OpenGradient

Che cos’è OpenGradient?

OpenGradient è una rete decentralizzata di infrastruttura AI che consente ad applicazioni, blockchain e agenti autonomi di esternalizzare l’inferenza AI e l’esecuzione di modelli verso un livello di calcolo specializzato, in cui gli output possono essere verificati tramite attestazioni di Trusted Execution Environment, prove zkML o una verifica più leggera basata su firme.

Il problema centrale che affronta non è il generico “AI on-chain”, ma la questione istituzionale più ristretta se un’applicazione possa dimostrare quale modello sia stato eseguito, con quali assunzioni di esecuzione e se il risultato sia stato manomesso prima di essere utilizzato in logiche finanziarie, agentiche o di governance.

Il vantaggio competitivo, se si materializzerà, consiste nella separazione tra esecuzione AI e settlement blockchain: i nodi GPU e TEE eseguono il calcolo pesante fuori dal percorso critico, mentre i validatori regolano prove e attestazioni tramite un livello di verifica basato su CometBFT, permettendo alle applicazioni di ricevere risposte AI a bassa latenza senza dover chiedere a una chain general purpose di eseguire direttamente il modello. La documentazione di OpenGradient descrive questo approccio come una Hybrid AI Compute Architecture, e il materiale tecnico pubblico del progetto posiziona la rete come un coprocessore AI piuttosto che come un Layer 1 convenzionale che cerca ampia quota nel mercato degli smart contract tramite generiche rivendicazioni di throughput (Documentazione OpenGradient, Whitepaper OpenGradient, Binance Research). (docs.opengradient.ai)

Il posizionamento di mercato è ancora iniziale e andrebbe interpretato come formazione di una nuova categoria, non come dominio già dimostrato. A metà ottobre 2026, CoinGecko collocava OPG intorno alla fascia alta dei 600 per capitalizzazione di mercato crypto, mentre Sector Alpha classificava OpenGradient al 42° posto tra gli asset crypto AI valutati e descriveva le sue evidenze di attività pubblica come “tape-led” con copertura di prove on-chain incompleta, un utile richiamo a non confondere la liquidità sugli exchange con l’adozione del protocollo (CoinGecko, Sector Alpha). Anche la TVL DeFi tradizionale è una lente poco adatta per OpenGradient, perché la rete non è principalmente un protocollo di lending, AMM o restaking; nello stesso periodo, i dataset del settore AI mostravano il campo della TVL di protocollo di OpenGradient come non disponibile piuttosto che pari a zero, mentre la pagina del token su DeFiLlama tracciava soltanto una liquidità modesta in pool di rendimento legati a OPG, invece di un “bilancio di protocollo” paragonabile a un money market DeFi (Sector Alpha, DeFiLlama). I dati di utilizzo più rilevanti sono l’inferenza e l’attività delle applicazioni: il portale di OpenGradient mostrava circa 14,75 miliardi di token di inferenza confidenziale processati nel periodo tra il 16 settembre e il 14 ottobre 2026, mentre Binance Research citava prodotti dell’ecosistema come BitQuant e MemSync con numeri significativi di utenti registrati o attivi; queste cifre, tuttavia, andrebbero interpretate come ampiezza dell’ecosistema, non automaticamente come ricavi da commissioni che affluiscono ai detentori di OPG (OpenGradient Portal, Binance Research). (coingecko.com)

Chi ha fondato OpenGradient e quando?

OpenGradient è emerso pubblicamente nel 2024, in un periodo in cui l’attenzione del venture capital e dei mercati crypto si era spostata dalle narrazioni Web3 consumer generiche verso l’infrastruttura AI, gli agenti autonomi e il calcolo verificabile. Il progetto ha annunciato un seed round da 8,5 milioni di dollari nell’ottobre 2024 guidato dall’a16z Crypto Startup Accelerator, con la partecipazione di SV Angel, Coinbase Ventures, SALT Fund, Symbolic Capital, Foresight Ventures e diversi founder e angel crypto; nell’aprile 2026 ha annunciato 9,5 milioni di dollari di finanziamenti complessivi per scalare quella che ha descritto come il livello di calcolo per l’AI verificabile (Annuncio seed di OpenGradient, PR Newswire).

