Baru-baru ini, ketika saya menjelajahi GitHub NEAR, saya menemukan sesuatu yang menarik: Tim NEAR AI telah melepaskan secara open-source sebuah ujian di mana mereka menggunakan model besar open-source Tiongkok, DeepSeek, untuk berhasil menyelesaikan 672 soal bukti matematika yang sangat sukar. Setelah bertanya kepada AI, saya mengetahui bahawa soal-soal ini dipanggil PutnamBench—soal-soal daripada pertandingan matematik universiti paling bergengsi di Amerika Utara. Dengan kata lain, kemampuan untuk lulus ujian ini menunjukkan bahawa AI memiliki kemampuan penalaran logik yang sangat ketat. Menurut laporan dari @MSBIntel, sistem NEAR ini menghabiskan purata hanya 0.17 dolar AS setiap soal untuk menyelesaikan keseluruhan 672 soal, dengan jumlah keseluruhan kurang daripada 110 dolar AS. Sebagai perbandingan, dalam sistem lain yang juga mendapat skor sempurna, kos purata setiap soal menggunakan model OpenAI mencapai 44.5 dolar AS, manakala Claude juga memerlukan 3.52 dolar AS. Tetapi, mengapa sebuah blockchain publik perlu menguruskan soal matematik tinggi seperti ini? Sebenarnya, usaha besar untuk meminta AI menyelesaikan bukti logik matematik bertujuan kepada audit keselamatan kontrak pintar—atau secara teknikal, pengesahan formal. Contohnya, menggunakan logik matematik untuk memeriksa setiap baris kod secara mendalam untuk mencari kelemahan. Jika kekuatan AI open-source yang berkos rendah boleh menurunkan ambang pengesahan kod kepada harga sekitar beberapa sen— Masa depan mungkin membolehkan projek, bahkan pembangun biasa, untuk menjamin dan mengaudit kontrak mereka sendiri dengan kos yang sangat rendah tanpa risiko keselamatan. Walaupun ini tidak berkaitan langsung dengan harga token near:native, ia tetap merupakan tanda bahawa pasukan projek sedang melakukan sesuatu yang bermakna.