著者：長安、深潮 TechFlow
深潮導讀：NEAR AI チームが、北米のトップ大学生数学コンテストの672問をエージェントですべて解き切り、総コストは約111ドル、1問あたり平均0.17ドルだった。このテストでは、中国のオープンソースモデルDeepSeek V4を活用した。これは単なる大規模モデルの知能競争ではなく、高額なスマートコントラクトの「形式的検証」を一般化するためのインフラビジネスである。
オープンソースコードリポジトリのテストデータにより、大規模モデルの解題コストが明かされた。
最近、NEAR Protocolの共同創設者であるAlex Skidanovおよび公式側が発表したデータによると、NEAR AIのエージェントはPutnamBench上のすべての672問の数学的難問を解決しました。
unfamiliar readers: PutnamBench は通常の問題集ではなく、北米のトップレベルの大学数学コンテスト（William Lowell Putnam）の問題を形式化したベンチマークです。
要言いますと、AIに厳密な数学的論理推論をさせ、自力で問題を解かせることです。すべての解答を完了するのに、NEAR AIは約111.85ドルかかりました。1問あたりの平均コストは0.17ドルです。
対照的に、他の満点獲得方案の請求額ははるかに高くなります。
MSBIntelが整理したデータによると、OpenAIのGPT-5.6を使用した場合、1問あたりの平均コストは最大44.5ドル；AnthropicのClaude Opus 5を使用した場合、1問あたり3.52ドルが必要です。
この特定のテストでは、NEARがDeepSeek V4のソリューションを採用し、コストをGPT-5.6の250分の1に削減しました。
公链が数学の問題を解くが、醉翁の意は酒にあらず
公链チームが数学の問題に力を注いでいるのは、教育市場をターゲットにしていない。
PutnamBenchテストの核心要件は、機械の検証可能性です。AIが生成するのは単なる文章の回答ではなく、Lean 4（主要な証明支援言語の1つ）を用いて厳密な証明コードを記述しなければなりません。
これらのコードには構文の脆弱性があってはならず、推論ステップを省略してはならず、機械によって100%検証されなければなりません。同時に、これはコンピュータ科学分野における形式的検証という重要な技術に対応しています。
関連して暗号資産業界では、スマートコントラクトが数億ドル、さらには数百億ドルの資金を担っています。従来のコード監査は人間が脆弱性を手動で見つけることに依存していますが、形式的検証は厳密な数学的論理を用いて、コードがすべての可能な状態でエラーを起こさないことを一行ずつ証明します。
長年にわたり、形式的検証の致命的な欠点は高価で遅いことでした。これはトップレベルのセキュリティ専門家と長いサイクルを必要とし、通常、資金が豊富な上位プロジェクトのみが負担できます。
NEAR AI の今回のテストは、オープンソースのAIモデルを用いて信頼できる数学的証明を一括生成する可能性を実証し、その低コスト性も検証しました。
オンチェーンセキュリティの一般向けインフラ
NEAR が実際に展開しているビジネスは、形式検証のハードルを数毛円まで引き下げるということです。
現在、DeepSeek と Lean 4 を統合したこのコードは完全にオープンソース化されています。NEAR 公式が公開した次なる方向性は、この低コストツールを NEAR プロトコル自体およびコアスマートコントラクトのセキュリティ検証に直接適用することです。
したがって、これは技術の下放と捉えることができ、あるいはより一般的に言えば、プロジェクト側がAI関連のナラティブに取り組んでいるということです。
オープンソースAIが機械検証可能なコードセキュリティ証明を安定して出力できる場合、今後、一般の開発者や小規模プロジェクトチームも、スマートコントラクトをデプロイする前に数銭のコストで形式的検証を実行でき、スマートコントラクトの問題発生確率が低下します。
しかし客観的に見ると、これはNEARトークンの短期的な価格変動とは直接関係ありません。しかし、パブリックチェーンエコシステムの基盤競争において、数十セントでリスクを排除することは、数百万ドルを費やして事後対応するよりもはるかに実際の商業的価値があります。