औसतन, प्रत्येक प्रश्न की लागत 0.17 डॉलर है।
For comparison, other perfect-score solutions have much higher bills.
MSBIntel द्वारा तैयार किए गए डेटा के अनुसार, OpenAI के GPT-5.6 का उपयोग करने पर प्रति प्रश्न औसत लागत 44.5 डॉलर तक पहुँच सकती है; Anthropic के Claude Opus 5 का उपयोग करने पर प्रति प्रश्न 3.52 डॉलर की आवश्यकता होती है।
इस विशिष्ट परीक्षण में, NEAR ने DeepSeek V4 के समाधान का उपयोग करके लागत को GPT-5.6 के पांच सौवें हिस्से तक कम कर दिया।
पब्लिक ब्लॉकचेन गणित के प्रश्न हल कर रही है, शराबी का इरादा शराब में नहीं है
पब्लिक चेन टीम गणित के सवालों को हल करने में मेहनत कर रही है, जिसका लक्ष्य शिक्षा बाजार नहीं है।
PutnamBench परीक्षण की मुख्य आवश्यकता, मशीन की जांचयोग्यता है: AI द्वारा उत्पन्न एक केवल पाठ उत्तर नहीं होना चाहिए, बल्कि इसे Lean 4 (एक प्रमुख साबित करने वाली सहायक भाषा) का उपयोग करके कठोर साबित करने वाला कोड लिखना आवश्यक है।
इन कोड में व्याकरणगत दोष नहीं होने चाहिए, निष्कर्षण के चरणों को छोड़ा नहीं जा सकता, और इसे मशीन द्वारा 100% सत्यापित किया जाना चाहिए। इसके साथ ही, कंप्यूटर विज्ञान के क्षेत्र में यह एक महत्वपूर्ण प्रौद्योगिकी है, जिसे औपचारिक सत्यापन कहा जाता है।
और क्रिप्टो उद्योग से संबंधित रूप से, स्मार्ट कॉन्ट्रैक्ट्स पर कई सौ मिलियन या अरब डॉलर की राशि निहित होती है। पारंपरिक कोड ऑडिट में विवरणों की तलाश के लिए मानव शक्ति का उपयोग किया जाता है, जबकि फॉर्मल वेरिफिकेशन में कड़े गणितीय तर्क का उपयोग करके कोड को हर संभावित स्थिति में गलती के बिना साबित किया जाता है।
लंबे समय तक, औपचारिक सत्यापन की महत्वपूर्ण कमी इसकी महंगाई और धीमापन थी। इसमें शीर्ष सुरक्षा विशेषज्ञों और लंबे चक्र की आवश्यकता होती है, जो आमतौर पर केवल अच्छी तरह से वित्तपोषित शीर्ष पर dự án ही वहन कर सकते हैं।
NEAR AI के इस परीक्षण ने ओपन सोर्स AI मॉडल का उपयोग करके विश्वसनीय गणितीय प्रमाणों को बड़े पैमाने पर उत्पन्न करने की संभावना को साबित किया है, और इसकी कम लागत की पुष्टि भी की है।
On-chain security for mass infrastructure
NEAR वास्तविक व्यवसाय के रूप में फॉर्मल वेरिफिकेशन की लागत को कुछ दशमलव रुपये तक कम कर रहा है।
अभी, डीपसीक और लीन 4 को जोड़ने वाला यह कोड पूरी तरह से ओपन सोर्स हो चुका है। NEAR की आधिकारिक अगली दिशा, NEAR प्रोटोकॉल और इसके मुख्य स्मार्ट कॉन्ट्रैक्ट्स की सुरक्षा सत्यापन पर इस कम लागत वाले उपकरण का सीधे उपयोग करना है।
इसलिए, आप इसे एक तकनीकी डिस्ट्रीब्यूशन के रूप में समझ सकते हैं, या और अधिक सामान्य शब्दों में, प्रोजेक्ट टीम द्वारा AI नैरेटिव से संबंधित काम किया जा रहा है।
यदि ओपन सोर्स AI मशीन-वेरिफाय करने योग्य कोड सुरक्षा सबूत स्थिर रूप से उत्पन्न कर सकता है, तो भविष्य में सामान्य डेवलपर और छोटे प्रोजेक्ट टीमें भी स्मार्ट कॉन्ट्रैक्ट डिप्लॉय करने से पहले कुछ दशमलव रुपये की लागत में फॉर्मल वेरिफिकेशन चला सकती हैं, जिससे स्मार्ट कॉन्ट्रैक्ट की समस्याओं की संभावना कम हो जाती है।
हालांकि, वास्तविकता यह है कि यह NEAR टोकन की अल्पकालिक कीमत में उतार-चढ़ाव से सीधे जुड़ा हुआ नहीं है। लेकिन पब्लिक चेन इकोसिस्टम की नींव की प्रतिस्पर्धा में, कुछ दशमलव डॉलर का खर्च करके खतरे को दूर करना, लाखों डॉलर का खर्च करके बाद में सुधार करने की तुलना में अधिक वास्तविक व्यावसायिक मूल्य रखता है।