La carrera de AI en realidad ya ha cambiado silenciosamente su lógica de competencia. Antes, todos competían por quién tenía un modelo más grande, más parámetros, o generaba más rápido; pero hoy en día, la verdadera diferencia ya no está en la capacidad, sino en si se atreve o no a ser confiable.

Esto no es una narrativa que la industria se invente para sí misma, la actitud del mundo exterior ya está bastante clara.

En el reciente informe de tendencias tecnológicas para los próximos cinco años publicado por China Internet, se señala directamente una tendencia: el mundo está entrando en la era de los agentes de AI inteligentes. Y no se trata de chatbots, redactores o atención al cliente, sino de escenarios de alta sensibilidad como control financiero, aprobación administrativa, gobernanza pública, e incluso participación en decisiones reales.

Pero el informe enfatiza repetidamente que, si la AI no es confiable, ni siquiera tiene la资格 para ser integrada en estos sistemas.

La investigación del IIT Delhi lo expresa de manera más directa: la estructura de caja negra, los problemas de alucinaciones y la falta de interpretabilidad son actualmente las mayores brechas de confianza en la AI. Cuanto más potente sea el modelo, si surge un problema, el riesgo no es lineal, sino que se amplifica directamente.

Y precisamente por esta realidad, se puede observar un fenómeno muy fragmentado: por un lado, una gran cantidad de “AI + plugins” y “AI + aplicaciones envasadas”, que parecen tener funciones cada vez mayores; por otro lado, la decisión de si la AI puede o no entrar en escenarios clave sigue siendo una cuestión de confianza, pero casi nadie la aborda directamente.

Y las recientes acciones de @inference_labs precisamente están abordando este punto más difícil.

Han lanzado la segunda temporada de TruthTensor, y al mismo tiempo han renombrado Subnet-2 a DSperse. El cambio de nombre no es importante, lo relevante es que la dirección ahora está muy clara: ya no solo están “haciendo una subred”, sino que están construyendo una infraestructura descentralizada y verificable para la AI.

La idea central de DSperse no es complicada: dejar de confiar en que un solo modelo, un solo nodo o un solo sistema respalden la “correctitud”. La generación de respuestas será realizada por múltiples personas en conjunto, la verificación será participativa, y la confianza no proviene de la autoridad, sino del proceso en sí que puede ser revisado, cuantificado y rastreado.

No solo ejecuta modelos, también los audita; no se trata de “confía en mí”, sino de “puedes verificarme tú mismo”.

Lo más importante es que DSperse separa completamente “razonamiento” y “verificación”, y los ejecuta de manera distribuida. Esto no es eficiente en términos de rapidez, pero en cuanto a seguridad del sistema, evita directamente el problema más fatal de la AI centralizada: si un nodo falla, todo el sistema colapsa.

Este camino, para ser honestos, es muy difícil y probablemente no será popular a corto plazo. Pero si lo miramos desde la perspectiva de que la AI debe entrar en el mundo real, casi no hay otra opción.

En mi opinión, 2026 será un momento muy crucial. Para entonces, la AI ya no tendrá falta de capacidad de modelos; lo que será realmente escaso serán tres cosas: verificabilidad, auditabilidad y una infraestructura confiable.

Con el ritmo actual, Inference Labs ha decidido abordar primero la parte más difícil. En medio de muchos proyectos que todavía compiten en parámetros, modelos y aplicaciones envasadas, DSperse parece ser ese elemento discreto, pero que podría determinar la dirección de la próxima etapa.

@KaitoAI #Yapping #MadewithMoss @MossAI_Official #Starboard @Galxe @RiverdotInc @River4fun