Baru-baru ini, saat menjelajahi GitHub NEAR, saya menemukan sesuatu yang menarik: Tim NEAR AI telah melepaskan secara open-source sebuah tes, di mana mereka berhasil menyelesaikan 672 soal bukti matematika yang sangat sulit menggunakan model besar open-source Tiongkok, DeepSeek. Saya bertanya kepada AI, dan ternyata soal-soal ini disebut PutnamBench—soal dari kompetisi matematika mahasiswa paling bergengsi di Amerika Utara. Secara sederhana, kemampuan melewati tes ini menunjukkan bahwa AI memiliki kemampuan penalaran logis yang sangat ketat. Menurut laporan dari @MSBIntel, solusi NEAR membutuhkan rata-rata biaya hanya $0,17 per soal untuk menyelesaikan seluruh 672 soal, dengan total biaya kurang dari $110. Sebagai perbandingan, solusi lain yang juga mendapatkan skor sempurna menggunakan model OpenAI memiliki biaya rata-rata $44,50 per soal, sementara Claude juga memerlukan $3,52 per soal. Lalu, mengapa sebuah blockchain publik menghabiskan usaha untuk menyelesaikan soal matematika tingkat tinggi ini? Sebenarnya, tujuan utama mendorong AI untuk melakukan pembuktian logis matematis adalah untuk audit keamanan kontrak pintar—atau yang secara teknis disebut verifikasi formal. Misalnya, menggunakan logika matematis untuk memeriksa baris demi baris kode guna mengidentifikasi kerentanan. Jika kekuatan komputasi AI open-source yang hemat biaya dapat menurunkan ambang batas verifikasi kode hingga harga setara beberapa sen saja; Di masa depan, proyek bahkan pengembang biasa mungkin dapat menjamin dan mengaudit kontrak mereka sendiri dengan biaya sangat rendah untuk mencegah insiden keamanan. Meskipun ini tidak memiliki hubungan langsung dengan harga token near:native, ini tetap merupakan tanda bahwa tim proyek sedang melakukan sesuatu yang nyata.