opML nel 2026: l’AI verificabile con le prove di frode

Nel 2026 i modelli di intelligenza artificiale non si limitano più a suggerire: decidono. Fissano un prezzo dentro un oracolo, muovono il capitale di un agente autonomo, risolvono l’esito di un prediction market. Ma qui nasce un problema scomodo: come fa una blockchain, che non può eseguire da sola un modello da decine di miliardi di parametri, a sapere che quel modello ha davvero girato e che ha prodotto il risultato giusto? Rieseguire il calcolo on-chain è impossibile; fidarsi ciecamente del server che lo ha eseguito significa tornare al Web2. opML propone una terza via.

opML sta per optimistic machine learning. L’idea, presa in prestito dagli optimistic rollup che scalano Ethereum, è semplice da enunciare e sottile da implementare: non dimostrare in anticipo che il calcolo è corretto, ma assumerlo, pubblicare il risultato e lasciare che chiunque lo contesti entro una finestra di tempo. Formalizzato in un paper del gennaio 2024 dal team che oggi si chiama Ora Protocol, e finito dentro oracoli e framework per agenti realmente in produzione, nel 2026 opML occupa una posizione scomoda: più economico dello zkML crittografico, meno dipendente dalla fiducia hardware dei TEE, ma stretto in mezzo mentre entrambi i fronti migliorano. Questa guida spiega come funziona, chi lo ha costruito, dove viene usato, quali sono i suoi limiti, che cosa sono gli ibridi del 2026 e perché il token ORA vale ormai una frazione di centesimo mentre la tecnologia resta viva.

Che cos’è opML e perché si chiama «ottimista»

opML è un metodo per portare l’inferenza dei modelli di machine learning (e in linea di principio anche l’addestramento) su blockchain senza chiedere alla catena di rifare i conti. Il flusso essenziale è questo: un nodo esegue il modello fuori catena, pubblica on-chain il risultato insieme a un impegno crittografico compatto (un Merkle commitment che riassume l’intera traccia del calcolo) e apre una finestra di sfida. Se nessuno contesta entro la finestra, il risultato viene considerato definitivo. Se qualcuno sostiene che è sbagliato, presenta una prova di frode e la catena arbitra la disputa.

L’aggettivo ottimista non è marketing: è lo stesso degli optimistic rollup come Arbitrum e OP Stack. Si assume che gli operatori siano onesti per default e si paga il costo pieno della verifica solo quando c’è una contestazione. Il paper fondativo, opML: Optimistic Machine Learning on Blockchain, lo dice apertamente: il disegno è «reminiscent of the optimistic rollup systems», cioè richiama in modo diretto quei sistemi.

Il punto è capire contro che cosa opML si misura. Le due alternative ovvie sono entrambe insoddisfacenti. Rieseguire il modello dentro uno smart contract è tecnicamente impraticabile: un modello da 70 miliardi di parametri non entra in un blocco e il gas sarebbe astronomico. Fidarsi dell’operatore che dice «ho eseguito il modello, ecco il risultato» annulla il motivo stesso per cui si usa una blockchain. opML prova a non fare né l’una né l’altra cosa: nessuna riesecuzione universale, nessuna fiducia cieca.

Il problema di fondo: fidarsi o verificare

opML appartiene alla famiglia del verifiable compute, il calcolo verificabile: produrre un risultato accompagnato da un modo economico per controllare che sia stato calcolato correttamente, così che il verificatore non debba rifare il lavoro. La fiducia si sposta da «credi al server» a «verifica la prova». È la stessa cornice che regge lo zkML e i TEE.

Vitalik Buterin ha descritto la tensione di fondo in un saggio del gennaio 2024: il calcolo economico tende a essere non verificabile, mentre quello verificabile tende a essere costoso. Per lo zkML, cioè la strada crittografica basata sulle zero-knowledge proof, Buterin stima un overhead di circa 200 volte per gli strati non lineari di una rete neurale; verificare un blocco Ethereum richiede poche centinaia di millisecondi, ma generare la relativa prova ZK può richiedere ore. Con i modelli di grandi dimensioni il costo esplode.

