Puntos clave de la noticia:
- Arbitrum està investigando un nuevo enfoque de verificación de inferencia de IA que reduce el tiempo de prueba de 15 minutos a milisegundos.
- Un paper de Offchain Labs propone verificar inferencias de modelos de IA mediante muestreo aleatorio de rutas internas, sin reejecutar cada operación.
- El protocolo usa la misma lógica de dispute resolution de Arbitrum One para detectar la sustitución de modelos en APIs de IA.
La economía de agentes de inteligencia artificial enfrenta un problema que, hasta ahora, nadie había resuelto con velocidad suficiente para ser útil en producción: verificar que el modelo de IA que un proveedor dice estar ejecutando es efectivamente el que corre.
Un paper publicado en marzo de 2026 por Offchain Labs, titulado *Towards Verifiable AI with Lightweight Cryptographic Proofs of Inference*, propone una solución que reduce el tiempo de generación de pruebas de aproximadamente 15 minutos a milisegundos, y la lógica detrás del sistema no es ajena al ecosistema de Arbitrum.
Una Brecha de Confianza que el Mercado Normalizó
El modelo de precios por token crea un incentivo económico concreto para el fraude. Servir un modelo de 7.000 millones de parámetros es más barato que servir uno de 70.000 millones, y ejecutar inferencia cuantizada cuesta menos que la precisión completa. Si un proveedor puede redirigir una fracción de las consultas a un modelo más pequeño y cobrar la tarifa del modelo mayor, el beneficio escala con el volumen. Investigadores de Stanford documentaron que el comportamiento de GPT-3.5 y GPT-4 cambió de forma medible entre marzo y junio de 2023 sobre las mismas tareas de evaluación. El contrato de API vigente no ofrece ningún mecanismo para detectar esa diferencia.
Las pruebas criptográficas existentes, del mismo tipo que usan los zk-rollups, pueden demostrar que un servidor ejecutó un cómputo correctamente sin que el cliente lo repita. El problema es la velocidad. Esquemas como zkLLM generan una prueba de inferencia para un modelo de 13.000 millones de parámetros en alrededor de 15 minutos, un número incompatible con APIs que deben responder en menos de un segundo.
El Mismo Mecanismo que Protege Arbitrum One
La propuesta de Offchain Labs abandona la prueba exhaustiva y adopta el muestreo. El servidor se compromete de antemano con una huella digital de los pesos del modelo y con los valores internos generados durante una consulta específica. Luego, el cliente selecciona una ruta aleatoria hacia la salida de la red y pide al servidor que revele solo los valores a lo largo de ese camino. Si el servidor ejecutó un modelo distinto, los valores no serán consistentes y la verificación falla. La probabilidad de detección se acumula con cada consulta repetida, lo que convierte el sistema en un disuasor eficaz para adversarios racionales.
La conexión con Arbitrum es explícita en el paper. Los optimistic rollups operan sobre la misma intuición: reejecutar cada paso de un cómputo largo en cada máquina es costoso, mientras que muestrear el paso en disputa es barato. El protocolo propuesto extiende esa lógica a valores de redes neuronales, usando un procedimiento de bisección que reduce el desacuerdo entre dos servidores en un número logarítmico de rondas, la misma estructura de resolución de disputas que protege Arbitrum One.
Para industrias reguladas, equipos de gobernanza de modelos y el emergente mercado de agentes autónomos, la diferencia entre una afirmación de transparencia y una afirmación verificable empieza a tener consecuencias directas. El protocolo no requiere que los desarrolladores modifiquen sus stacks existentes, sino que alguien en el sistema, el proveedor, el auditor o la plataforma, produzca una declaración verificable.
