Gumamit ang NEAR ng DeepSeek para sagutan ang 600 na tanong sa matematika, isinusulong ngayon ang on-chain na pagsusuri ng code para gawing "abot-kayang presyo"

May-akda: Chang'an, Deep Tide TechFlow

Deep Tide Paunang Salita: Ang lahat ng 672 na tanong mula sa pinakamataas na antas ng Math Competition ng mga mag-aaral sa Hilagang Amerika ay nalutas lahat ng NEAR AI team gamit ang Agent. Kabuuang nagastos ay humigit-kumulang 111 US dollars, na may average na 0.17 US dollars kada tanong. Tinawag ng NEAR AI team ang Chinese open-source model na DeepSeek V4 para tapusin ang pagsusulit na ito. Hindi lang ito simpleng laban ng mga malalaking AI model sa IQ—sa likod ng gastos sa computation, ito ay isang pagtatangka na gawing abot-kaya sa masa ang mahal na “formal verification” ng smart contract.

Ang test data mula sa isang open-source codebase ay nagbunyag sa aktuwal na gastos ng mga malalaking AI model sa pagsagot ng mga tanong.

Kamakailan, ayon sa datos na inilathala ni Alex Skidanov, co-founder ng NEAR Protocol, at ng opisyal na team, nalutas ng NEAR AI Agent ang lahat ng 672 na math problems sa PutnamBench.

Para sa mga hindi pamilyar, ang PutnamBench ay hindi ordinaryong item bank—itoy isang benchmark test na binuo mula sa mga tanong sa top undergraduate math competition (William Lowell Putnam) sa North America.

Sa madaling salita, sinusubukan kung kayang magsagawa ng mahigpit na mathematical logical reasoning ang AI, at kung kaya nitong lutasin nang mag-isa ang mga problema. Sa kabuuang gastos na halos 111.85 US dollars, 0.17 US dollars ang average na presyo bawat tanong para malutas ng NEAR AI ang lahat.

Bilang paghahambing, ang ibang solusyon na nakakuha ng perfect score ay mas mahal pa ang halaga.

Ayon sa datos ng MSBIntel, gamit ang GPT-5.6 ng OpenAI, umaabot ng 44.5 US dollars ang average na gastos kada tanong; gamit ang Claude Opus 5 ng Anthropic, kinakailangan pa ng 3.52 US dollars bawat tanong.

Sa partikular na pagsusulit na ito, ginamit ng NEAR ang DeepSeek V4 solution at napababa ang gastos sa isandaang-dalawampu’t limang bahagi ng ginastos sa GPT-5.6.

Public Chain na Gumagawa ng Math Problems, May Mas Malalim na Pakay

Ang pagtutok ng public chain team sa paglutas ng math problems ay hindi para sa edukasyong merkado.

Ang pinakamahalagang requirement ng PutnamBench test ay machine verifiability: hindi sapat na text-based lang ang sagot ng AI—kailangan ito ay napakahigpit at napatunayan gamit ang Lean 4 (isang mainstream proof assistant language).

Hindi maaaring magkaroon ng syntactic error ang mga code, hindi maaaring lumaktaw ng mga deduction steps, at kailangang mapatunayan ng makina nang 100%. Sa computer science, ito'y kilala bilang formal verification—isang napakahalagang teknolohiya.

Sa kaugnayan nito sa crypto industry, ang smart contracts ay may dala-dalang daan-daang milyon o kahit sampu-sampung bilyong dolyar na puhunan. Ang tradisyonal na code audits ay umaasa sa tao para maghanap ng bugs, samantalang ang formal verification ay gumagamit ng mahigpit na mathematical logic para patunayan nang linyahan na hindi magkakamali ang code sa lahat ng posibleng estado.

Matagal nang alam ng industrya na ang formal verification ay malaki ang gastos at mabagal. Nangangailangan ito ng mga top security expert at mahahabang panahon, na kadalasang kaya lang tustusan ng malalaking proyekto.

Pinatunayan ng pagsusulit ng NEAR AI na posible at abot-kaya ang batch generation ng maaasahang mathematical proofs gamit ang open-source AI model.

Daan Patungo sa Mas Abot-kayang Chain Security

Ang pagpapababa ng threshold ng formal verification sa ilang sentimo kada kontrata ay konkretong hakbang ng NEAR.

Sa kasalukuyan, ganap nang open-source ang codebase na nag-uugnay sa DeepSeek at Lean 4. Ang susunod na hakbang ng NEAR ayon sa opisyal, ay ang agarang pagpapatupad ng murang tool na ito sa mismong NEAR Protocol at sa mga pangunahing smart contract para sa security verification.

Kaya puwede mo itong intindihin bilang pagde-decentralize ng teknolohiya, o mas simple pa—totoong may ginagawa ang project team na may kaugnayan sa AI narrative.

Kung mapapatunayang kayang magbigay ang open-source AI ng machine-verifiable na code security proofs sa stable na paraan, ibig sabihin ay maging ang ordinaryong developer o maliit na proyekto ay makakagawa ng formal verification bago mag-deploy ng contract, na may gastos lang na ilang sentimo—malaki ang nababawas sa posibilidad ng smart contract issues.

Subalit totoo ring hindi ito direktang konektado sa short-term price movement ng NEAR token. Ngunit sa mababang antas ng kumpetisyon sa public chain ecosystem, mas makabuluhan ang gumastos ng ilang sentimo para maiwasan ang panganib, kumpara sa milyon na gastos sa remedyo kapag may nangyaring hindi inaasahan.