C’è un motivo tecnico preciso per cui la via crittografica è cara. Come ha spiegato Elena Burger di a16z, le zero-knowledge proof oggi non riescono a rappresentare le operazioni in virgola mobile a 32 bit nel formato dei circuiti aritmetici senza costi enormi, il che costringe a quantizzare i modelli e a scendere a compromessi tra accuratezza e dimostrabilità. È in questo spazio che opML si inserisce: rinuncia alla garanzia crittografica immediata, evita del tutto i circuiti ZK e scommette che quasi tutti i risultati saranno onesti. Il costo si paga solo in caso di disputa. Per un confronto sulla via crittografica pura rimandiamo al nostro approfondimento su zk-ML nel 2026.

Dagli optimistic rollup a Truebit: la genealogia

opML non ha inventato il pattern che usa. Gli optimistic rollup lo hanno reso familiare (assumi valido, contesta con una prova di frode), ma la radice più profonda è Truebit, un progetto descritto da Jason Teutsch e Christian Reitwiessner nel paper A scalable verification solution for blockchains, anni prima che i rollup lo portassero nel mainstream.

Il meccanismo chiave è il «gioco di verifica» (verification game) basato sulla bisezione. Invece di rieseguire l’intero calcolo per stabilire chi ha ragione, chi contesta e chi ha asserito il risultato dividono ripetutamente a metà la traccia dell’esecuzione, restringendo il campo finché non isolano il singolo passo su cui sono in disaccordo. A quel punto la catena deve arbitrare un solo micro-passo, non miliardi di operazioni: qualcosa che uno smart contract può fare a costo trascurabile. opML applica esattamente questa idea all’inferenza di un modello ML.

Vale la pena notare che opML è nato allo scoperto. La prima descrizione pubblica è un post sul forum di governance di Optimism dell’agosto 2023, che precede di mesi il paper accademico: il team ha sviluppato l’approccio in pubblico, sul forum di uno dei principali ecosistemi rollup, il che spiega anche la scelta del nome.

Come funziona opML: la Fraud Proof Virtual Machine

Il cuore tecnico di opML è la Fraud Proof Virtual Machine (FPVM): una macchina virtuale deterministica dentro cui il passo contestato può essere rieseguito e verificato dalla catena. Qui il progetto distingue due architetture.

Nella versione a fase singola (single-phase) ogni passo del calcolo viene replicato dentro la VM vincolata, senza GPU. È semplice e robusta, ma lenta, e l’albero di Merkle che riassume l’esecuzione diventa pesante da gestire.

Nella versione a fasi multiple (multi-phase) la parte non contestata del calcolo gira in modo nativo, sfruttando GPU e parallelismo, e la VM entra in gioco solo per l’unico micro-passo isolato dalla bisezione. Secondo la documentazione di Ora, questo riduce la complessità dell’albero di Merkle da O(mn) a O(m+n) e porta un’accelerazione stimata in «decine o centinaia di volte» rispetto all’approccio a fase singola.

Sui numeri conviene essere prudenti, perché i benchmark disponibili sono quelli del progetto stesso. Su scala MNIST (un compito di classificazione elementare), Ora riporta un’inferenza in circa 2 secondi e un ciclo di sfida completo in circa 2 minuti su testnet locale. Il progetto afferma inoltre di far girare un modello LLaMA da 7 miliardi di parametri (circa 26 GB) su un normale PC senza GPU, grazie a una libreria DNN leggera che sostituisce TensorFlow e PyTorch: un dato auto-riportato e non verificato in modo indipendente, da leggere come dichiarazione di fattibilità più che come misura di prestazioni.

La finestra di sfida e il «watcher onesto»

Mettendo insieme i pezzi, il ciclo di vita di una richiesta opML ha una forma precisa: la richiesta viene pubblicata ai nodi opML; un nodo calcola il risultato fuori catena; pubblica on-chain il risultato più l’impegno di Merkle; si apre la finestra di sfida; se nessuno contesta con una prova di frode valida, il risultato diventa definitivo e un callback restituisce l’esito al contratto richiedente.

Il modello di sicurezza dipende da un’assunzione precisa: che esista almeno una parte onesta, vigile e capace di rieseguire il calcolo, pronta a contestare un risultato sbagliato. È la cosiddetta ipotesi del watcher onesto, o «uno-su-N»: basta un solo controllore corretto perché il sistema sia sicuro. È un modello di fiducia diverso sia dallo zkML (garanzia crittografica, senza bisogno di controllori) sia dai TEE (fiducia nel produttore del chip).

