हाल ही में, जब मैं NEAR के GitHub पर घूम रहा था, तो मुझे एक दिलचस्प चीज़ मिली: NEAR AI टीम ने एक परीक्षण को ओपन सोर्स किया है, जिसमें उन्होंने चीनी ओपन सोर्स बड़े मॉडल DeepSeek का उपयोग करके 672 अत्यंत कठिन गणितीय प्रमाण प्रश्नों को हल किया है। मैंने AI से पूछा, और पता चला कि इन प्रश्नों को PutnamBench कहा जाता है, जो उत्तरी अमेरिका की सबसे शीर्ष स्तरीय कॉलेज स्तरीय गणित प्रतियोगिता के प्रश्न हैं। सरल शब्दों में, इस परीक्षण को पास करने का मतलब है कि AI में अत्यंत कठोर तार्किक निष्कर्षण क्षमता है। @MSBIntel की रिपोर्ट के अनुसार, NEAR के इस समाधान ने सभी 672 प्रश्नों को हल करने में प्रति प्रश्न केवल 0.17 डॉलर की लागत से काम लिया, जिसका कुल खर्च केवल 110 डॉलर से थोड़ा अधिक हुआ। इसकी तुलना में, समान पूर्ण अंक प्राप्त करने वाले अन्य समाधानों में, OpenAI मॉडल का प्रति प्रश्न औसत मूल्य 44.50 डॉलर था, जबकि Claude का 3.52 डॉलर था। एक पब्लिक चेन इन उच्च-स्तरीय गणितीय प्रश्नों को हल करने के लिए क्यों? वास्तव में, AI को गणितीय तार्किक प्रमाणों के लिए मेहनत करवाने का वास्तविक लक्ष्य स्मार्ट कॉन्ट्रैक्ट सुरक्षा समीक्षा, यानी तकनीकी रूप से 'फॉर्मल वेरिफिकेशन' है। उदाहरण के लिए, गणितीय त論 का उपयोग करके कोड की प्रत्येक पंक्ति की सुरक्षा की जाँच करना। अगर सस्ते, ओपन-सोर्स AI कैलकुलेशन की सुविधा से कोड की सत्यापन सीमा को कुछ दशमलव डॉलर की कीमत पर ला सकें; तो भविष्य में, प्रोजेक्ट्स या सामान्य डेवलपर्स, सस्ती लागत पर अपने कॉन्ट्रैक्ट में सुरक्षा समस्याओं से बच सकते हैं। हालाँकि, यह near:native के मूल्य से सीधे संबंधित नहीं है, लेकिन प्रोजेक्ट टीम के कुछ काम करने का संकेत है।