L’attuale pagina del team identifica Matthew Wang come CEO e co-fondatore e Adam Balogh come CTO e co-fondatore, con Advait Jayant nel ruolo di chief strategy officer; il team più ampio viene presentato come avente esperienza precedente in aziende come Two Sigma, Google, Meta, Palantir, Amazon e NASA, aspetto rilevante perché il presunto vantaggio competitivo di OpenGradient dipende più dall’ingegneria di sistemi applicata e dall’orchestrazione del calcolo crittografico che da un puro primitivo finanziario legato al token (Team OpenGradient). (opengradient.ai)

La narrativa del progetto si è evoluta da “AI di proprietà degli utenti” e hosting decentralizzato dei modelli verso una tesi più specifica di infrastruttura: inferenza verificabile, esecuzione di modelli regolata dai pagamenti, prompt confidenziali e settlement per agenti AI. La comunicazione iniziale enfatizzava la proprietà dei dati, il contesto utente crittografato, l’attribuzione dei modelli e un model hub aperto; entro il 2026, la roadmap pubblica e i materiali di ricerca si erano concentrati maggiormente sui pagamenti x402, sull’inferenza confidenziale basata su TEE, sulla verifica zkML, sulla monetizzazione del Model Hub, sulla memoria persistente MemSync e su PIPE per l’esecuzione di ML on-chain (Introducing OpenGradient, OpenGradient x402 Upgrade, Whitepaper OpenGradient). Questo cambiamento è importante perché sposta la domanda di investimento dal se OpenGradient possa costruire un’altra applicazione AI al se possa diventare un credibile livello di middleware per applicazioni che necessitano di esecuzione AI auditabile ma non possono accettare il profilo di latenza o costo di un calcolo completamente on-chain. (opengradient.ai)

Come funziona la rete OpenGradient?

OpenGradient utilizza un modello di consenso Proof-of-Stake basato su CometBFT con esecuzione compatibile con EVM costruita su componenti del Cosmos SDK, secondo la sua documentazione e le disclosure MiCAR. La rete è quindi più vicina a una chain specifica per il settlement e la verifica delle applicazioni che a un supercomputer AI monolitico: le richieste di inferenza vengono instradate verso nodi di calcolo specializzati, mentre i validatori ordinano, verificano e registrano prove o attestazioni. Nel flusso di consenso dichiarato, un validatore ponderato per stake propone un blocco, gli altri validatori emettono prevote e precommit, e le prove diventano finali quando più di due terzi dei validatori sono d’accordo, con il sistema che mantiene la tolleranza ai guasti bizantini standard finché meno di un terzo dei validatori è malevolo o difettoso (Documentazione OpenGradient, OpenGradient MiCAR White Paper). Il design è esplicitamente asincrono per molti workflow: i nodi di inferenza possono restituire i risultati prima del settlement finale delle prove, mentre la blockchain registra in un secondo momento lo stato di verifica e pagamento, riducendo la latenza ma introducendo un temporaneo gap di fiducia che le applicazioni devono gestire in base alla propria tolleranza al rischio. (docs.opengradient.ai)

La caratteristica distintiva della rete è il suo spettro di verifica. Per i large language model e i carichi di lavoro sensibili alla privacy, OpenGradient si appoggia a TEE come AWS Nitro Enclaves e NVIDIA Confidential Computing per produrre attestazioni hardware; per carichi ML più piccoli o più deterministici, supporta prove zkML, che offrono una verifica matematica più forte a fronte di un overhead computazionale significativamente più elevato; e per i contesti a bassa sicurezza consente una modalità “vanilla” basata su firme piuttosto che sulla generazione di prove complete (Documentazione OpenGradient, OpenGradient Design Principles). Le responsabilità di sicurezza sono ripartite tra validatori, nodi di inferenza, nodi di storage e nodi di dati: i validatori mantengono il livello di settlement delle prove e il registro dei nodi, i nodi di inferenza eseguono i modelli, i nodi TEE registrano le attestazioni hardware, e gli attori compromessi o non validi possono essere rimossi o penalizzati tramite meccanismi di registry e slashing. Questa modularità è economicamente attraente se scala, ma crea anche complessità operativa; la rete deve infatti mettere in sicurezza non solo il consenso dei validatori, ma anche i registri del codice degli enclave, la provenienza dei modelli, il settlement dei pagamenti e la reputazione delle performance dei nodi in un mercato del calcolo eterogeneo. (docs.opengradient.ai)

Quali sono i tokenomics di OPG?