Il prezzo di tutto questo è la latenza. Finché la finestra è aperta, il risultato non è definitivo, quindi un contratto non può costruirci sopra in sicurezza. Questo rompe l’interattività in tempo reale e complica la composabilità, il pregio per cui gli smart contract si incastrano l’uno nell’altro. Se la finestra dura minuti o ore, un’applicazione che ha bisogno di una risposta immediata non può usare opML così com’è. È un compromesso strutturale, non un difetto di implementazione.

Ora Protocol: chi ha inventato opML

Dietro opML c’è Ora Protocol, nata come Hyper Oracle nel settembre 2022. Il fondatore è Kartin Wong, con un passato da responsabile infrastrutture tra Google e TikTok; il team ha poi reclutato come chief scientist Cathie So, ricercatrice zkML uscita dal gruppo PSE della Ethereum Foundation, una combinazione che ha dato al progetto competenze sia sullo zkML sia sull’opML. Nel giugno 2024 Ora ha raccolto 20 milioni di dollari da Polychain, HF0 e HashKey Capital.

La visione dichiarata da Wong, riportata da CoinDesk, è quella di voler «unlock the design space for AI dapps», cioè aprire lo spazio di progettazione per le applicazioni decentralizzate basate su AI: rendere l’inferenza di un modello un mattoncino che qualunque smart contract può richiamare in modo affidabile. Il passaggio di nome da Hyper Oracle a Ora segnala proprio questo spostamento, da oracolo generico a infrastruttura di oracoli AI.

Un chiarimento utile a chi cerca il token: ORA di Ora Protocol non va confuso con Oraichain (ticker ORAI), un progetto AI-oracle separato basato su Cosmos. I due vengono spesso mescolati nei risultati di ricerca, ma non hanno nulla in comune.

OAO e opAgent: opML in produzione

Il prodotto principale di Ora è OAO, l’Onchain AI Oracle: un insieme di smart contract garantiti da opML, distribuiti con lo stesso indirizzo su oltre sedici reti (Ethereum, Optimism, Arbitrum, Base, Polygon, Mantle, Linea, Manta, Mode, Morph, BSC e altre). Un contratto pubblica una richiesta ai nodi opML, il risultato torna con la sua finestra di sfida e un callback lo consegna all’applicazione. I modelli supportati includono Llama 3.3 da 70 miliardi di parametri, QwQ-32B, Qwen2.5-Coder, Mixtral, Gemma, Mistral e DeepSeek-V3, oltre a generatori di immagini come Stable Diffusion 3.5 e FLUX.1 e ad API proprietarie come GPT-4o e DALL-E. Ogni chiamata costa tra 0,01 e 1,00 ORA, e i contratti sono operativi anche sulla mainnet di Ethereum.

Qui va fatta una distinzione onesta, spesso taciuta. La riesecuzione tramite prova di frode ha senso solo per i modelli a pesi aperti che un contestatore può effettivamente rieseguire (Llama, Stable Diffusion). Le API chiuse come GPT-4o non sono verificate da opML nello stesso senso: vengono semplicemente inoltrate e attestate. Chiamarle «verificate» sarebbe fuorviante, ed è un limite intrinseco, non un dettaglio.

L’applicazione di punta costruita su opML è opAgent, un framework di «agenti perpetui on-chain» attivo dal 31 gennaio 2025. L’idea è quella di agenti autonomi controllati dalla logica di uno smart contract e non da una chiave privata, entità che esistono in modo indefinito attraverso la blockchain; opML è il ponte che rende verificabile ogni loro azione, dallo scambio su un DEX al trasferimento di token. È l’incarnazione più concreta della scommessa sull’economia degli agenti, anche se, va detto, Ora non ha divulgato dati d’uso o di volume indipendenti che permettano di misurarne l’adozione reale.

opML contro zkML, TEE e crypto-economico

Per capire dove sta opML conviene collocarlo accanto agli altri tre modi di rendere verificabile il calcolo AI. Non è una gara con un vincitore unico: ognuno ottimizza cose diverse.

