Penulis: Chang'an, Shenchao TechFlow
Pengenalan DeepChao: 672 soal kompetisi matematik universiti terkemuka di Amerika Utara telah diselesaikan sepenuhnya oleh pasukan NEAR AI menggunakan Agent. Jumlah perbelanjaan keseluruhan kira-kira 111 dolar AS, atau purata 0.17 dolar AS setiap soal. Pasukan NEAR AI menggunakan model sumber terbuka China DeepSeek V4 untuk menyelesaikan ujian ini. Ini bukan sekadar pertandingan kecerdasan model besar; di belakang bilangan kuasa komputasi terdapat perniagaan infrastruktur yang bertujuan untuk mewujudkan “pengesahan formal” kontrak pintar yang mahal menjadi lebih boleh diakses oleh awam.
Data ujian untuk repositori kod sumber terbuka, mendedahkan kos penyelesaian model besar.
Baru-baru ini, berdasarkan data yang dikeluarkan oleh pencipta bersama NEAR Protocol, Alex Skidanov, dan pihak rasmi, Agen NEAR AI telah menyelesaikan semua 672 soal matematik sukar di PutnamBench.
Untuk pembaca yang tidak familiar, PutnamBench bukanlah bank soalan biasa, tetapi merupakan ujian piawai yang diformalkan daripada soalan pertandingan matematik sarjana muda terkemuka di North America (William Lowell Putnam).
Dengan kata lain, biarkan AI melakukan penalaran matematik yang ketat untuk melihat sama ada ia boleh menyelesaikan masalah secara bebas. Untuk menyelesaikan keseluruhan jawapan, NEAR AI menghabiskan kira-kira US$111.85. Secara purata, kos setiap soalan ialah US$0.17.
Sebagai perbandingan, bil lain yang mendapat skor sempurna jauh lebih mahal.
Berdasarkan data yang disusun oleh MSBIntel, menggunakan GPT-5.6 dari OpenAI, kos purata setiap soalan mencapai $44.50; menggunakan Claude Opus 5 dari Anthropic, setiap soalan juga memerlukan $3.52.
Dalam ujian khusus ini, NEAR menggunakan pendekatan DeepSeek V4 untuk mengurangkan kos sehingga menjadi satu perdua ratus lima puluh daripada GPT-5.6.
Blockchain melakukan soalan matematik, niat orang tua itu bukan pada arak
Pasukan rantai awam bersusah payah menyelesaikan soalan matematik, bukan untuk memasarkan pendidikan.
Persyaratan utama ujian PutnamBench ialah kebolehverifikan mesin: jawapan yang dihasilkan AI tidak boleh hanya berupa teks, tetapi mesti menulis kod bukti yang ketat menggunakan Lean 4 (sebuah bahasa pembantu bukti utama).
Kod-kod ini tidak boleh mempunyai lubang sintaks, tidak boleh melangkau langkah penurunan, dan mesti lulus pengesahan mesin 100%. Pada masa yang sama, ini berkaitan dengan teknologi utama dalam bidang sains komputer, iaitu pengesahan formal.
Dalam konteks industri kripto, kontrak pintar menyimpan dana bernilai ratusan juta hingga miliaran dolar AS. Pemeriksaan kod tradisional bergantung pada manusia untuk mengesan lubang keamanan, manakala pengesahan formal menggunakan logik matematik yang ketat untuk membuktikan secara berperingkat bahawa kod tidak akan gagal dalam sebarang keadaan yang mungkin.
Selama ini, kelemahan maut bagi pengesahan formal ialah mahal dan perlahan. Ia memerlukan pakar keselamatan terkemuka dan tempoh yang panjang, biasanya hanya boleh dilakukan oleh projek terkemuka yang mempunyai dana yang cukup.
Pengujian NEAR AI ini membuktikan kebolehjadian penghasilan bukti matematik yang boleh dipercayai secara berterusan menggunakan model AI sumber terbuka, serta mengesahkan kosnya yang rendah.
Infrastruktur awam yang selamat di rantai
Menurunkan ambang pengesahan formal kepada beberapa sen, ini adalah bisnis sebenar yang sedang dilakukan oleh NEAR.
Sekarang, kod yang menghubungkan DeepSeek dan Lean 4 telah sepenuhnya bersifat sumber terbuka. Arah seterusnya yang diumumkan secara rasmi oleh NEAR ialah mengaplikasikan alat berkos rendah ini secara langsung kepada pengesahan keselamatan protokol NEAR sendiri serta kontrak pintar utamanya.
Jadi, anda boleh memahaminya sebagai satu penurunan teknikal, atau lebih mudah, projek sedang melakukan sesuatu yang berkaitan dengan naratif AI.
Jika AI sumber terbuka mampu menghasilkan bukti keselamatan kod yang boleh diverifikasi mesin secara stabil, ia bermakna pembangun biasa dan pasukan projek kecil di masa depan juga boleh menjalankan pengesahan formal dengan kos beberapa sen sebelum melaksanakan kontrak, mengurangkan kebarangkalian kontrak pintar mengalami masalah.
Namun, secara objektif, ini tidak berkaitan langsung dengan pergerakan harga jangka pendek token NEAR. Tetapi dalam persaingan dasar ekosistem rantai awam, menghabiskan beberapa sen AS untuk mengesan bahaya jauh lebih bernilai komersial sebenar berbanding menghabiskan jutaan untuk memperbaiki selepas kejadian.