OPG ha un’offerta massima fissa di 1 miliardo di token, con allocazioni suddivise tra incentivi per l’ecosistema, riserve della fondazione, contributor, investitori e advisor, ricompense di staking, programmi di liquidità e lancio e airdrop. La pagina dei tokenomics della OpenGradient Foundation assegna il 40% allo sviluppo dell’ecosistema, il 15% alla fondazione, circa il 15% ai contributor core, circa il 10% a investitori e advisor, il 10% alle ricompense di staking, il 6% alla liquidità e al lancio e il 4% agli airdrop, con le allocazioni a contributor e investitori soggette a un cliff di 12 mesi e a una vesting lineare pluriennale, mentre le ricompense di staking sono programmate in modo lineare su 96 mesi (OpenGradient Foundation Tokenomics). Binance Research ha riportato che l’offerta circolante iniziale al listing era di 190 milioni di OPG, ovvero il 19% dell’offerta, mentre le pagine di dati di mercato successive mostravano un’offerta circolante fornitura di circa 230 milioni di OPG a metà ottobre 2026, a sottolineare che l’espansione del float è un tema centrale per l’analisi anche quando l’offerta massima è limitata (Binance Research, CoinGecko). Il token non è quindi inflazionistico nel senso monetario non limitato, ma è soggetto a sbloccaggi programmati ed emissioni di ricompense di staking all’interno del tetto di 1 miliardo; la documentazione MiCAR descrive il programma di ricompense di staking come una distribuzione lineare di 100 milioni di OPG in 96 mesi, controbilanciata in parte dallo slashing per violazioni del protocollo (OpenGradient MiCAR White Paper). (opengradient.foundation)

La tesi di accrual di valore di OPG dipende dal fatto che l’utilizzo della rete richieda il token in modalità durevoli piuttosto che promozionali.

I materiali pubblici descrivono OPG come il mezzo per i pagamenti di inferenza, gas e regolamento, collaterale di staking, sicurezza per validatori e delegatori, governance, accesso all’hosting di modelli, licensing del Model Hub e accesso a livello applicativo su OpenGradient Chat, BitQuant, MemSync, Twin.fun e prodotti correlati dell’ecosistema (Binance Research, OpenGradient Foundation Tokenomics). Il design dell’offerta cross-chain è implementato tramite un ERC-20 canonico su Base e distribuzioni LayerZero OFT su BNB Smart Chain e Mantle, dove le meccaniche di mint-and-burn supportano il bridging ma non vanno confuse con un meccanismo economico di burn che riduce permanentemente l’offerta tramite l’utilizzo; la leva più chiara del protocollo per la riduzione dell’offerta è lo slashing del collaterale in staking in caso di cattiva condotta dei validatori o di presentazione di prove non valide (OpenGradient Token Docs, OpenGradient MiCAR White Paper). La questione irrisolta è se la domanda di inferenza generi una domanda sostenuta di commissioni denominate in OPG o se utenti e integratori spingeranno il sistema verso pagamenti astratti di tipo stablecoin, instradamento sovvenzionato o accesso custodial che indebolisce la cattura diretta della velocità del token. (binance.com)

Chi sta usando OpenGradient?

La distinzione tra interesse di trading e utilizzo reale è sostanziale. A metà ottobre 2026, OPG aveva mercati centralizzati e decentralizzati attivi, ma il volume sugli exchange, l’open interest e la liquidità dei perpetual non dimostrano che i carichi di lavoro di AI si stiano regolando economicamente tramite la rete. Metriche operative più rilevanti includono il Model Hub, la dashboard di inferenza, il numero di attestazioni e la trazione delle applicazioni dell’ecosistema. Binance Research ha citato OpenGradient Chat, un Model Hub con più di 4.500 modelli di oltre 100 sviluppatori, BitQuant con più di 1,8 milioni di utenti registrati e decine di milioni di query di agenti AI, e MemSync con circa 39.000 utenti attivi; il portale di OpenGradient mostrava separatamente un volume significativo di elaborazione di token per inferenza confidenziale nella finestra di misurazione settembre–ottobre 2026 (Binance Research, OpenGradient Portal). Tali numeri suggeriscono che esiste attività di prodotto oltre il puro trading del token, ma i dati pubblici non forniscono ancora un collegamento chiaro dall’utilizzo lordo alle commissioni nette del protocollo, ai ricavi dei validatori o alla cattura di valore per i detentori del token. (binance.com)

L’adozione appare concentrata su infrastruttura crypto nativa AI, intelligence per la DeFi, memoria per agenti, hosting di modelli e prodotti AI consumer-facing piuttosto che su implementazioni enterprise tradizionali. OpenGradient ha un supporto credibile da parte di venture e dell’ecosistema, tra cui a16z crypto, Coinbase Ventures, SV Angel, Foresight Ventures, Symbolic Capital, figure affiliate a NEAR e altri investitori resi noti nei suoi annunci di finanziamento, ma il supporto di venture va distinto dall’adozione da parte dei clienti (PR Newswire, OpenGradient seed announcement). Le partnership e i prodotti del progetto documentati pubblicamente sono più convincenti quando coinvolgono inferenza live, pubblicazione di modelli o regolamento di attestazioni che quando si basano su un ampio posizionamento “AI x crypto”. In termini istituzionali, OpenGradient ha una distribuzione di ecosistema iniziale e una superficie di prodotto emergente, ma non ha ancora dimostrato quel tipo di ricavi ricorrenti del protocollo verificati, storico di livelli di servizio enterprise o profilo di decentralizzazione dei validatori che giustificherebbe il suo trattamento come infrastruttura di calcolo decentralizzato matura. (prnewswire.com)

Quali sono i rischi e le sfide per OpenGradient?