Letta così, opML è il centro pragmatico: più economico dello zkML, più trustless dei TEE. Ma il centro è anche il posto più esposto. Sul fronte hardware, per esempio, la rete TEE Phala dichiara di processare oltre 23 miliardi di token confidenziali al giorno, un volume che opML, con la sua finestra di sfida, non può eguagliare sui carichi sensibili alla latenza. Il quadro completo dei quattro approcci è nel nostro reportage su verifiable compute nel 2026.

I limiti: dilemma del verificatore, latenza, composabilità

Il modello ottimista ha tre punti deboli noti, e nel 2026 restano in gran parte irrisolti nelle implementazioni in produzione.

Il primo è il dilemma del verificatore. La sicurezza poggia sull’esistenza di almeno un controllore onesto disposto a rieseguire i calcoli e a contestare gli errori. Ma se gli operatori sono quasi sempre onesti, le contestazioni sono rarissime, e allora chi ha davvero l’incentivo economico a spendere risorse per vigilare su risultati che quasi mai sono sbagliati? Truebit aveva affrontato il problema con gli «errori forzati» e i jackpot, premi che rendono conveniente controllare; opML, allo stato attuale, non ha una risposta equivalente dispiegata in produzione.

Il secondo è la latenza, già vista: la finestra di sfida ritarda la finalità. Il paper del dicembre 2025 Optimistic TEE-Rollups lo mette nero su bianco criticando direttamente questo approccio: gli approcci ottimistici come opML «impose prohibitive dispute windows, preventing real-time interactivity», cioè impongono finestre di disputa proibitive che impediscono l’interattività in tempo reale. Per un agente che deve reagire alle condizioni di mercato in pochi secondi, aspettare la chiusura della finestra è spesso inaccettabile.

Il terzo è la composabilità. In DeFi il valore nasce dall’incastro tra protocolli, ma un risultato opML non ancora finalizzato non può essere usato in sicurezza da un altro contratto: bisogna aspettare. Questo relega opML, nella sua forma pura, ai casi d’uso in cui un ritardo è tollerabile.

Il buco della privacy e i modelli chiusi

C’è poi un problema che spesso sorprende chi arriva dallo zkML: opML non protegge la privacy, anzi la sacrifica per costruzione. Perché un contestatore possa rieseguire il calcolo e dimostrare la frode, la traccia dell’esecuzione deve essere pubblica. Input, pesi del modello e passaggi intermedi diventano quindi ispezionabili. È l’esatto opposto della promessa dello zkML, dove la prova convince senza rivelare i dati. Per un dato sanitario, un modello proprietario o un input sensibile, questo è un ostacolo serio.

Si ricollega qui il limite dei modelli chiusi già visto con OAO: opML garantisce davvero solo pesi aperti e riproducibili. Un modello servito tramite API chiusa non offre la stessa garanzia, perché nessuno all’esterno può rieseguirlo per contestarlo.

Infine c’è il paradosso del determinismo. L’inferenza su GPU non è riproducibile bit per bit: l’aritmetica in virgola mobile e il parallelismo introducono minuscole differenze tra un’esecuzione e l’altra. Ma un sistema che deve arbitrare le dispute rieseguendo il calcolo ha bisogno di determinismo esatto, altrimenti due esecuzioni oneste dello stesso modello potrebbero divergere e innescare contestazioni spurie. Riconciliare le prestazioni della GPU con la riproducibilità richiesta dalle prove di frode è una delle sfide tecniche aperte più sottili.

La svolta ibrida del 2026: opp/ai, zk-OPML e OTR

Il segnale più chiaro che l’opML puro non basta è che nel 2026 la ricerca converge verso gli ibridi, e in prima fila c’è proprio Ora.

Il primo esempio è opp/ai, proposto dallo stesso team di Ora in un paper del febbraio 2024: combina lo zkML per la privacy con l’opML per l’efficienza, integrando i due approcci invece di sceglierne uno. Che l’inventore di opML pubblichi un ibrido zkML più opML è, di per sé, un’ammissione che nessuna delle due tecniche da sola copre tutto lo spazio.

Il secondo filone accorcia la finestra. Lavori accademici come zk-OPML usano le zero-knowledge proof per ridurre la finestra di disputa dell’opML, attenuando il problema della latenza con una spolverata di crittografia.

