NEAR DeepSeek ilə 600 riyaziyyat sualını həll etdi, hazırda zəncir üzərindəki kod auditini “ucuz qiymətə” təklif edir

Müəllif: Chang'an, TechFlow

TechFlow-un Qısa İcmalı: 672 Şimali Amerika aparıcı universitet tələbələri üçün olan riyaziyyat yarışmasının sualı NEAR AI komandası tərəfindən Agent ilə tam şəkildə həll edildi. Ümumi xərclər təxminən 111 ABŞ dolları olub, hər suala orta hesabla 0.17 dollar düşüb. NEAR AI komandası bu testi Çin açıq mənbə modeli DeepSeek V4 vasitəsilə keçib. Bu, sadəcə böyük modelin intellektual yarışı deyil; hesablama gücünün xərcləri arxasında bahalı smart müqavilələrin "formal təsdiqi"ni əlçatan etmək istəyən bir infrastruktur biznesi dayanır.

Açıq mənbə kod bazasının test məlumatları, böyük modelin sualları həll etməsinin xərclərini ortaya qoydu.

Son zamanlarda, NEAR Protocol-un həmtəsisçisi Alex Skidanov və rəsmi tərəfin açıqladığı məlumatlara əsasən, NEAR AI Agent PutnamBench-dəki bütün 672 riyazi problemi həll edib.

Tanış olmayan oxucular üçün izah edək ki, PutnamBench adi sual bankı deyil, Şimali Amerikanın aparıcı bakalavr riyaziyyat müsabiqəsi (William Lowell Putnam) suallarının formal şəkildə testə çevrilmiş versiyasıdır.

Sadə dildə desək, burada AI-nin ciddi riyazi məntiqi çıxarış etməsi və müstəqil şəkildə problemləri həll edə bilib-bilməməsi yoxlanılır. Bütün suallar tam cavablandırılanda, NEAR AI təxminən 111.85 ABŞ dolları xərcləyib. Orta hesabla hər sual üçün xərci 0.17 dollar olub.

Müqayisə üçün, tam bal yığan digər həllərə baxanda hesab xeyli bahadır.

MSBIntel-in məlumatlarına görə, OpenAI-nın GPT-5.6 modeli ilə hər sual üçün orta hesabla 44.5 dollar xərclənib; Anthropic-in Claude Opus 5-də isə hər sual üçün 3.52 dollar lazımdır.

Bu spesifik testdə, NEAR DeepSeek V4 həllindən istifadə edərək xərci GPT-5.6 ilə müqayisədə 250 dəfə azaldıb.

İctimai blokçeyn riyaziyyat sualları həll edir – məqsəd fərqlidir

İctimai blokçeyn komandalarının riyaziyyat suallarını həll etməsi, təhsil bazarına yönəlməyib.

PutnamBench testinin əsas tələbi, maşının təsdiq oluna bilənliyidir: AI-nin cavabı sadəcə bir mətndən ibarət olmamalı, Lean 4 (populyar sübut köməkçisi dili) ilə ciddi sübut kodu şəklində yazılıb təqdim edilməlidir.

Bu kodlarda sintaksis xətası olmamalı, məntiqi addımlar atlanmamalı və maşın tərəfindən tam təsdiqlənməlidir. Eyni zamanda bu, kompüter elmlərində formal təsdiqlə bağlı əsas texnologiyadır.

Kripto sənayesinə gəldikdə isə, smart müqavilələr yüz milyonlarla, hətta milyardlarla ABŞ dolları vəsaiti qoruyur. Ənənəvi kod auditləri əl ilə səhv axtarmağa əsaslanır, formal təsdiq isə ciddi riyazi məntiq ilə hər sətrin bütün mümkün hallarda səhvsiz işlədiyini sübut edir.

Uzun müddət formal təsdiqin əsas problemi bahalı və ləng olmasıdır. Bu, yalnız ən qabaqcıl təhlükəsizlik mütəxəssisləri və uzunmüddətli proses tələb edir, odur ki, əsasən kapitalı bol olan ən böyük layihələr bunu ödəyə bilir.

NEAR AI-nin bu testi, açıq mənbə AI modeli ilə ardıcıl etibarlı riyazi sübutlar yaradılmasının mümkünlüyünü və ən əsası aşağı qiymətlə mümkün olduğunu göstərdi.

Blokçeyn təhlükəsizliyinin əlçatan infrastrukturu

Formal təsdiqin xərclərini bir neçə qəpiyə endirmək, NEAR-ın hazırda fəaliyyət göstərdiyi real iş sahəsidir.

Hazırda, DeepSeek və Lean 4 inteqrasiyası ilə yaradılan bu kod tamamilə açıq şəkildə əlçatandır. NEAR rəsmiləri bildirir ki, növbəti mərhələdə bu ucuz alət birbaşa NEAR protokoluna və əsas smart müqavilələrinin təhlükəsizlik təsdiqinə tətbiq ediləcək.

Buna görə də, bunu bir texnologiyanın hamının istifadəsinə verilməsi, yaxud daha sadə desək, layihə komandasının AI mövzusu ilə əlaqəli şəkildə konkret işlər görməsi kimi başa düşmək olar.

Əgər açıq mənbə AI stabilliklə maşın tərəfindən təsdiqlənə bilən kod təhlükəsizlik sübutları yarada bilsə, demək gələcəkdə adi tərtibatçılar və kiçik layihə komandaları da cüzi məbləğlə müqavilələri yerləşdirməzdən əvvəl formal təsdiqdən istifadə edə və smart müqavilədə problem ehtimalını azalda biləcəklər.

Ədalətli danışsaq, bunun NEAR tokeninin qısamüddətli qiymətinin qalxıb-enməsi ilə birbaşa əlaqəsi yoxdur. Amma blokçeyn ekosistemində baza səviyyəsində mübarizədə bir neçə qəpiklə riskləri müəyyənləşdirmək, milyonlarla dollar dəyərində sonradan düzəliş etməkdən daha real kommersiya dəyəri daşıyır.