Nel 2026 i modelli di intelligenza artificiale non si limitano pi\u00f9 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 pu\u00f2 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 \u00e8 impossibile; fidarsi ciecamente del server che lo ha eseguito significa tornare al Web2. opML propone una terza via.<\/p>
opML sta per optimistic machine learning. L’idea, presa in prestito dagli optimistic rollup che scalano Ethereum, \u00e8 semplice da enunciare e sottile da implementare: non dimostrare in anticipo che il calcolo \u00e8 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: pi\u00f9 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 perch\u00e9 il token ORA vale ormai una frazione di centesimo mentre la tecnologia resta viva.<\/p>
opML \u00e8 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 \u00e8 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 \u00e8 sbagliato, presenta una prova di frode e la catena arbitra la disputa.<\/p>
L’aggettivo ottimista non \u00e8 marketing: \u00e8 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’\u00e8 una contestazione. Il paper fondativo, opML: Optimistic Machine Learning on Blockchain<\/a>, lo dice apertamente: il disegno \u00e8 \u00abreminiscent of the optimistic rollup systems\u00bb, cio\u00e8 richiama in modo diretto quei sistemi.<\/p> Il punto \u00e8 capire contro che cosa opML si misura. Le due alternative ovvie sono entrambe insoddisfacenti. Rieseguire il modello dentro uno smart contract \u00e8 tecnicamente impraticabile: un modello da 70 miliardi di parametri non entra in un blocco e il gas sarebbe astronomico. Fidarsi dell’operatore che dice \u00abho eseguito il modello, ecco il risultato\u00bb annulla il motivo stesso per cui si usa una blockchain. opML prova a non fare n\u00e9 l’una n\u00e9 l’altra cosa: nessuna riesecuzione universale, nessuna fiducia cieca.<\/p> 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, cos\u00ec che il verificatore non debba rifare il lavoro. La fiducia si sposta da \u00abcredi al server\u00bb a \u00abverifica la prova\u00bb. \u00c8 la stessa cornice che regge lo zkML e i TEE.<\/p> 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, cio\u00e8 la strada crittografica basata sulle zero-knowledge proof, Buterin stima un overhead di circa 200 volte per gli strati non lineari<\/a> di una rete neurale; verificare un blocco Ethereum richiede poche centinaia di millisecondi, ma generare la relativa prova ZK pu\u00f2 richiedere ore. Con i modelli di grandi dimensioni il costo esplode.<\/p> C’\u00e8 un motivo tecnico preciso per cui la via crittografica \u00e8 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<\/a> nel formato dei circuiti aritmetici senza costi enormi, il che costringe a quantizzare i modelli e a scendere a compromessi tra accuratezza e dimostrabilit\u00e0. \u00c8 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<\/a>.<\/p> 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 pi\u00f9 profonda \u00e8 Truebit, un progetto descritto da Jason Teutsch e Christian Reitwiessner nel paper A scalable verification solution for blockchains<\/a>, anni prima che i rollup lo portassero nel mainstream.<\/p> Il meccanismo chiave \u00e8 il \u00abgioco di verifica\u00bb (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 met\u00e0 la traccia dell’esecuzione, restringendo il campo finch\u00e9 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 pu\u00f2 fare a costo trascurabile. opML applica esattamente questa idea all’inferenza di un modello ML.<\/p> Vale la pena notare che opML \u00e8 nato allo scoperto. La prima descrizione pubblica \u00e8 un post sul forum di governance di Optimism<\/a> 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.<\/p> Il cuore tecnico di opML \u00e8 la Fraud Proof Virtual Machine (FPVM): una macchina virtuale deterministica dentro cui il passo contestato pu\u00f2 essere rieseguito e verificato dalla catena. Qui il progetto distingue due architetture.<\/p> Nella versione a fase singola (single-phase) ogni passo del calcolo viene replicato dentro la VM vincolata, senza GPU. \u00c8 semplice e robusta, ma lenta, e l’albero di Merkle che riassume l’esecuzione diventa pesante da gestire.<\/p> 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<\/a>, questo riduce la complessit\u00e0 dell’albero di Merkle da O(mn) a O(m+n) e porta un’accelerazione stimata in \u00abdecine o centinaia di volte\u00bb rispetto all’approccio a fase singola.<\/p> Sui numeri conviene essere prudenti, perch\u00e9 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 fattibilit\u00e0 pi\u00f9 che come misura di prestazioni.<\/p> 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 pi\u00f9 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.<\/p> 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. \u00c8 la cosiddetta ipotesi del watcher onesto, o \u00abuno-su-N\u00bb: basta un solo controllore corretto perch\u00e9 il sistema sia sicuro. \u00c8 un modello di fiducia diverso sia dallo zkML (garanzia crittografica, senza bisogno di controllori) sia dai TEE (fiducia nel produttore del chip).<\/p> Il prezzo di tutto questo \u00e8 la latenza. Finch\u00e9 la finestra \u00e8 aperta, il risultato non \u00e8 definitivo, quindi un contratto non pu\u00f2 costruirci sopra in sicurezza. Questo rompe l’interattivit\u00e0 in tempo reale e complica la composabilit\u00e0, 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 pu\u00f2 usare opML cos\u00ec com’\u00e8. \u00c8 un compromesso strutturale, non un difetto di implementazione.<\/p> Dietro opML c’\u00e8 Ora Protocol, nata come Hyper Oracle nel settembre 2022. Il fondatore \u00e8 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<\/a> da Polychain, HF0 e HashKey Capital.<\/p> La visione dichiarata da Wong, riportata da CoinDesk, \u00e8 quella di voler \u00abunlock the design space for AI dapps\u00bb, cio\u00e8 aprire lo spazio di progettazione per le applicazioni decentralizzate basate su AI: rendere l’inferenza di un modello un mattoncino che qualunque smart contract pu\u00f2 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.<\/p> 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.<\/p> Il prodotto principale di Ora \u00e8 OAO, l’Onchain AI Oracle: un insieme di smart contract garantiti da opML, distribuiti con lo stesso indirizzo su oltre sedici reti<\/a> (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.<\/p> 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 pu\u00f2 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 \u00abverificate\u00bb sarebbe fuorviante, ed \u00e8 un limite intrinseco, non un dettaglio.<\/p> L’applicazione di punta costruita su opML \u00e8 opAgent, un framework di \u00abagenti perpetui on-chain\u00bb attivo dal 31 gennaio 2025<\/a>. L’idea \u00e8 quella di agenti autonomi controllati dalla logica di uno smart contract e non da una chiave privata, entit\u00e0 che esistono in modo indefinito attraverso la blockchain; opML \u00e8 il ponte che rende verificabile ogni loro azione, dallo scambio su un DEX al trasferimento di token. \u00c8 l’incarnazione pi\u00f9 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.<\/p> Per capire dove sta opML conviene collocarlo accanto agli altri tre modi di rendere verificabile il calcolo AI. Non \u00e8 una gara con un vincitore unico: ognuno ottimizza cose diverse.<\/p>Il problema di fondo: fidarsi o verificare<\/h2>
Dagli optimistic rollup a Truebit: la genealogia<\/h2>
Come funziona opML: la Fraud Proof Virtual Machine<\/h2>
La finestra di sfida e il \u00abwatcher onesto\u00bb<\/h2>
Ora Protocol: chi ha inventato opML<\/h2>
OAO e opAgent: opML in produzione<\/h2>
opML contro zkML, TEE e crypto-economico<\/h2>