Recentemente, enquanto navegava no GitHub do NEAR, descobri algo interessante: A equipe de IA do NEAR lançou abertamente um teste em que utilizaram o modelo de linguagem aberto chinês DeepSeek para resolver com sucesso 672 problemas de prova matemática de extrema dificuldade. Ao perguntar à IA, descobri que esses problemas são chamados de PutnamBench — questões da competição matemática universitária mais prestigiada da América do Norte. Em resumo, passar nesse teste indica que a IA possui uma capacidade de raciocínio lógico extremamente rigorosa. Segundo relato de @MSBIntel, a solução do NEAR completou todas as 672 questões com um custo médio de apenas US$ 0,17 por pergunta, totalizando pouco mais de US$ 110. Como comparação, outras soluções que também obtiveram pontuação perfeita tiveram custos médios por questão de US$ 44,50 ao usar modelos da OpenAI e US$ 3,52 ao usar o Claude. Mas por que uma blockchain pública se envolve com esses problemas matemáticos avançados? Na verdade, o verdadeiro objetivo de investir esforços para fazer a IA resolver provas lógicas matemáticas é a auditoria de segurança de contratos inteligentes — ou, tecnicamente falando, a verificação formal. Por exemplo, usar lógica matemática para verificar linha por linha se há vulnerabilidades no código. Se for possível utilizar poder computacional de IA aberta e de baixo custo para reduzir o custo de verificação de código a valores irrisórios — como algumas centenas de centavos — no futuro, projetos e até desenvolvedores comuns poderão garantir e auditar seus contratos contra falhas de segurança com custos extremamente baixos. Embora isso não tenha ligação direta com o preço da moeda near:native, é um sinal de que a equipe do projeto está realmente agindo.