Yazar: Çang'an, Şençao TechFlow
DeepChao Özet: NEAR AI ekibi, 672 Kuzey Amerika'nın en iyi üniversite öğrencileri matematik yarışması sorusunu Agent ile tamamen çözdü. Toplamda yaklaşık 111 ABD doları harcandı, ortalama her soru için 0,17 ABD doları. NEAR AI ekibi, bu testi Çin'in açık kaynak modeli DeepSeek V4'ü çağırarak tamamladı. Bu, sadece büyük modellerin zeka yarışması değil; arka planda, pahalı akıllı sözleşmelerin “formel doğrulanmasını” halka açık bir altyapı işine dönüştürmeye çalışan bir girişim var.
Bir açık kaynak kod deposunun test verileri, büyük modellerin çözüm maliyetini ortaya çıkardı.
Son zamanlarda, NEAR Protocol ortak kurucusu Alex Skidanov ve resmi kaynaklar tarafından paylaşılan verilere göre, NEAR AI'nin Agenti PutnamBench'teki tüm 672 matematik sorusunu çözdü.
Yeni okuyucular için bir açıklama: PutnamBench, sıradan bir soru bankası değil; Kuzey Amerika'nın en üst düzey lisans matematik yarışması olan William Lowell Putnam'ın sorularından oluşturulan bir benchmark'tır.
Yani, AI'nin sıkı matematiksel mantık çıkarımları yaparak soruları kendi başına çözebilip çözemeyeceğini test etmek. Tüm çözümleri tamamlamak için NEAR AI yaklaşık 111,85 ABD doları harcadı. Ortalama olarak her sorunun maliyeti 0,17 ABD doları.
Karşılaştırmak gerekirse, tam puan alan diğer çözümlerin faturaları çok daha pahalıdır.
MSBIntel tarafından derlenen verilere göre, OpenAI'nin GPT-5.6'sı kullanıldığında ortalama soru maliyeti 44,5 dolar; Anthropic'ın Claude Opus 5'i kullanıldığında ise her soru için 3,52 dolar gerekmektedir.
Bu özel testte, NEAR, DeepSeek V4 çözümünü kullanarak maliyeti GPT-5.6'nın ikiyüzellide birine düşürdü.
Kamu zinciri matematik soruları çözer, şarapçının amacı şarapta değildir
Kamu zinciri ekibi, matematik sorularını çözmek için çaba harcıyor, ancak bu eğitim pazarına değil.
PutnamBench testinin temel gereksinimi, makinenin doğrulanabilirliği: AI tarafından oluşturulan cevap sadece bir metin olmamalı, bunun yerine Lean 4 (ana akım bir kanıt yardımcı dili) kullanılarak kesin kanıt kodları yazılmalıdır.
Bu kodlarda sözdizimi hataları olmamalı, çıkarım adımları atlanmamalı ve 100% makine tarafından doğrulanmalıdır. Aynı zamanda bu, bilgisayar bilimi alanında formel doğrulama adı verilen bir kritik teknolojiye karşılık gelir.
Kripto endüstrisiyle ilişkili olarak, akıllı sözleşmeler milyarlarca, hatta yüz milyarlarca dolarlık varlıkları taşımaktadır. Geleneksel kod denetimi, açıkları bulmak için insan gücüne dayanırken, formel doğrulama, kodun tüm olası durumlarda hata yapmayacağını satır satır matematiksel mantıkla kanıtlar.
Uzun zamandır, formel doğrulamanın ölümcül eksikliği maliyetli ve yavaş olmasıydı. Bu, en iyi güvenlik uzmanlarını ve uzun döngüleri gerektirir ve genellikle yalnızca mali kaynakları güçlü olan öncü projeler tarafından karşılanabilir.
NEAR AI'nin bu testi, açık kaynaklı AI modelleriyle güvenilir matematiksel kanıtların kütlece üretiminin mümkün olduğunu kanıtladı ve düşük maliyetini doğruladı.
Blockchain üzerinde güvenli, halka açık altyapı
Formal verification'in maliyetini birkaç kuruşa düşürmek, NEAR'in şu anda kurduğu gerçek iş modelidir.
Şu anda, DeepSeek ve Lean 4'ü birbirine bağlayan bu kod tamamen açık kaynak hale getirildi. NEAR'in resmi olarak açıkladığı sonraki adım, bu düşük maliyetli aracın doğrudan NEAR protokolüne ve temel akıllı sözleşmelerin güvenlik doğrulamasına uygulanmasıdır.
Bu nedenle bunu bir teknoloji yayılımı olarak düşünebilirsiniz ya da daha basit bir dille, projenin sahiplerinin AI hikayesiyle ilgili bir şey yapması olarak.
Eğer açık kaynaklı AI, makine tarafından doğrulanabilir kod güvenliği kanıtlarını kararlı bir şekilde üretebilirse, gelecekteki normal geliştiriciler ve küçük projeler, sözleşmeleri dağıtmadan önce birkaç kuruşluk bir maliyetle formel doğrulama gerçekleştirebilecektir ve bu da akıllı sözleşmelerde sorun olma olasılığını azaltacaktır.
Ancak nesnel olarak, bu, NEAR tokeninin kısa vadeli fiyat hareketleriyle doğrudan ilişkili değildir. Ancak zincir tabanlı ekosistemdeki temel rekabette, onlarca dolarla mayın temizlemek, milyonlarca dolar harcayarak sonradan düzeltmekten çok daha gerçekçi bir ticari değer taşır.