Il rischio normativo non è eliminato dall’etichettatura come utility token. I materiali MiCAR di OpenGradient classificano OPG come utility token e come cripto-asset diverso da un asset-referenced token o un e-money token, dichiarano che non conferisce diritti di proprietà o di profitto e indicano la OpenGradient Foundation come emittente, con un white paper MiCAR preparato ai sensi del Regolamento UE 2023/1114 e notificato nei Paesi Bassi tramite il processo AFM (OpenGradient MiCA page, MiCAR Registry, OpenGradient MiCAR White Paper). Sulla base delle ricerche pubbliche condotte per questo report, l’impronta regolamentare visibile era orientata alla disclosure piuttosto che all’enforcement, e non è emerso alcun prodotto ETF specifico su OPG o un grande caso di enforcement attivo rilevato in fonti primarie o secondarie principali; tale assenza non va letta come una conclusione legale, in particolare per l’analisi di titoli negli Stati Uniti. Il rischio di centralizzazione è più concreto: la roadmap stessa prevede una transizione da un set di validatori bootstrap o basato sull’identità verso un PoS permissioned e successivamente l’ammissione permissionless dei validatori, il che implica che la sicurezza iniziale dipende da validatori curati, governance del codice degli enclave, registri dei nodi, fornitori di hardware e dai controlli operativi del progetto stesso (Binance Research, OpenGradient Docs). (opengradient.foundation)

Il panorama competitivo è severo perché OpenGradient si colloca tra diversi mercati più ampi invece di possedere una categoria ben definita. Nel compute decentralizzato, compete concettualmente con reti GPU e di compute AI come Akash, infrastrutture adiacenti a Render, mercati in stile io.net e reti emergenti per training o inferenza ML; nel compute verificabile, compete con framework zkML, reti di oracoli, servizi attivamente validati in stile EigenLayer e design di coprocessori specifici di catena; nell’accesso all’AI, compete indirettamente con router di API centralizzati e piattaforme cloud la cui distribuzione ed affidabilità sono difficili da eguagliare per le reti crypto. Lo screen del settore AI di Sector Alpha ha collocato OpenGradient in un campo affollato e ha lasciato esplicitamente molti datapoint su commissioni, ricavi, utenti e TVL di OpenGradient vuoti o incompleti, il che ricorda che il dibattito sulla valutazione del progetto è ancora fortemente guidato da narrativa, liquidità e utilità futura piuttosto che da throughput economico verificato (Sector Alpha). Tecnicamente, il rischio maggiore è che lo stack di trade-off di OpenGradient sia corretto in teoria ma fallisca in produzione: le TEE introducono assunzioni di fiducia su hardware e fornitori, lo zkML rimane costoso per modelli di grandi dimensioni, il regolamento asincrono delle prove crea lacune temporanee di verifica e l’espansione permissionless dei nodi può essere difficile da conciliare con requisiti di privacy, latenza e sicurezza. (sectoralpha.in)

Qual è l’outlook futuro per OpenGradient?

L’outlook di OpenGradient dipende meno dalla performance di prezzo che dalla capacità di convertire l’attività iniziale di hosting di modelli e inferenza in un mercato di verifica decentralizzato e affidabile.

Le tappe fondamentali verificate più importanti del 2026 includono l’upgrade di inferenza TEE nativo x402 di febbraio, il white paper tecnico di marzo 2026, le disclosure su tokenomics e MiCAR e la roadmap per il deployment del mainnet su una chain Cosmos SDK compatibile con CometBFT ed EVM, seguita da una più ampia ammissione dei validatori, una copertura ZKML estesa per i modelli, inferenza cross-chain e Model Hub v2 con funzionalità di royalty e revenue-share (OpenGradient x402 Upgrade, OpenGradient Whitepaper, Binance Research).

Gli ostacoli strutturali sono altrettanto chiari: OpenGradient deve dimostrare che gli sviluppatori pagheranno per la verificabilità invece di utilizzare semplicemente API AI centralizzate, che i validatori e i nodi di inferenza possono essere decentralizzati senza degradare la qualità del servizio, che staking e slashing mettono realmente in sicurezza le attestazioni AI e che la domanda di OPG è legata a un utilizzo reale del compute piuttosto che a incentivi transitori. Se il progetto risolverà tali questioni, potrebbe occupare una nicchia di middleware difendibile per l’esecuzione AI verificabile; in caso contrario, rischia di diventare un ulteriore asset infrastrutturale di token AI la cui capitalizzazione di mercato riflette più il tema di categoria che l’economia di rete misurabile.(opengradient.ai)