Il terzo è il più ambizioso. Il paper Optimistic TEE-Rollups mette insieme TEE su GPU H100 per una finalità inferiore al secondo, prove di frode ottimistiche e controlli a campione con prove ZK stocastiche. Gli autori formalizzano un «trilemma della verificabilità»: integrità computazionale elevata, bassa latenza e basso costo non possono coesistere tutti e tre insieme, e ogni progetto sceglie quali due privilegiare. Letto in controluce, il 2026 è l’anno in cui opML smette di essere una scuola a sé e diventa un ingrediente dentro architetture combinate.

Il token ORA: tecnologia viva, prezzo morto

Se la tecnologia è viva, il token racconta una storia diversa. ORA è un token di utilità, simile al gas: serve a pagare le chiamate a OAO (da 0,01 a 1,00 ORA ciascuna), non è primariamente uno strumento di governance. E il mercato lo tratta con brutale indifferenza.

Alle rilevazioni CoinGecko del 18 agosto 2026, ORA scambia intorno a 0,0047 euro, con una capitalizzazione di appena circa 788.000 euro, il rango numero 2.733 e un volume nelle 24 ore di poco più di 200 euro: un mercato di fatto illiquido. Il massimo storico, toccato a novembre 2024, era di 5,08 euro: significa un crollo di circa il 99,9%. E ORA non è un caso isolato.

Il quadro è coerente e istruttivo: ogni token del verifiable compute è tra il 90% e il 99,9% sotto il proprio massimo, nonostante l’infrastruttura sia realmente in funzione e tecnicamente credibile. È il divario tra tecnologia e token che abbiamo visto altrove nell’AI crypto, dallo scollamento tra codice vivo e token morto di Eliza in poi: il mercato, oggi, non paga per il calcolo verificabile. La tecnologia esiste, la domanda che la remunera no, o non ancora. Per un lettore italiano la morale è semplice: il token non è la tecnologia, e trattare l’uno come proxy dell’altra è un errore.

opML e le regole: Consob, MiCA e la zona grigia

L’infrastruttura in sé, il protocollo opML, non è direttamente regolamentata: MiCA e le autorità nazionali sorvegliano gli emittenti di cripto-attività e i fornitori di servizi (i CASP), non il codice di un protocollo. Ma i token che pagano quell’infrastruttura, e soprattutto i servizi costruiti sopra (un agente autonomo che gestisce fondi di clienti, per esempio), possono rientrare nel perimetro.

In Italia il quadro è ormai a regime. Il periodo transitorio di MiCA si è chiuso il 1° luglio 2026 (l’Italia rientrava nel gruppo con la finestra più breve), e il decreto di attuazione, il D.lgs. 5 settembre 2024 n. 129, ha ripartito le competenze: la Consob per la condotta di mercato, l’autorizzazione dei CASP e la tutela degli investitori, la Banca d’Italia per gli aspetti prudenziali e per le stablecoin (token di moneta elettronica e asset-referenced). I derivati su cripto, invece, restano strumenti finanziari sotto la MiFID II, sempre vigilati dalla Consob. È lo stesso impianto MiCA che regge le nostre analisi sulle regole per le stablecoin in euro.

Sul fronte statunitense la fotografia è diversa e istruttiva. L’interpretazione congiunta SEC-CFTC del 17 marzo 2026 ha classificato sedici cripto-attività come «digital commodity» (tra cui Bitcoin, Ethereum, Solana e Chainlink), ma non dice nulla sui token dell’infrastruttura AI-oracle o del verifiable compute come ORA, che restano quindi in una zona grigia, valutabili caso per caso con il test di Howey. Sul versante europeo, invece, l’AI Act potrebbe paradossalmente creare domanda: gli obblighi per i modelli general-purpose sono in vigore dal 2 agosto 2025 e le regole per i sistemi ad alto rischio si applicano dal 2 agosto 2026, spingendo verso l’auditabilità e la tracciabilità dell’AI. Un’inferenza verificabile è, in linea di principio, proprio ciò che serve per dimostrare conformità, anche se il requisito di opML di rendere pubblica la traccia mal si concilia con la protezione dei dati sensibili.

