NEAR AI atinge 1 milhão de tokens apostados enquanto fundo de recompensas financia inferência de IA

NEAR AI relatou mais de 1 milhão de NEAR apostados com seu serviço, onde os usuários podem usar recompensas de staking para inferência de IA enquanto mantêm seus tokens subjacentes.

Resumo

• Os usuários mantêm seu NEAR apostado enquanto as recompensas pagam pela inferência de IA.
• Créditos de inferência não utilizados são acumulados, e a retirada de staking interrompe novos créditos.
• Orçamentos de computação variam com o preço do NEAR, rendimento de staking e a quantia depositada.
• O alojamento de agentes segue uma fórmula separada, com 500 NEAR gerando $5 em créditos mensais.

Em uma postagem no X em 21 de outubro, a NEAR AI disse que a quantidade apostada ultrapassou 1 milhão de tokens, com o NEAR Protocol repetindo o número minutos depois e descrevendo os depósitos como staking para inferência.

"Aposte o seu para pagar pela sua IA. O NEAR continua sendo seu", escreveu a NEAR AI.

O protocolo introduziu a opção de pagamento em 30 de julho, como relatado anteriormente pelo crypto.news quando a NEAR lançou pagamentos baseados em staking para IA. No lançamento, a NEAR disse que o mecanismo cobria 43 modelos de fornecedores, incluindo OpenAI, Anthropic e Google, além de inferência confidencial e agentes hospedados.

NEAR AI usa recompensas de staking para financiar inferência

A documentação de inferência da NEAR AI diz que o serviço converte o rendimento de staking em créditos de computação, mantendo os tokens depositados na propriedade do usuário. O orçamento disponível depende da quantidade apostada, do preço do NEAR e do rendimento percentual anual de staking, ou APY.

Os créditos se acumulam a cada segundo, de acordo com a documentação, e os saldos não utilizados são transferidos. A NEAR AI valoriza um crédito em um dólar americano de uso da plataforma, enquanto a retirada de staking interrompe a acumulação de novos créditos. A empresa afirma que os usuários podem gerenciar mudanças por meio de transações de carteira assinadas.

A taxa de recompensa é variável. A NEAR AI explica que as recompensas da rede são divididas entre os apostadores, portanto, a proporção do suprimento que participa do staking afeta o rendimento. Sua documentação coloca comissões típicas de validadores entre 1% e 10%, deduzidas antes que as recompensas cheguem ao usuário. Esses números descrevem as taxas dos validadores, não o preço de um pedido de inferência.

Para planejamento orçamentário, a NEAR AI fornece uma calculadora que traduz uma concessão mensal de inferência na aposta necessária ou estima o que um saldo de token escolhido pode financiar. Os usuários podem alterar suas suposições de preço e APY para comparar diferentes orçamentos.

A página da calculadora descreve seus números como ilustrativos e direciona os usuários ao console em nuvem para preços atuais de modelos e suas carteiras para o rendimento de staking aplicável.

Preços pay-as-you-go dependem do modelo e uso de tokens

A NEAR AI publica uma lista de preços pay-as-you-go separada, atualizada em 21 de outubro, que cobra por tokens de entrada e saída do modelo. Sua página de preços diz que o serviço não tem requisito mínimo de gasto, assinatura ou licença de assento nesse plano, e nenhuma taxa de plataforma acima da taxa do modelo listada.

O catálogo em dólares lista GLM 5.3 Flash a $0.08 por milhão de tokens de entrada e $0.50 por milhão de tokens de saída. Qwen 3.8 27B custa $0.04 por milhão de tokens de entrada e $1.35 por milhão de tokens de saída.

Usando essas taxas publicadas, uma carga de trabalho com 1 milhão de tokens de entrada e 1 milhão de tokens de saída custaria $0.58 no GLM 5.3 Flash ou $1.39 no Qwen 3.8 27B. Esses cálculos usam contagens de tokens iguais e excluem quaisquer serviços separados; eles não medem a qualidade da saída ou comparam o desempenho dos modelos.

A NEAR AI afirma que a execução segura e as atestações assinadas por hardware estão incluídas nas taxas de inferência listadas. Sua oferta empresarial inclui separadamente capacidade de GPU reservada, modelos privados, preços por volume e acordos de nível de serviço.

Alojamento de agentes segue uma fórmula de crédito diferente

Para agentes hospedados, a explicação do produto da NEAR AI de 30 de julho estabelece uma regra diferente. Sua política declarada divide a quantidade de NEAR apostada por 100 para determinar um orçamento mensal de crédito em dólares, dando o exemplo de 500 NEAR gerando $5 em créditos mensais.

A concessão de hospedagem torna-se disponível no início do período de assinatura e é renovada enquanto os tokens permanecerem apostados, afirma a empresa. Os créditos de inferência, por sua vez, se acumulam continuamente a partir do rendimento. A NEAR AI descreve a fórmula de hospedagem como política atual, não uma taxa de conversão permanente.

A empresa afirma que o staking determina tanto o orçamento de hospedagem quanto quantos agentes IronClaw podem operar em paralelo. Sua explicação lista uma aposta mínima de 50 NEAR para ativar um primeiro agente, com mudanças de assinatura tratadas por meio de transações de carteira.

A documentação do desenvolvedor da NEAR AI descreve ambientes de execução confiáveis como áreas isoladas dentro dos processadores que protegem código e dados durante a computação. Para modelos suportados hospedados em TEE, a empresa afirma que os provedores de modelos e operadores de nuvem não podem ler prompts ou usar os dados para treinamento. A documentação fornece rotas separadas para acesso a modelos, inferência privada e verificação, juntamente com opções de pagamento por recarga e pay-as-you-go.

Propostas de aplicação da NEAR incluem agentes com seus próprios saldos

Em 3 de outubro, o cofundador da NEAR, Illia Polosukhin, delineou ideias de aplicações impulsionadas por IA, incluindo animais de estimação digitais baseados em NFT que carregam saldos de NEAR para pagar pela inferência. Seu design proposto usaria a NEAR AI para executar inferência verificável a partir de prompts codificados na blockchain, com recursos de alimentação, vestuário e possíveis competições.

A lista de Polosukhin continha 13 ideias de aplicação e cinco sugestões de distribuição. Suas propostas incluíam testar modelos de IA contra conjuntos de dados privados sem expor as informações subjacentes, com resultados certificados identificando o modelo e o hash do conjunto de teste.

Uma análise de 6 de outubro da economia de tokens de IA identificou saldos apostados, uso real do modelo e pagamentos a provedores como medidas separadas para avaliar o serviço de IA da NEAR. Descreveu o roteiro da rede como combinando serviços de IA privados com infraestrutura de execução cross-chain.