NEAR usou o DeepSeek para resolver 600 questões de matemática e está transformando a auditoria de código on-chain em algo “barato como couve”.

Autor: Chang An, Deep Tide TechFlow

Destaques Deep Tide: As 672 questões das principais competições matemáticas de graduação da América do Norte foram todas resolvidas por um Agent da equipa NEAR AI. O valor total gasto foi de cerca de 111 dólares, uma média de 0,17 dólares por questão. A equipa NEAR AI utilizou o modelo open source chinês DeepSeek V4 para realizar este teste. Não se trata apenas de uma competição intelectual de grandes modelos; por trás da fatura computacional está um negócio de infraestrutura que procura democratizar a “verificação formal” de contratos inteligentes, tradicionalmente cara e inacessível.

Os dados de teste de um repositório open source revelaram o custo real das grandes soluções matemáticas por modelos de IA.

Recentemente, de acordo com dados divulgados pelo cofundador do NEAR Protocol, Alex Skidanov, e pelo canal oficial, o Agent do NEAR AI resolveu todos os 672 problemas matemáticos do PutnamBench.

Para quem não conhece, o PutnamBench não é uma simples coleção de exercícios; ele é um benchmark baseado nas provas das principais competições de matemática universitária da América do Norte (William Lowell Putnam).

Em resumo, trata-se de fazer com que a IA realize deduções matemáticas rigorosas, para verificar se consegue resolver problemas de forma autônoma. Para resolver todas as questões, a NEAR AI gastou cerca de 111,85 dólares, uma média de 0,17 dólares por questão.

Em comparação, outras soluções que atingiram pontuação máxima apresentaram custos muito superiores.

Segundo dados compilados pela MSBIntel, usando o GPT-5.6 da OpenAI, o custo médio por questão chega a 44,5 dólares; já com o Claude Opus 5, da Anthropic, cada questão custa 3,52 dólares.

Neste teste específico, a NEAR utilizou a solução baseada no DeepSeek V4, reduzindo o custo para um duzentos e cinquenta avos do valor do GPT-5.6.

Blockchains resolvendo problemas de matemática: o verdadeiro objetivo está além disso

Os esforços dos projetos de blockchain para resolver problemas matemáticos não são voltados para o setor educacional.

O requisito central do PutnamBench é a verificabilidade da máquina: a resposta da IA não pode ser apenas um texto, deve ser um código de prova rigoroso escrito em Lean 4 (uma linguagem de assistente de prova amplamente utilizada).

Esses códigos não podem conter falhas de sintaxe, não podem pular etapas de dedução e devem ser 100% verificados por máquinas. Ao mesmo tempo, isso corresponde a uma tecnologia crucial na ciência da computação: a verificação formal.

No universo cripto, contratos inteligentes movimentam centenas de milhões, ou mesmo bilhões, de dólares. Tradicionalmente, auditorias de código dependem de revisões humanas para encontrar falhas, enquanto a verificação formal utiliza lógica matemática rigorosa para provar, linha por linha, que o código não apresenta erros sob nenhum estado possível.

Historicamente, o grande problema da verificação formal é que ela é cara e demorada. Exige especialistas de segurança de altíssimo nível e longos prazos, sendo geralmente acessível somente para grandes projetos com recursos financeiros expressivos.

Este teste da NEAR AI comprovou a viabilidade de gerar, em escala, provas matemáticas confiáveis utilizando modelos de IA open source — e, mais do que isso, comprovou o baixo custo desse método.

Infraestrutura acessível para segurança on-chain

Reduzir o custo da verificação formal a alguns centavos é o negócio real que a NEAR está desenvolvendo.

No momento, todo o código que integra DeepSeek e Lean 4 já está totalmente aberto. Segundo o anúncio oficial da NEAR, o próximo passo é aplicar essas ferramentas de baixo custo na própria NEAR Protocol e na verificação de contratos inteligentes essenciais.

Ou seja, pode-se entender isso como uma democratização tecnológica, ou, de forma mais simples, como um projeto prático de quem está realmente construindo e impulsionando a narrativa de IA.

Se modelos open source de IA conseguirem fornecer provas de segurança de código verificáveis por máquinas de forma estável, no futuro os desenvolvedores comuns e pequenas equipes de projetos também poderão, antes de implementar um contrato, rodar uma verificação formal por alguns centavos, reduzindo o risco de falhas em contratos inteligentes.

Por outro lado, de forma realista, isso não tem impacto direto no preço do token NEAR no curto prazo. No entanto, na competição estrutural entre blockchains, gastar algumas dezenas de centavos para prevenir problemas representa um valor comercial muito mais concreto do que gastar milhões em soluções após o problema acontecer.