Che cosa significa per chi guarda l’AI crypto dall’Italia

Tirando le fila, opML è una tecnologia reale, in produzione, che risolve un problema concreto: verificare che un modello AI abbia girato correttamente senza rieseguirlo né fidarsi ciecamente del server. È il centro pragmatico dello spettro del verifiable compute. Ma nel 2026 quel centro è stretto da entrambi i lati: lo zkML sta incrinando il muro degli LLM, i TEE vincono su latenza e volumi, e gli ibridi (opp/ai, zk-OPML, Optimistic TEE-Rollups) stanno assorbendo le idee dell’opML dentro architetture combinate.

Per chi osserva l’AI crypto dall’Italia, che sia un investitore, uno sviluppatore o un semplice curioso, la lettura pratica è duplice. Da un lato la tecnologia merita attenzione: gli agenti autonomi on-chain e gli oracoli AI sono un filone credibile, e opML è uno dei mattoni per renderli verificabili, accanto a reti come Bittensor e all’ecosistema più ampio dell’AI decentralizzata. Dall’altro il token va guardato con freddezza: ORA è illiquido, vicino allo zero e in una zona grigia dal punto di vista regolamentare. Separare i due giudizi è la cosa più utile che un lettore possa fare.

Le cose da tenere d’occhio nei prossimi mesi sono tre: se e quando OAO e opAgent pubblicheranno dati d’uso reali e non solo dichiarazioni; se uno degli ibridi diventerà lo standard di fatto, rendendo l’opML puro un capitolo di transizione; e se l’auditabilità richiesta dall’AI Act si tradurrà in domanda pagante per l’inferenza verificabile. Le risposte diranno se opML resterà una nota a piè di pagina o diventerà un’infrastruttura di base dell’AI on-chain.

Domande frequenti

Che cos’è opML in parole semplici?

opML, o optimistic machine learning, è un modo per verificare on-chain che un modello di AI abbia prodotto il risultato giusto senza rieseguirlo dentro la blockchain. Un nodo pubblica il risultato e un impegno crittografico, apre una finestra di tempo e, se nessuno contesta con una prova di frode, il risultato è considerato valido. Si chiama ottimista perché assume l’onestà per default e verifica solo in caso di disputa.

Qual è la differenza tra opML e zkML?

Lo zkML dimostra la correttezza in modo crittografico e immediato, senza bisogno di controllori e proteggendo la privacy dei dati, ma è molto costoso da calcolare, soprattutto sui modelli grandi. opML rinuncia alla prova crittografica: assume che il risultato sia corretto e lascia che venga contestato entro una finestra. È più economico e scala meglio ai modelli grandi, ma introduce latenza, richiede almeno un controllore onesto e rende pubblica la traccia del calcolo, quindi non protegge la privacy.

Chi ha creato opML e che cos’è Ora Protocol?

opML è stato formalizzato e portato in produzione da Ora Protocol, nata come Hyper Oracle nel 2022 e fondata da Kartin Wong. Ora ha pubblicato il paper fondativo nel gennaio 2024, ha raccolto 20 milioni di dollari e ha costruito OAO, un oracolo AI on-chain garantito da opML, e opAgent, un framework per agenti autonomi on-chain.

A che cosa serve il token ORA e perché vale così poco?

ORA è un token di utilità usato per pagare le chiamate all’oracolo OAO, da 0,01 a 1,00 ORA per richiesta. Vale pochissimo (intorno a 0,0047 euro a metà agosto 2026, circa il 99,9% sotto il massimo storico) perché il mercato non sta ancora remunerando l’infrastruttura del verifiable compute: è un caso da manuale del divario tra una tecnologia funzionante e un token privo di domanda. Attenzione a non confondere ORA con Oraichain (ORAI), un progetto diverso.

opML è regolamentato in Italia?

Il protocollo opML in sé non è regolamentato, ma i servizi e i token connessi possono rientrare nel perimetro di MiCA, il cui periodo transitorio in Italia si è chiuso il 1° luglio 2026. La Consob vigila su condotta di mercato e autorizzazione dei fornitori di servizi cripto (i CASP), la Banca d’Italia sugli aspetti prudenziali e sulle stablecoin. Un agente AI che gestisse fondi di terzi potrebbe far scattare obblighi specifici; il token ORA, invece, resta in una zona grigia da valutare caso per caso.

Luca Ferretti segue intelligenza artificiale, infrastrutture crypto e regolamentazione europea per HOGE Wire.